一、IP网络信源信道联合编码策略(论文文献综述)
冯博文[1](2021)在《面向高通量空天通信的极化编码技术研究》文中研究指明空天通信作为新一代无线通信技术和航天科技前沿领域的结合,其发展呈现卫星容量宽带化、高中低轨网络化、星地网络异构融合化的趋势。而随着高通量空天通信的发展,信息传输面临环境衰减加剧、链路动态时变、业务场景复杂多样等难点。信道编码技术是通信系统的关键底层技术,需对高通量空天通信全过程的信息传输可靠性提供支撑。但在空天通信特性约束下,传统的编码技术途径对高通量空天通信的适用性不足,对大衰减、快时变链路下的信息连续可靠传输难以保障,对特点、需求迥异的复杂业务和场景也难以精准支持。因此,亟需开展面向高通量空天通信的可靠编码技术创新研究。围绕高通量空天信息传输可靠性需求,本文以提升空天通信特性约束下的编码适用能力为目标,基于极化码技术,开展面向高通量空天通信的新型信道编码理论与技术研究。以提升编码增益能力、适变能力和实用能力为核心,明晰空天通信特性对编码传输的影响机理,探究在少量计算存储开销下获取高编码增益的方法,设计适应空天时变信道的编码传输策略,提出面向空天典型业务和场景的联合编码解决方案,解决高通量空天通信下的编码技术可靠性保障难题。具体开展以下几个方面的研究:首先,开展极化码的高增益译码算法研究及其资源开销优化。针对极化码的编译码原理进行研究,重点针对极化码的高增益译码方法进行资源开销优化工作,基于对译码过程的理论分析,制定译码复杂度优化策略,在尽量保证误码性能的前提下,最大程度地减少译码计算、存储资源开销。使极化码高增益译码方法适合于能力受限的空天节点,提升空天通信编码增益的效用。其次,开展适用于空天时变链路的无速率极化码研究。确定适用于空天的无速率极化码方案设计原则,针对时变信道特点和减少重传需求,设计无速率极化码方案。面向时变信道中的信息连续编码传输需求,以提升效率为目标,设计自适应无速率极化码连续传输方案并进行性能验证。使极化码技术适用于动态时变的空天链路,提升空天通信编码传输的适变能力。再次,开展针对空天通信典型高速流业务的阶梯级联极化码研究。通过码块级联交织的方式引入时间维度保障其可靠性。针对级联编码需求,对高增益译码进行软输入软输出可迭代设计并进行简化,进而对阶梯级联极化码的译码流程进行综合设计。考虑时变链路中的高速流业务传输需求,设计适配的阶梯级联极化码无速率传输方案。为空天通信高速流业务提供一种新型高性能极化码编码方案,支撑空天编码传输对业务的精准匹配。最后,开展面向星地典型传输场景的极化码联合编码研究。以提升用户传输可靠性为目标,引入多天线分集增益,充分考虑空天场景天线相关性问题,开展极化码与空时编码的联合设计。面向星地多用户接入,考虑空天场景链路特点,设计极化码与SCMA联合编码方案,综合考虑估计、检测和译码流程,提升星地多用户接入信息传输可靠性。为星地传输提供新型极化码联合编码解决方案,提升空天通信典型场景下信息传输的可靠性。
刘锦[2](2020)在《面向双向中继通信的Polar码与物理层网络编码联合设计》文中研究说明近些年来,无线通信迅速发展的同时人们对数据业务的要求也越来越高,更大的数据量更快的传输速度对无线通信技术都提出了更高的要求。但无线信道完全开放的特性和存在衰落、覆盖范围的问题使得很多情况下数据的传输需要有中继的协助,协作通信的思想就产生了。而网络编码的提出有效的提高了网络的吞吐量,又因为无线信道自身的广播特性和叠加特性,因此在物理层进行网络编码并与一定的信道编码技术相结合可以获得比传统中继系统更好的性能。Polar码是目前唯一能够达到香农极限的信道编码方式,编译码算法的复杂度较低、时延较小,因此本文提出了物理层网络编码与Polar码联合设计的方案。具体内容如下:首先介绍了双向中继通信的概念和系统模型,网络编码的基本原理、优缺点,然后详细说明了无线中继信道中的三种信息传输的模式和实现过程。并分析比较了这三种传输模式的性能,可以看出物理层网络编码相对传统的传输方式和直接网络编码模式可以提高网络的传输效率和吞吐量,并通过仿真分析得以验证。接着推导了物理层网络编码与信道编码联合设计的中继译码方案。LDPC码的再次发现证明它是性能优异的信道编码方式,针对本文使用的高斯消去的编码方法和基于置信传播算法的BP译码算法进行了说明,分析了编译码的复杂度,进行了单发单收情况下不同码长的LDPC码误码率的仿真。之后提出了LDPC码和物理层网络编码联合设计的方案,仿真分析了不同码长对联合系统BER性能的影响。Polar码是性能优异且被证明能达到香农极限的信道编码方式,我们最终研究的联合系统中信道编码方式选择的就是Polar码。文章针对Polar码的编码原理和本文使用的连续消除译码(SC)和连续消除列表译码算法(SCL)进行了介绍,通过仿真单发单收情况下不同码长和译码方法的Polar码传输的误码率,验证了Polar码的性能。然后介绍了传统的Polar码和网络编码的结合方案,分析了不足,在此基础上提出了Polar码和物理层网络编码联合设计的方案。最后通过仿真分析了该联合设计系统误码率和吞吐量两方面的性能。仿真结果说明了码长和译码算法都会影响联合系统的可靠性,并且本文提出的联合编码系统的方案相对于直接网络编码系统确实提高了网络吞吐量,同时也尽可能保证了系统的可靠性,而另一方面相对于信道编码方式选择LDPC码的联合设计系统可以在尽量少损失系统可靠性的前提下降低译码的复杂度和计算量,验证了本文方案的可行性和有效性。
赵亚娟[3](2020)在《大容量低时延信源信道联合编码视频传输技术研究》文中指出随着多媒体通信业务的蓬勃发展,近年来诸如虚拟现实体验、无人驾驶汽车、图像智能识别监控等一系列实时多媒体传输业务需求的涌现,使得超高清视频的实时可靠传输逐渐晋升为普遍需求,而这需要更高的传输速率以及低时延高可靠性的要求来予以支撑。为了应对这些挑战,现有的高速无线视频传输技术尚有诸多问题亟待解决,例如,超高清视频海量数据所带来的处理复杂度提升、在保证视频质量的前提下如何提升复杂信道环境下的传输可靠性、以及获得视频无线传输整体链路的低时延特性等。然而,传统信源与信道分离设计、独立编码的方式难以满足上述应用需求,而信源信道联合编码技术是解决上述问题的有效途径。本文即面向上述难点技术问题,对低时延超高清视频信源信道联合编码传输关键技术进行深入研究,主要研究内容总结如下。(1)、本文首先介绍了现有超高清视频压缩编解码算法和信源信道联合编码技术的理论基础;然后,针对复杂室内信道环境下低时延、高可靠超高清视频传输所面临的技术难点进行了深入的分析,重点是低时延超高清视频压缩编解码算法,以及面向MIMO-OFDM系统的JSCC视频码流加载与调制方法。(2)、研究具有低时延特征的超高清视频压缩编解码算法。针对现有的压缩编解码算法计算复杂度极高、编解码时延较高、以及视频画质损失较多的问题,提出了一种基于非对称小波变换的超高清视频压缩编解码算法,该算法使用非对称小波变换来降低视频数据间的空间冗余和列变换引入的缓冲时延,且能根据人眼视觉特性来降低视觉冗余,并进一步采用轻量级的熵编码算法降低统计冗余。而在解码端,首先解析视频参数,然后根据这些参数进行熵解码得到变换系数,最后再进行反变换恢复视频序列。理论与仿真结果表明,所提新算法在保证视频图像恢复质量的同时,能显着减少超高清视频压缩的计算复杂度,并降低处理的环路时延。(3)、研究面向MIMO-OFDM系统的JSCC视频码流加载与调制方法。为了满足室内环境下视频高速可靠传输的需求,提出了一种面向MIMO-OFDM系统的JSCC视频码流重要性加载与调制方法。该方法首先对视频码流数据进行重要性划分;然后在信道调制和MIMO空间信道映射进行两级不等差错保护。最后,考虑了理想信道反馈下的OFDM子载波视频码流调制算法。仿真表明,该算法可实现对信源重要性数据的不等差错保护,相较于传统的固定调制算法,可以将视频图像的客观质量提升5-15d B。
