这里把如何计算 1-bit 量化等效的增益 k 的方法回顾一下：
一般的，量化器的输入为 y[n]，输出为v[n]；考虑K的选取使得量化器的输入与输出的均方误差最小
定义内积的运算：
因此，均方误差可以重写为：
考虑k为自变量，上式在其导数为零时取得最小值，此时的k值为：
对于1-bit的量化，考虑v=sgn(y), 上式可写为：
标签归档：Quantization-Noise
关于量化噪声
回顾一下量化噪声的基本内容：
对于量化噪声的假设：量化误差ε的概率分布为 [-Δ/2，Δ/2] 上的均匀分布， Δ 为 LSB step；因此此范围的概率密度 P(ε) 大小为1/Δ
考虑均方噪声（mean-square noise）：
对于 N-bit 量化，幅度最大为 2N-1Δ，峰峰值为 2NΔ，