王楚妍[4](2020)在《基于自学习的带宽受限信息传输方法研究》文中研究说明当前无线移动通信传输数据呈倍数增长,导致频谱资源紧张的现状。传统无线通信发展基于OSI七层模型,物理层专注于从物理频谱带宽等角度逼近通信容量。同时,传统信源信道联合编码研究已经相对成熟,一定程度上从数据无差错传输角度提升信道容量。然而传统信源信道联合编码仍存在诸多问题。一方面,传统信源信道联合编码问题往往通过分离定律将其分解为信源编码、信道编码等若干步骤。分离定律的基本理论是将通信的母问题分解为多个易于求解的子问题。然而子问题的最优解未必代表全局问题的最优解,即信源压缩和信道传输分开设计的通信系统未必可获得整体通信系统最优性能。另一方面,在实际应用中不同数据对于信源和信道编码的要求不同。误码率最小并不代表接收端获取的信息损耗最小,即同一误码经过信源编码、信道传输后重构的信息,可能造成单个像素点不同或造成整个图片解析乱码。这些问题,如果信道编码和信源编码若只考虑本身的最优,是没法解决的。其次,信源信道分离定律在有side information或有限包长的条件下不成立,所以研究有限包长或带宽受限等条件下新型信息传输方法具有意义。因此,为了解决以上问题,本文提出基于自学习的智能信息传输方法和基于权重调整的特征压缩算法,提供了一种学习范式不根据人为处理的方式进行分解,选择依据学习模型获取从原始数据到语义特征输出的映射,将物理层比特数据无差错传输转化为信息层面重点特征的有效传输,即从信源角度以自学习方式提取信息信源关键特征参数,通过对收发两端信息知识库的有效设计,实现信道容量提升。针对在先验知识不足的条件下无法有效提取收发双方真正通信的关键特征,本文利用零合博弈原理,提出智能信息传输方法和生成式对抗网络联合设计的方法,采用无监督方式自动学习并传输关键的特征参数,得到了可利用迭代自学习方式收敛到通信资源调度最优解的理论,逐步构建背景知识库优化了系统的可扩展性,使得传输系统整体带宽占用具有时间维度的增益。本文通过对基于迭代自学习的收发联合处理方法建模,信息损耗最小值收敛过程即为通信资源调度最优解的逼近过程,采取更加类似人类视觉评价标准的评估方式,仿真实验比较不同特征选取方式、选取范围、时间因素下的模型性能,进一步验证基于信息损失率的智能定义模式能够最大程度捕获关键特征参数,说明其带宽占用具有时间维度性能增益;另外,通过比较具体图片的人类视觉和数据传输量层面差异,在满足基本视觉损失的条件下,系统在Facades训练集中以原始数据8%的特征传输量即可满足信息传输准确率99%需求,相较于人工特征选取维度、香农信息论传输特征、传统图像压缩传输方式能够有效降低数据传输量,降低带宽占用。针对通信信道参数动态变化导致静态信息提取方法无法满足资源高效分配的问题,本文利用特征优先级自适应排序算法,对提取的影响收发双方真正信息传递的主特征参数进行权重排序,提出了基于权重调整的自适应特征压缩算法,算法提升了系统灵活性和自适应性,能够在信噪比、传输速率等参数实时变化的动态信道中求解通信资源调度的最优解,从而在最优解收敛过程中逐步降低带宽占用。本文理论分析了基于PSNR及感知损失的联合损失函数理论基础,能够指导迭代自学习过程动态调整传输过程中主特征参数中特征权重,以实现特征权重的灵活调整。仿真实验设计比较通信带宽环境、动态信道条件、自适应策略对性能的影响,从视觉和语义损失层面证明基于权重调整的自适应特征压缩算法能够满足动态信道特征调整需求,自适应调整图像高层及低层级特征权重,进而平衡数据传输量和重构图像质量之间的关系,在降低数据传输量的同时实现信息的有效传输。
尹文斌[5](2020)在《基于学习的图像编码与视频软播技术研究》文中提出随着现代信息技术的飞速发展,以互联网和移动终端为支撑的网络视频、社交网络、视频监控等新型应用不断涌现,象征着人类已经进入了大数据时代。各类媒体数据急剧增长,而图像视频数据异军突起,以更高的数量级增长。研究高效的图像视频存储与传输的方法成为大数据处理的核心问题。因此,图像编码和无线视频软播作为图像存储和视频传输领域的典型应用,具有重要的研究意义。变换是传统图像编码与视频软播框架中的核心技术,然而,固定线性变换不能自适应图像视频特性,因此无法实现图像视频紧致表达;同时,基于反变换的解码结构限制了先验知识的利用,导致图像的重建质量和编码效率较低。稀疏表示和卷积神经网络分别采用冗余基和非线性模型来自适应图像视频特性,能够实现信号的高效紧致表示;同时,灵活的表达结构可以高效地整合先验知识,进一步提升图像视频信号的重建质量。为此,针对无线视频广播问题和图像压缩问题,本文将稀疏表示理论和卷积神经网络引入传统的图像编码和视频软播框架中,从利用基于学习的方法提高图像编码和视频软播性能的角度开展研究,具体研究内容包括如下四方面:第一,提出了一种基于字典学习的无线视频软播方案。在传统的无线视频软播框架中,固定变换不能自适应图像视频特性,无法高效表示视频信号,在低带宽条件下性能受限明显;同时,基于反变换的解码结构无法利用先验知识进一步提升解码质量。压缩感知方法可利用信号稀疏特性,基于少量观测数据,采用优化方法几乎精确地重构信号。为此,本文利用稀疏编码和重建代替无线视频软播方案中传统的变换和反变换过程,提出了一种基于压缩感知和层次帧结构的无线视频软播方案。在编码端,在有限带宽条件下,建立层次帧结构,合理分配观测率,最大限度获取视频信号的有效信息。特别是,利用同等重要的观测数据具有天然的抗丢包能力,降低了信道保护代价。在解码端,利用视频信号的局部稀疏性和非局部自相似性以及时域相关性等先验信息,提出了基于组的稀疏表示优化重建模型及高效的模型求解算法,实现了视频软播的高精度和鲁棒解码。实验结果表明,本文提出的方案具有良好视频广播可伸缩性的同时显着提高了编码压缩效率。第二,提出了一种基于低秩逼近的行扫描视频软播方案。在传统无线视频软播方案中,预测环节缺失导致编码效率低下,若加入闭环预测则会引发误差漂移问题;同时,以块或帧为编码单元导致其必须获得足够规模的行数据才可进行编码和传输,从而造成行扫描视频传输高延迟问题。分布式编码理论指出,当解码端具有边信息时信源可以被高效压缩,并且对误差传递具有鲁棒性。低秩表示本质上结构化的稀疏表示,在图像视频的低秩表示框架下,图像视频中相关性隐含在一个低秩矩阵形式中,低秩表示为图像视频的高精度逼近提供了途径。为此,本文利用分布式编码的典型技术陪集编码代替无线视频软播中的变换编码,提出了一种基于低秩矩阵填充的行扫描视频软播方法。在编码端,无须等待若干行数据采集,实时对采集的视频行进行陪集编码压缩,降低了编码端计算代价。在解码端,在分析视频时空域相关性基础上,利用模板匹配技术,提出了基于低秩逼近的边信息生成算法。通过高精度的边信息,提高了陪集解码准确性和重建视频质量。实验结果表明,本文提出的方案在多种信道条件下均取得优于传统视频软播方案的性能。第三,提出了一种基于卷积神经网络的视频软播后处理方案。传统视频软播方案采用了基于块的离散余弦变换压缩图像中的冗余信息。当带宽受限时,需要丢弃一定数目的变换系数,同时信号在传输中不可避免地受到噪声干扰,解码端接收到的数据中包含了编码和传输环节的噪声。然而,在解码端,在经过反变换的解码图像中,编码与传输噪声依然存在。事实上,稀疏表示和卷积神经网络网络可以自适应图像特性,实现降质图像的高精度重建。为此,本文基于稀疏表示和卷积神经网络,提出了一种基于卷积神经网络的鲁棒的视频广播方案。该方案将编码视为图像降质过程,编码端根据带宽条件控制降质程度。在解码端,将图像解码转化为降质图像的复原问题,利用视频帧的局部稀疏性和非局部自相似性,建立组稀疏表示模型,针对降质过程,提出了基于组稀疏表示模型的视频帧复原方法。在此基础上,利用卷积神经网络的强大的非线性特性,进一步减轻编码和传输噪声所产生的影响。实验结果表明,本文提出的方案不仅具有良好的视频广播可伸缩性,而且可以减轻编码和传输中的噪声,与传统视频软播相比,提供了视觉友好的主客观质量。第四,提出了一种基于深度神经网络的端到端相关图像压缩方法。传统图像编码方法采用固定的线性变换,固定变换基无法自适应于图像特性,线性的表达方式难以刻画图像复杂纹理与结构;同时,独立优化设计的编解码端,限制了压缩性能的提升。自编码器利用多层网络将高维数据表示为低维的特征,并由低维特征最大限度地恢复原始数据;其利用非线性模型获得优于线性变换的紧致特征表示。同时,灵活的编解码结构和编解码的协同优化为图像高效压缩提供了可能。为此,本文在多路自编码器基础上,对各个层次特征施加互参考约束,建立了基于互参考结构的关联图像编解码方案。采用二值化器量化图像特征,利用图像内容特征生成重要性图,以指导量化特征的码率分配。将编码的率失真优化代价作为网络的优化目标,通过可微的二值化器保证了网络训练的可行性。本文提出的方法通过端到端的自编码器结构实现了图像编解码的联合优化,通过多路的互参考的结构实现了相关图像的高效编码。实验结果表明,对于相关图像压缩问题,本文提出的方法能够获得优于传统图像编码方法的主客观质量。
廖勇[6](2019)在《基于网络编码的多跳D2D通信性能研究》文中研究指明D2D(Device-to-Device)通信作为5G通信的关键技术之一,已成为学术界重要的研究课题。D2D通信能有效卸载蜂窝流量,提高系统容量;而网络编码技术能提高网络吞吐量、系统鲁棒性和频带利用率。对多跳D2D通信进行网络编码传输,可进一步提升系统容量和节省频谱资源。尽管对基于网络编码的多跳D2D通信的研究已取得一定进展,但相关工作未能充分考虑D2D通信和网络流量的特点,其具体表现在:1)某些工作假设D2D通信的信道衰落模型为Rayleigh衰落,而未能体现D2D通信具有近距离通信的特性;2)部分研究通常在网络编码方案的数据编译码成功的情况下优化与评估通信系统的性能参数,而未能考虑编译码失败的情况;3)大多数文献未充分考虑网络流量拥塞导致链路数据溢出中继节点的缓冲区而频繁发生丢失的情况。为此,本文对基于网络编码的多跳D2D通信性能进行分析,主要工作如下:(1)建立蜂窝网络下多跳D2D通信系统的信道衰落模型。相比已有研究,该模型考虑具有较近通信距离的D2D链路,其信道增益服从Rician衰落,而对于具有较远通信距离的干扰链路,其信道增益服从Rayleigh衰落。(2)对于信道衰落模型下的D2D数据传输,设计一种联合喷泉码和异或编码的编码方案。根据该联合编码方案的数据编译码失败的条件,研究在发射功率的限制下端到端传输时隙的最优化问题。通过理论证明,当蜂窝用户和D2D终端用户的发射功率分别为最大与最小值时,端到端传输时隙能得到最优解。(3)基于信道模型和流量模型,分析D2D链路的中断概率和丢包概率,并推导有无网络编码机制下端到端丢包率的表达式。仿真实验比较了Poisson、Pareto和fBm流量模型下D2D链路的丢包情况,以及评估了网络编码机制和中继节点数对端到端丢包率、端到端完成时间和平均端到端传输速率等性能参数的影响。综上所述,本文从性能优化与评估方面对基于网络编码的多跳D2D通信展开深入研究,建立多跳D2D通信系统模型,提出D2D传输的网络编码方案,推导相关的性能参数表达式,为进一步提升D2D通信的系统容量与可靠性提供理论基础。
彭媛媛[7](2019)在《基于IEEE 802.11ax的无线视频优化传输》文中认为随着无线通信技术的快速发展,无线视频传输业务在通信业务中的比例逐渐增加,人们对其展现出巨大需求的同时,也提出了更高的要求。无线视频传输在人们的工作、娱乐及日常生活中的应用越来越广泛,对于国家安全及城市建设也有着重大价值。然而目前无线视频传输的技术远不能满足人们的需求,因而如何利用资源有限的无线网络提供高质量的视频服务已经成为亟待解决的难题。视频信息有数据量大且实时性要求高的特点。为了在资源有限的无线信道传输大数据量的视频信息,必须要对视频数据进行有效的压缩编码,去除冗余,提高传输效率;而为了对抗无线信道的高误码率,又必须加入信道编码,增加冗余,提高传输的可靠性。本论文的主要研究目标就是为了寻找效率和可靠性之间的一个平衡,提高无线视频传输的性能。本文首先概述了无线通信标准协议IEEE 802.11ax及其发展趋势,然后介绍了无线视频传输的系统结构和存在的问题,以及现有的无线视频传输的关键技术,包括不等错误保护机制(UEP)、混合自动重传(HARQ)机制、全双工等。在此基础上,对基于视频内容不等重要性的信源信道联合传输进行了优化设计:根据不等错误保护机制,利用视频内容的不等重要性,提出了帧队列管理机制,并与HARQ技术相结合,对无线视频传输方案进行优化,然后进行了仿真验证。另外,基于最新无线通信发展趋势,在异频全双工场景下,针对EHT(Extremely High Throughput,极高吞吐量)用户,提出了基于流量控制的无线视频传输效率优化机制,并通过仿真实验验证了方案的可行性。
陈启望[8](2018)在《联合编码系统在不同编码信道下的优化准则与分析》文中研究指明2020年,第五代移动通信(5G)的使用将开启物联网(Internet of Things,IoTs)的时代,人和人之间的通讯将被扩展至人和物以及物和物之间的数据传输与共享。为了真正的实现“万物互联”,降低连接芯片的制造成本,传输功耗以及传输时延,是未来第六代移动通信(6G)的重要工作。联合信源信道编码(Joint Source and Channel Coding,JSCC)技术将取代传统的分离设计方案,为IoT网络中的连接芯片设计提供核心的技术支撑。此外,通过优化整合系统中的成员要素为主要手段,构建系统的全局优化策略,实现低功耗、低成本、低时延(Low Energy,Low Cost and Low Delay)的绿色通信(Green Communications)方案。本文构建面向多元差分混沌键控调制(Differentialchaos shift keying,DCSK)调制下的非标准编码信道的基于双原模图低密度奇偶校验(Double protograph low-density parity-check,DP-LDPC)码的联合编码系统,利用外部信息转移(Extrinsic information transfer,EXIT)算法,对联合编码方案的成员要素进行全局优化,主要的创新点包括:(1)针对图像在JSCC系统的传输问题,提出了基于离散余弦变换(Discrete ConsineTransformation,DCT)和矢量量化的图像预处理方案。该预处理方案利用原码表示和“分帧-补零”方法降低传输帧的信源熵,从而解决了该JSCC系统对信源统计敏感性的问题。相比于传统的图像预处理方式,具有更高的传输效率以及更低的传输功耗。(2)针对JSCC系统在标准编码信道下的优化设计,提出了联合原模图的各个连接矩阵、信道矩阵以及联合矩阵的设计准则。首先,提出了联合原模图EXIT(Joint protograph EXIT,JPEXIT)算法用于分析联合编码矩阵在加性高斯白噪声(Additive white Gaussian noise,AWGN)信道下的译码门限。利用 JPEXIT 算法,确定了具有最佳译码门限的各个连接矩阵的设计准则。考虑到信源编码的冗余会对信道编码矩阵的设计产生影响,对双原模图LDPC(ODoubleprotographlow-density,DP-LDPC)系统的信道原模图进行了再设计。考虑到度为 2 的变量节点对信源原模图和信道原模图的设计都会产生重要的影响,提出了度为2的变量节点的分配准则,并以此为基础,提出了联合原模图的具体设计步骤。EXIT分析和仿真验证了连接矩阵的设计、信道编码矩阵的再设计以及联合原模图的设计,实现了 0.3dB~0.6dB的编码增益。(3)为了改善基于原模图LDPC码的混沌编码调制系统的性能,提出了原模图LDPC码在混沌系统下的设计准则。首先,考虑到多元DCSK系统的传输载波具有非周期、随机等特点,猜想在标准编码信道下最优的原模图LDPC码在具有迭代结构的多元DCSK系统中可能不再最优。依据此猜想,对不同删余位置的原模图LDPC码进行EXIT分析,得出新的设计准则以指导新的原模图LDPC码的设计。EXIT分析和误码率性能仿真表明了新的原模图LDPC码在多元DCSK系统中具有0.3dB~0.75dB的编码增益,并且不易出现错误地板。(4)针对JSCC系统在非标准编码信道下的优化设计,本文研究了 JSCC系统面向多元DCSK调制的设计准则并对JSCC系统进行分析。首先,多元DCSK调制被引入到基于DP-LDPC编码的JSCC系统,提出了具有全局迭代的JPEXIT算法用于分析译码门限值。通过比较信源冗余和混沌载波对改进的JSCC系统的影响,从而提出针对于DP-LDPC码在非标准编码信道下的设计准则。从全局的观点出发,设计了在衰落信道下,多组针对于不同信源统计特性的联合原模图。最后,通过性能仿真,确定了合适的全局迭代次数,以保证系统的低时延,发现全局迭代对于改进的联合原模图具有更好的编码增益。
郎非[9](2015)在《相关信源在广播信道下传输的安全容量》文中进行了进一步梳理在无线网络中发送端将相关信源集以广播形式发送给不同的接收端,接收端能够获得与发送端信源相关的边信息,同时信源对于非指定接收端要有保密性,这一通信模型广泛存在于分布式视频压缩、P2P分布式系统和传感器网络中。本论文从香农信息论的角度研究该通信模型的可靠性和安全性,需要解决四个基本问题:(i)如何利用分布式信源编码减少传输负载,同时又能够帮助提升安全容量;(ii)如何求解相关信源在广播信道(Broadcast Channel,BC)下传输的可靠容量;(iii)如何构造信息安全传输的编码策略;(iv)如何构造信源信道编码,使之能够得到最优传输界或使得香农信源信道分离定理成立。本论文采用信源信道编码来求解在离散无记忆BC下两个相关的离散无记忆信源安全传输的最佳区域——安全容量,其涵盖了信源、信道和安全等三个信息论领域的基本问题。本论文提出两种通信模型:相关信源在BC下安全传输模型(BC with Confidential Sources,BCCS)和相关信源在接收端带有边信息的BC下安全传输模型(BCCS with Side Information,BCCS-SI)。其中BCCS模型是对Han-Costa提出的相关信源可靠传输模型的扩展,增加了安全性考虑;BCCS-SI模型是在BCCS的基础上引入边信息,是对Tuncel提出的单信源可靠传输模型的扩展,扩展为任意两个相关信源的安全传输。当两种模型适用于最优信源信道分离编码时,香农信源信道分离定理从可靠界推广到安全界。本论文的主要研究工作和结论如下:(1)针对BCCS模型,从信源信道分离编码的角度求解其安全容量,并得到如下结论:(i)基于Xu等人的信道安全编码方案构造保证信息安全传输的信源信道分离编码策略,两个相关信源满足Markov约束条件,得到BCCS安全容量的一般性内界。该一般性内界是对Gray-Wyer信源压缩界、Marton-Gelfand-Pinsker BC可靠容量内界、Liu等人的BC保密速率区域的扩展,扩展到有噪信道下相关信源的安全传输。在无噪信道下去除信源Markov约束条件,一般性内界可扩展为Tandon等人的最优安全信源压缩界;(ii)进一步对相关信源的公共信息属性进行限制,可使得一般性内界达到局部最优,即信源压缩效率最高和双信源非相关部分的信息完全保密;(iii)在有“退化信源集”或“more capable”或“less noisy”约束条件下分别得到BCCS的外界,并且外界和一般性内界相等,香农信源信道分离定理成立。此时通过简单比较信源编码速率区域和已知BC容量区域、同时比较双信源非相关信息的完全保密容量和信道保密容量便可得到整个系统的可靠安全容量。尤其在more-capable BCCS下得到可靠容量界等价于Kramer等人基于信源信道联合编码得到容量界,但本论文所使用的分离编码使得设计简化复杂度降低。(2)针对BCCS模型,从信源信道强联合编码的角度求解其安全容量。提出了能保证信源安全传输的强联合编码方案(强联合指信源与信道变量服从联合分布),并得到了如下结论:(i)基于强联合编码得到了BCCS安全容量的一般性内界,该一般性内界把Han-Costa可靠传输界扩展到安全传输界,把Xu等人的安全传输界从独立信源扩展到任意相关信源;(ii)得到了BCCS安全容量的一般性外界,该一般性外界把Kramer等人的可靠传输外界扩展到安全传输外界。并在两种情况下证明一般性外界是紧的,即为安全容量:(a)Markov信源在半确定或全确定BC下的传输;(b)任意相关信源在less-noisy BC下的传输。(3)针对BCCS-SI模型,从信源信道强联合编码的角度求解其安全容量,得到如下结论:(i)得到了在无安全性约束下的BCCS-SI可靠容量的一般性内界和外界,它们将Tuncel界由单信源扩展到双信源,将Kang-Kramer界由退化信源集扩展到任意相关信源集,将Timo等人的信源压缩界由无噪网络扩展到有噪网络;(ii)得到了BCCS-SI安全传输区域的一般性内界,它完全包含了BCCS的一般性内界,并将Villard等人的安全传输界由单信源扩展到任意两个相关信源;(iii)得到了BCCS-SI安全传输区域的一般性外界,并证明了如下两种情形的一般性外界是紧的:(a)需同时满足条件:Markov信源关系、确定边信息、信源与边信息满足退化关系、半确定BC;(b)当信源与边信息满足不完全退化关系时,在more-capable BC下得到可靠容量,在less-noisy BC下得到安全容量,此时整个系统保密容量等于信源保密容量与信道保密容量之和。(4)针对BCCS-SI模型,考虑信源和信道变量独立分布,此时强联合编码退化为弱联合编码,在如下两种情况下得到容量结果:(i)当两个接收端分别把对方指定的接收信源作为自己的边信息时,得到了可靠传输区域的内界,并且当选择已知容量BC时,会得到整个系统的可靠容量;(ii)考虑单个信源被广播发送,当信源与边信息满足退化关系时,得到了信源传输的可靠容量,该结果等价于Tuncel的最优结果。进一步,在同等条件下考虑窃听信道,得到了安全容量,该结论把Merhav的安全容量界从退化信道扩展到任意信道。(5)针对BCCS-SI模型,从信源信道分离编码的角度求解其安全容量。分别在两种情况下通过分布式信源压缩编码区域与BC可达速率区域简单比较、信源安全容量与信道安全容量求和得到整个系统的信源安全传输的最优界,此时香农信源信道分离定理从可靠情形扩展到安全情形:(i)以边信息为条件的独立信源集在半确定BC条件下传输的可靠容量、在同等条件下的最优疑义度;(ii)完全独立双信源在半确定BC下传输的安全容量。
孙孟尧[10](2016)在《基于无线实值信号的分布式视频编码及其应用》文中进行了进一步梳理在移动互联网迅速发展的背景下,手机电视、视频会议等广播视频业务逐渐成为移动视频业务的新热点。传统数字视频编码中,由于信源信道编码相互分离,无法为不同信道状况、不同计算能力的用户设备提供适应性的信号,造成“悬崖效应”,成为了阻碍视频广播应用发展关键问题之一。近年来,基于实值的信源信道联合编码因为能够从根本上解决传统数字编码中的“悬崖效应”而受到了人们的关注。另一方面,视频广播中的用户协作应用因为能够有效缓解信道衰落和信道噪声,成为了无线视频广播中的一项重要应用。考虑到其在视频广播中的良好表现,学者们也在考虑将基于实值的信源信道联合编码应用在更多广播场景下发挥效果,因而提出了用户协作下的实值信号编码。在实际研究中发现,协作过程里中继设备处协作编码效率较低,不能有效地对协作信号进行压缩,同时抵抗协作信道噪声能力。考虑到分布式信源编码的优势,本文提出并改进了应用于用户协作下的基于实值信号的分布式视频编码。方案根据协作编码的应用要求,将分布式编码、实值编码的优势相结合,提出了用户协作下的编码框架,使用陪集编码作为中继设备的协作的编码方案,优化协作码的传输效率和对信道噪声的抵抗能力。此外,文章根据应用场景的特性,对分布式编码进行了更多的改进,使其能够适应性地对目的终端的情况及协作信道的状况进行调整,从而为目的终端选择最优的中继编码方案和传输方案。考虑到中继设备实际操作的复杂度,本文对可能出现的情况进行了理论推导,训练出了一个简易模型替代复杂的迭代推导,并取得了大致相当的恢复效果。此外,还提出了一个自适应丢包方案,使中继的发送方案与信道状况相匹配。仿真实验证明,本文提出的用户协作下的分布式实值编码相对于以往的用户协作实数编码,有更加稳定和优秀的表现。尤其在信道状况较差或不稳定时,表现出很强的鲁棒性。相对于以往的WCVC方案,在目标端恢复的协作视频PSNR质量平均有2dB的提升。
二、IP网络信源信道联合编码策略(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、IP网络信源信道联合编码策略(论文提纲范文)
(1)面向高通量空天通信的极化编码技术研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景 |
1.1.1 空天通信发展趋势 |
1.1.2 空天信息传输的特点和难点 |
1.2 研究目的和意义 |
1.3 相关技术发展概况 |
1.3.1 空天通信信道编码技术发展与研究现状 |
1.3.2 空天信道跨层编码及联合编码发展与研究现状 |
1.3.3 极化码技术发展与研究现状 |
1.4 主要研究内容和结构安排 |
第2章 极化码译码资源开销优化研究 |
2.1 引言 |
2.2 极化码编译码原理 |
2.2.1 信道极化理论与极化编码 |
2.2.2 系统极化码的构造 |
2.2.3 极化码基本译码方法 |
2.3 极化码译码过程的剪枝简化 |
2.3.1 SC译码剪枝简化 |
2.3.2 BP译码剪枝简化 |
2.3.3 SCL译码剪枝简化 |
2.4 可调列表的SCL译码优化 |
2.4.1 列表概率分析 |
2.4.2 可调列表的SCL译码算法 |
2.4.3 误块率性能与复杂度分析 |
2.5 本章小结 |
第3章 面向空天时变链路的自适应无速率极化码 |
3.1 引言 |
3.2 移动通信的无速率极化码方案局限性分析 |
3.2.1 等码长无速率极化码编码方案 |
3.2.2 打孔无速率极化码编码方案 |
3.3 基于码块延长的无速率极化码编码方案 |
3.3.1 极化码码块延长理论 |
3.3.2 基于码块延长的无速率编码方案 |
3.3.3 无速率极化码性能分析 |
3.4 面向时变信道的无速率极化码自适应传输 |
3.5 本章小结 |
第4章 面向高速流业务传输的阶梯极化码 |
4.1 引言 |
4.2 面向极化码级联系统的低时延迭代译码研究 |
4.2.1 SCL译码的软输出设计 |
4.2.2 可迭代的软输入软输出SCL译码设计 |
4.2.3 面向系统极化码的可迭代SCL译码设计 |
4.2.4 可迭代的可调列表SCL译码设计 |
4.3 适用于高速传输的阶梯级联极化码 |
4.3.1 阶梯码的构造方法 |
4.3.2 阶梯级联极化码的构造方案 |
4.3.3 阶梯级联极化码的译码 |
4.4 无速率阶梯级联极化码传输方案 |
4.5 仿真实验分析 |
4.5.1 迭代SCL译码性能分析 |
4.5.2 阶梯级联极化码性能分析 |
4.5.3 无速率阶梯级联极化码性能分析 |
4.6 本章小结 |
第5章 面向星地典型场景的极化码联合设计 |
5.1 引言 |
5.2 星地多天线场景下的极化码联合编码 |
5.2.1 空时-极化码联合编码系统 |
5.2.2 联合编码系统等效信道分析 |
5.3 星地多用户接入联合编码 |
5.3.1 极化码-SCMA联合系统方案 |
5.3.2 基于极化码的信道估计方法 |
5.3.3 极化码-SCMA联合估计、检测与译码方法 |
5.4 仿真实验分析 |
5.4.1 空时-极化码联合编码性能分析 |
5.4.2 极化码-SCMA系统性能分析 |
5.5 本章小结 |
结论 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
致谢 |
个人简历 |
(2)面向双向中继通信的Polar码与物理层网络编码联合设计(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题来源及研究目的 |
1.2 国内外在该方向的研究现状及分析 |
1.2.1 无线中继通信 |
1.2.2 网络编码 |
1.2.3 物理层网络编码和信道编码的联合设计 |
1.3 论文结构和各章内容 |
第2章 双向中继通信和网络编码 |
2.1 双向中继通信 |
2.2 网络编码 |
2.2.1 网络编码的基本原理 |
2.2.2 网络编码的优缺点 |
2.2.3 物理层网络编码的基本原理 |
2.3 无线中继信道中的网络编码方案 |
2.3.1 传统信息传输模式 |
2.3.2 直接网络编码模式 |
2.3.3 物理层网络编码模式 |
2.3.4 性能比较 |
2.4 本章小结 |
第3章 LDPC码与物理层网络编码的联合设计 |
3.1 物理层网络编码中继译码方案 |
3.2 LDPC码编译码原理 |
3.2.1 LDPC码的定义和Tanner图 |
3.2.2 LDPC码的编码原理 |
3.2.3 LDPC码的译码算法 |
3.2.4 仿真分析 |
3.3 LDPC码与物理层网络编码的联合设计 |
3.3.1 系统模型 |
3.3.2 物理层网络编码和LDPC码联合设计方案 |
3.3.3 中继节点物理层网络编码过程分析 |
3.3.4 仿真分析 |
3.4 本章小结 |
第4章 Polar码与物理层网络编码的联合设计 |
4.1 Polar码的编译码及性能分析 |
4.1.1 Polar码的编码原理 |
4.1.2 Polar码的译码 |
4.1.3 仿真分析 |
4.2 传统的Polar码与网络编码结合方案 |
4.3 物理层网络编码和Polar码的联合设计 |
4.3.1 系统模型 |
4.3.2 系统中继映射方案 |
4.3.3 译码软信息推导 |
4.3.4 仿真分析 |
4.4 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表的论文及其他成果 |
致谢 |
(3)大容量低时延信源信道联合编码视频传输技术研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 视频压缩编解码技术发展与演进 |
1.2.2 室内高速传输技术的发展 |
1.2.3 信源信道联合编码技术的研究现状 |
1.3 本文创新点及篇章结构 |
1.3.1 研究内容与创新点总结 |
1.3.2 本文篇章结构 |
第二章 超高清视频压缩与传输技术理论基础 |
2.1 高清视频压缩理论基础 |
2.1.1 数字视频压缩基础理论 |
2.1.2 高清视频预测编码 |
2.1.3 高清视频变换编码 |
2.1.4 高清视频熵编码 |
2.2 信源信道联合编码理论 |
2.2.1 信源信道联合编码的基本原理 |
2.2.2 信源信道联合编码的基本框架 |
2.2.3 信源信道联合编码关键技术 |
2.3 面向MIMO-OFDM系统的JSCC超高清视频传输方案 |
2.4 本章小结 |
第三章 低时延超高清视频压缩编解码算法 |
3.1 经典的视频压缩编解码算法 |
3.1.1 H.264/i AVC算法 |
3.1.2 HEVC SCC算法 |
3.1.3 JPEG 2000 ULL算法 |
3.2 本文提出的基于非对称整数小波变换的压缩算法 |
3.2.1 非对称整数小波变换处理 |
3.2.2 码率控制与量化 |
3.2.3 熵编/解码 |
3.2.4 算法的处理时延和复杂度性能分析 |
3.3 仿真与性能分析 |
3.4 本章小结 |
第四章 面向MIMO-OFDM系统的JSCC视频码流加载与调制 |
4.1 基于信源重要性的视频码流加载 |
4.1.1 基于信源重要性的天线空间映射 |
4.1.2 基于信源重要性的比特符号加载 |
4.2 基于信道反馈CSI的OFDM子载波调制 |
4.2.1 典型无线信道模型 |
4.2.2 OFDM子载波加载调制算法 |
4.3 仿真与性能分析 |
4.4 本章小结 |
第五章 总结与展望 |
5.1 全文工作总结 |
5.2 进一步研究展望 |
参考文献 |
致谢 |
作者简介 |
(4)基于自学习的带宽受限信息传输方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题研究背景及意义 |
1.2 国内外研究现状 |
1.3 本文主要研究工作 |
1.4 本文章节安排 |
第二章 带宽受限情况下智能信息传输方法 |
2.1 引言 |
2.2 智能信息系统概述 |
2.2.1 传统信源信道联合编码的传输机理分析 |
2.2.2 智能信息系统与通信结合主要挑战 |
2.2.3 信息系统智能传输方法 |
2.2.4 智能信息传输方法优势 |
2.3 特征提取及压缩算法 |
2.3.1 生成对抗网络逼近策略及通信方法 |
2.3.2 特征压缩算法 |
2.4 特征优先级自适应排序算法 |
2.5 通信双方背景知识库建立 |
2.6 本章小结 |
第三章 基于迭代自学习的智能信息传输方法 |
3.1 引言 |
3.2 系统模型 |
3.2.1 数据处理流程 |
3.2.2 模型架构 |
3.3 基于迭代自学习的收发联合处理方法 |
3.3.1 场景描述 |
3.3.2 特征编译码流程 |
3.3.3 特征维度k选择 |
3.4 系统数学模型 |
3.4.1 损失函数计算 |
3.4.2 训练迭代自学习流程 |
3.4.3 模型重构数据评价 |
3.5 仿真实验与结果分析 |
3.5.1 模型参数设定 |
3.5.2 特征维度选取门限确定 |
3.5.3 特征选取范围对方法性能影响 |
3.5.4 不同信道特征对系统性能影响 |
3.5.5 时间因素对数据传输量影响 |
3.5.6 人工定义与智能定义方式性能对比 |
3.5.7 接收端重构数据视觉对比 |
3.6 本章小结 |
第四章 基于权重调整的自适应特征压缩算法 |
4.1 引言 |
4.2 系统模型 |
4.3 动态特征提取算法 |
4.4 通信约束的智能信息传输自适应方法 |
4.4.1 损失函数 |
4.4.2 迭代自学习流程 |
4.5 仿真实验与结果分析 |
4.5.1 网络权重ε对带宽需求性能影响 |
4.5.2 动态信道条件对自适应性能影响 |
4.5.3 自适应调整策略影响 |
4.5.4 权重调整方法对信息接收影响 |
4.6 本章小结 |
第五章 总结与展望 |
5.1 工作与创新点 |
5.2 后续研究工作 |
参考文献 |
致谢 |
攻读硕士学位期间已发表或录用的论文 |
(5)基于学习的图像编码与视频软播技术研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 图像编码 |
1.2.1 图像编码研究内容 |
1.2.2 图像源编码问题 |
1.2.3 JPEG图像编码标准 |
1.2.4 JPEG2000图像编码标准 |
1.3 无线视频广播 |
1.3.1 无线视频广播研究内容 |
1.3.2 矢量信道最优编码问题 |
1.3.3 无线视频软播Soft Cast |
1.4 论文的主要研究内容及章节安排 |
第2章 国内外研究现状 |
2.1 图像编码研究现状 |
2.1.1 基于变换的图像编码 |
2.1.2 基于分析合成的图像编码 |
2.1.3 基于学习的图像编码 |
2.2 无线视频广播研究现状 |
2.2.1 基于数字的视频广播方法 |
2.2.2 基于软播的视频广播方法 |
本章小结 |
第3章 基于字典学习的无线视频软播 |
3.1 引言 |
3.2 相关工作 |
3.2.1 压缩感知概述 |
3.2.2 基于压缩感知的编码方法 |
3.3 基于字典学习的无线视频软播 |
3.3.1 DLCast编解码框架 |
3.3.2 层次帧结构 |
3.3.3 基于块的压缩感知编码 |
3.3.4 DLCast数据打包与传输 |
3.3.5 DLCast解码端初始化 |
3.3.6 基于图像组的稀疏表示模型 |
3.3.7 基于自适应字典学习的压缩感知重建 |
3.4 实验结果 |
3.4.1 实验设置 |
3.4.2 实验结果及分析 |
3.5 本章小结 |
第4章 基于低秩逼近的行扫描视频软播 |
4.1 引言 |
4.2 相关工作 |
4.2.1 基于行的编码 |
4.2.2 分布式编码 |
4.3 基于低秩逼近的行扫描视频软播 |
4.3.1 LRALine Cast编解码框架 |
4.3.2 基于行的一维变换 |
4.3.3 陪集编码 |
4.3.4 LRALine Cast能量分配与传输 |
4.3.5 LRALine Cast解码端初始化 |
4.3.6 基于低秩逼近的边信息生成方法 |
4.4 带宽情况分析 |
4.5 实验结果 |
4.5.1 实验设置 |
4.5.2 实验结果及分析 |
4.6 本章小结 |
第5章 基于卷积神经网络的无线视频软播后处理 |
5.1 引言 |
5.2 相关工作 |
5.2.1 图像去块效应 |
5.2.2 深度神经网络 |
5.3 基于卷积神经网络的无线视频软播后处理 |
5.3.1 CNNCast编解码框架 |
5.3.2 基于块的二维变换 |
5.3.3 CNNCast能量分配与数据传输 |
5.3.4 基于LLSE的解码端初始化 |
5.3.5 基于稀疏表示模型的视频复原 |
5.3.6 基于卷积神经网络的视频复原 |
5.4 实验结果 |
5.4.1 实验设置 |
5.4.2 实验结果及分析 |
5.5 本章小结 |
第6章 基于深度神经网络的相关图像端到端编码 |
6.1 引言 |
6.2 相关工作 |
6.2.1 图像后处理 |
6.2.2 自编码器(Auto Encoder) |
6.2.3 基于深度学习的图像压缩 |
6.2.4 SIFT描述子 |
6.3 基于深度神经网络的相关图像端到端编码 |
6.3.1 基于图的相关图像样本提取 |
6.3.2 多路自编码器编码框架 |
6.3.3 图像块样本的生成 |
6.3.4 基于卷积神经网络的编码器与解码器 |
6.3.5 二值化器 |
6.3.6 重要性图 |
6.3.7 基于卷积神经网络的熵编码器 |
6.3.8 模型描述 |
6.4 实验结果 |
6.4.1 实验设置 |
6.4.2 实验结果及分析 |
6.5 本章小结 |
结论 |
参考文献 |
攻读博士学位期间发表的学术论文及研究成果 |
致谢 |
个人简历 |
(6)基于网络编码的多跳D2D通信性能研究(论文提纲范文)
摘要 |
abstract |
注释表 |
第1章 绪论 |
1.1 研究背景 |
1.2 研究现状 |
1.3 研究内容及意义 |
1.4 论文组织结构 |
第2章 网络编码和流量模型概述 |
2.1 网络编码概述 |
2.2 网络编码的分类 |
2.2.1 物理层网络编码 |
2.2.2 随机线性网络编码 |
2.2.3 即时译码网络编码 |
2.3 非自相似流量模型 |
2.3.1 泊松流量模型 |
2.3.2 复合泊松流量模型 |
2.3.3 马尔可夫调制泊松流量模型 |
2.3.4 Packet train流量模型 |
2.4 网络流量的自相似性 |
2.5 自相似流量模型 |
2.5.1 fBm流量模型 |
2.5.2 Pareto流量模型 |
2.5.3 Weibull流量模型 |
2.6 本章小结 |
第3章 基于联合编码方案的多跳D2D通信性能优化 |
3.1 引言 |
3.2 系统模型 |
3.2.1 蜂窝网络下的多跳D2D通信模型 |
3.2.2 Rician-Rayleigh信道衰落模型 |
3.3 联合编码方案 |
3.3.1 数据预编码 |
3.3.2 数据异或编码 |
3.3.3 数据译码 |
3.4 端到端传输时隙的最小化 |
3.4.1 端到端传输时隙 |
3.4.2 优化问题和算法描述 |
3.5 实验仿真及分析 |
3.6 本章小结 |
第4章 基于网络编码和流量模型的多跳D2D通信性能评估 |
4.1 引言 |
4.2 系统模型 |
4.2.1 蜂窝网络下的多跳D2D通信模型 |
4.2.2 流量模型 |
4.2.3 中继选择模型 |
4.3 基于网络编码的D2D数据传输和链路丢包率 |
4.3.1 基于网络编码的D2D数据传输 |
4.3.2 D2D链路丢包率 |
4.4 网络编码下的性能指标 |
4.4.1 端到端丢包率 |
4.4.2 其他性能指标 |
4.5 实验仿真及分析 |
4.6 本章小结 |
第5章 总结与展望 |
5.1 论文总结 |
5.2 未来工作展望 |
参考文献 |
致谢 |
攻读硕士学位期间从事的科研工作及取得的成果 |
(7)基于IEEE 802.11ax的无线视频优化传输(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.3 研究内容及论文结构 |
2 无线视频传输技术概述 |
2.1 引言 |
2.2 802.11 AX协议及其发展趋势 |
2.3 无线视频传输关键技术 |
2.4 无线视频传输常用性能评价参数 |
2.5 本章小结 |
3 基于视频内容不等重要性的信源信道联合优化传输设计 |
3.1 需求分析 |
3.2 基于视频内容不等重要性的信源信道联合优化传输研究 |
3.3 性能仿真与分析 |
3.4 本章小结 |
4 异频全双工场景下基于时间调度的视频传输优化设计 |
4.1 需求分析 |
4.2 异频全双工场景下基于流量控制的视频传输优化研究 |
4.3 性能仿真与分析 |
4.4 本章小结 |
5 总结与展望 |
5.1 本文工作总结 |
5.2 未来工作展望 |
致谢 |
参考文献 |
附录1 攻读硕士学位期间参与科研项目和研究成果 |
附录2 中英文缩略词对照表 |
(8)联合编码系统在不同编码信道下的优化准则与分析(论文提纲范文)
摘要 |
ABSTRACT |
缩略词表 |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 研究现状 |
1.2.1 DCSK调制 |
1.2.2 LDPC码 |
1.2.3 编码调制 |
1.2.4 联合信源信道编码 |
1.3 本文的主要工作与贡献 |
1.4 论文的结构安排 |
第二章 基于原模图LDPC的联合编码系统的基础及应用 |
2.1 引言 |
2.2 原模图LDPC码 |
2.2.1 表示方法及构造 |
2.2.2 编译码方法 |
2.2.3 原模图EXIT算法 |
2.2.4 码型分析 |
2.2.5 差分进化算法 |
2.3 双原模图LDPC码 |
2.3.1 级联编码器 |
2.3.2 联合译码器 |
2.3.3 仿真性能分析 |
2.4 双原模图LDPC码的图像传输应用 |
2.4.1 系统框图 |
2.4.2 图像预处理方式 |
2.4.3 性能仿真比较 |
2.5 本章小结 |
第三章 联合编码系统在标准编码信道下的优化设计 |
3.1 引言 |
3.2 系统模型 |
3.2.1 联合编码矩阵 |
3.2.2 联合编码器 |
3.3 联合原模图EXIT算法 |
3.4 连接矩阵的分析 |
3.4.1 连接矩阵B_(L1) |
3.4.2 连接矩阵B_(L2) |
3.4.3 误比特率性能仿真 |
3.5 信道编码矩阵的优化 |
3.5.1 信道原模图优化准则和举例 |
3.5.2 不同信道原模图的误比特率性能仿真 |
3.6 联合原模图的整合设计[145] |
3.6.1 度为2变量节点在DP-LDPC码的作用 |
3.6.2 联合原模图的整体设计 |
3.6.3 不同联合原模图的误比特率性能仿真 |
3.7 本章小结 |
第四章 面向多元差分混沌调制的非标准编码信道下的原模图LDPC信道编码设计 |
4.0 引言 |
4.1 系统模型 |
4.2 信道原模图LDPC码的分析 |
4.2.1 LDPC-DCSK系统的有限长EXIT算法 |
4.2.2 原模图LDPC码的分析 |
4.3 信道原模图LDPC码的设计 |
4.4 LDPC-DCSK的性能仿真与分析 |
4.4.1 EXIT分析 |
4.4.2 不同信道编码的误码率性能对比 |
4.4.3 不同混沌映射方式的误码率性能对比 |
4.4.4 算法复杂度分析 |
4.5 本章小结 |
第五章 面向多元差分混沌调制的非标准编码信道的联合编码方案设计与分析 |
5.1 引言 |
5.2 系统模型 |
5.2.1 联合译码器的软信息计算 |
5.2.2 联合编码矩阵 |
5.3 DP-LDPC码的分析 |
5.3.1 改进的JPEXIT算法 |
5.3.2 比较信源冗余和混沌系统对JSCC系统的影响 |
5.4 DP-LDPC码在面向非标准编码信道下的联合设计 |
5.4.1 设计准则 |
5.4.2 设计举例 |
5.5 系统性能仿真 |
5.5.1 Turbo迭代次数的影响 |
5.5.2 不同DP-LDPC码的复杂度以及性能比较 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 总结及主要贡献 |
6.2 未来工作的展望 |
参考文献 |
攻读学位期间取得的研究成果 |
一、论文情况 |
二、国家发明专利 |
三、项目情况 |
致谢 |
(9)相关信源在广播信道下传输的安全容量(论文提纲范文)
摘要 |
abstract |
专用术语注释表 |
第1章 绪论 |
1.1 研究背景 |
1.1.1 基本模型与应用实例介绍 |
1.1.2 从离散无记忆网络到无线通信网络 |
1.1.3 网络信息论 |
1.1.4 信息理论安全 |
1.1.5 信源信道编码 |
1.2 论文研究的基本思路 |
1.3 论文的主要工作及结构安排 |
1.3.1 论文主要工作 |
1.3.2 论文内容安排 |
第2章 网络信息论中的相关基本概念及结果 |
2.1 论文符号标记规则 |
2.2 联合典型译码规则 |
2.3 广播信道容量 |
2.3.1 退化广播信道容量及其证明 |
2.3.2 一般性广播信道容量 |
2.4 相关信源编码 |
2.5 信息理论安全 |
2.5.1 窃听信道安全容量 |
2.5.2 带有保密消息的广播信道安全容量 |
2.5.3 安全网络信源编码 |
本章小结 |
第3章 基于分离编码的相关信源在广播信道下传输的安全容量 |
3.1 基于分离编码的BCCS系统模型定义 |
3.2 基于分离编码的BCCS安全容量结果 |
3.2.1 基于分离编码的BCCS安全容量的一般性内界 |
3.2.2 公共信息对信源压缩率和疑义度界的影响 |
3.2.3 具有退化信源集的BCCS的安全容量 |
3.2.4 More-capable和less-noisy BCCS的安全容量 |
3.3 基于分离编码的BCCS安全容量的一般性内界(定理 3.1)证明 |
3.4 具有退化信源集的BCCS安全容量外界(定理 3.3)证明 |
本章小结 |
第4章 基于联合编码的相关信源在广播信道下传输的安全容量 |
4.1 引言 |
4.1.1 从分离编码到联合编码 |
4.1.2 相关研究工作和已有结果 |
4.2 基于联合编码的BCCS系统模型定义 |
4.3 基于强联合编码的BCCS安全容量的一般性内界与外界 |
4.4 在特殊情况下BCCS的安全容量 |
4.4.1 Markov信源的半确定BCCS安全容量 |
4.4.2 Less-Noisy BCCS安全容量 |
4.5 BCCS安全容量的一般性内界(定理 4.4)证明 |
4.6 BCCS安全容量的一般性外界(定理 4.5)证明 |
本章小结 |
附录 4-A定理 4.10证明 |
第5章 相关信源在带有边信息的广播信道下的传输的安全容量 |
5.1 引言 |
5.1.1 问题的提出 |
5.1.2 信源信道编码的方案设计思想 |
5.1.3 相关研究工作和已有结果 |
5.2 BCCS-SI系统模型定义 |
5.3 BCCS-SI安全容量的一般性结果 |
5.3.1 BCCS-SI可靠容量的一般性内界和外界 |
5.3.2 BCCS-SI安全容量的一般性内界 |
5.3.3 BCCS-SI安全容量的一般性外界 |
5.4 在特殊情况下BCCS-SI安全容量 |
5.4.1 Markov信源确定边信息的BCCS-SI的安全容量 |
5.4.2 more-capable BCCS-SI的可靠容量 |
5.4.3 Less-Noisy BCCS-SI的安全容量 |
5.4.4 单信源BCCS-SI的安全容量 |
5.4.5 带有互补边信息的BCCS-SI的可靠容量 |
5.4.6 带有条件独立信源的半确定BCCS-SI的安全容量 |
5.5 BCCS-SI安全容量的一般性内界(定理 5.6)证明 |
5.6 BCCS-SI安全容量的一般性外界(定理 5.7)证明 |
本章小结 |
附录 5-A定理 5.10证明 |
附录 5-B定理 5.12证明 |
附录 5-C定理 5.14证明 |
附录 5-D定理 5.18证明 |
第6章 总结与展望 |
6.1 工作成果总结 |
6.2 未来工作展望 |
参考文献 |
附录1攻读博士学位期间撰写的论文 |
附录2攻读博士学位期间参加的科研项目 |
致谢 |
(10)基于无线实值信号的分布式视频编码及其应用(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 无线视频广播研究背景及意义 |
1.2 国内外相关研究进展 |
1.2.1 用户协作 |
1.2.2 无线实值信源信道联合编码 |
1.2.3 分布式信源信道联合编码 |
1.2.4 实值信源信道联合编码在用户协作中的应用 |
1.3 论文的主要内容和研究成果 |
1.4 论文结构安排 |
第二章 无线视频编码技术背景 |
2.1 信源信道联合编码 |
2.1.1 实值信源信道联合编码 |
2.1.2 数模混合信源信道联合编码 |
2.2 分布式信源编码 |
2.2.1 分布式信源编码简介 |
2.2.2 陪集编码 |
2.2.3 分布式实值信源信道联合编码——Dcast |
2.3 协作通信 |
2.3.1 协作通信的发展 |
2.3.2 用户协作方案 |
2.3.3 一种无线协作信源信道联合编码——WCVC |
第三章 分布式协作视频编码 |
3.1 DCVC基本架构 |
3.2 量化步长估计 |
3.3 DCVC抗噪声性能分析 |
3.4 基于DCVC的实验仿真分析 |
第四章 自适应协作视频编码 |
4.1 ACVC基本架构 |
4.2 量化步长优化算法 |
4.2.1 信道噪声分析 |
4.2.2 量化步长自适应选取算法 |
4.2.3 量化步长训练模型 |
4.3 自适应丢包算法 |
4.4 基于ACVC的实验仿真分析 |
第五章 总结与展望 |
5.1 本文主要贡献 |
5.2 未来展望 |
参考文献 |
致谢 |
硕士期间发表的论文和研究成果清单 |
四、IP网络信源信道联合编码策略(论文参考文献)
- [1]面向高通量空天通信的极化编码技术研究[D]. 冯博文. 哈尔滨工业大学, 2021
- [2]面向双向中继通信的Polar码与物理层网络编码联合设计[D]. 刘锦. 哈尔滨工业大学, 2020(01)
- [3]大容量低时延信源信道联合编码视频传输技术研究[D]. 赵亚娟. 西安电子科技大学, 2020(05)
- [4]基于自学习的带宽受限信息传输方法研究[D]. 王楚妍. 上海交通大学, 2020(01)
- [5]基于学习的图像编码与视频软播技术研究[D]. 尹文斌. 哈尔滨工业大学, 2020(01)
- [6]基于网络编码的多跳D2D通信性能研究[D]. 廖勇. 重庆邮电大学, 2019(02)
- [7]基于IEEE 802.11ax的无线视频优化传输[D]. 彭媛媛. 华中科技大学, 2019(03)
- [8]联合编码系统在不同编码信道下的优化准则与分析[D]. 陈启望. 厦门大学, 2018(06)
- [9]相关信源在广播信道下传输的安全容量[D]. 郎非. 南京邮电大学, 2015(04)
- [10]基于无线实值信号的分布式视频编码及其应用[D]. 孙孟尧. 北京邮电大学, 2016(04)