通信系统中的信源—信道联合编（译）码/调制

论文摘要

无线通信和多媒体通信技术的发展改变了人类的生活,下一代无线移动通信的目标是实现无所不在的,高速率、高质量的多媒体移动传输。然而无线信道中有限的带宽、恶劣的信道条件以及各种终端尤其是便携式移动设备对复杂度、能耗等资源的苛刻限制,使传统依据Shannon分离定理将信源和信道作为两个独立模块分别设计的思想逐渐显露出了局限性。实际系统中一方面由于编码复杂度、延时的限制,同时为了提高系统的鲁棒性,信源编码输出中仍留下一定的冗余;另一方面由于带宽有限和无线信道中的衰落、噪声等因素使信道编码无法提供充足的保护,传输中的差错不可避免。因此突破传统常规的系统设计方法,将信源编码和信道编码之间进行联合信息处理以寻求更大的性能增益是一个必然趋势。本论文研究的信源-信道联合编码/调制就是将信源编/译码和信道编/译码及调制综合考虑、设计和优化的一种策略,从整体上优化通信系统,减小包含信源和信道的整个系统的端到端错误和失真。主要获得以下几方面的成果:1、提出了一种信源-信道联合编码调制的方案。通过置换搜索算法优化信源符号和调制星座点间的映射关系以减小信道错误造成的信源均方误差失真。同时信源可以分配更多比特进行编码,减小了量化失真。这种低复杂度信源-信道联合编码调制系统的端到端性能超过了同样数据传输率下中等复杂度的级联编码系统,并且对于信道信噪比的波动具有更好的鲁棒性。2、研究了利用图像压缩编码经过噪声信道传输后获得的软输出进行信源译码重建的问题。由SOVA算法对接收序列中的信源残留冗余进行利用,不仅减小了符号错误率,同时获得了符号值的软信息。由于信道中传输的图像压缩域符号值的误差平方和与重建图像的PSNR存在对应关系,利用符号软信息对传输的压缩域符号值进行最小均方误差估计,并以此重建图像,提高了PSNR。3、针对采用训练序列获得信源中残留冗余结构的不精确性及其传输代价,提出一种基于隐马尔可夫模型,在接收端利用信道译码的软输出对信源残留冗余概率结构进行参数估计,并且和信源-信道迭代联合译码结合,在完成参数估计的同时实现了联合译码。同时提出利用一种鉴别信息度量参数精度和伴随迭代的改善程度,并用其设定停止估计迭代的条件。4、提出一种将高维的压缩图像残留冗余统计模型分解以获得低复杂度信源-信道联合译码的方法。为避免变长码的错误传播,我们往往留下这部分冗余信息在接收端加以利用以实现信源-信道联合译码,而图像压缩编码后的残留冗余仍然具有二维马尔可夫随机场模型表征的统计特性。由于直接利用场模型的联合译码算法的巨大复杂度,本文首先将二维的场模型分解为4个独立的一维统计相关性,并根据这种分解后的统计模型,分别提出了基于串行和基于并行的两种不同的低复杂度联合译码方法。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 经典信息论的局限性
• 1.2 多媒体通信的要求与面临的问题
• 1.2.1 网络多媒体通信
• 1.2.2 无线多媒体通信
• 1.3 JSCC 的研究意义、目的
• 1.4 JSCC 的适用环境
• 1.4.1 恶劣信道
• 1.4.2 对于通信资源约束苛刻的应用环境
• 1.4.3 共享信道的多用户系统
• 1.4.4 不同类型环境中的通信
• 1.4.5 未知或变化的信源、信道或网络
• 1.5 论文结构与主要研究内容
• 第二章 信源-信道联合编码
• 2.1 信源与信道匹配时的联合编码
• 2.1.1 有失真信源-信道联合编码
• 2.1.2 概率匹配信源-信道联合编码
• 2.2 比特分配算法
• 2.2.1 问题描述
• 2.2.2 主要进展
• 2.3 不等差错保护
• 2.3.1 系统模型
• 2.3.2 子集划分
• 2.3.3 常用的UEP 方法
• 2.4 有约束的联合信源信道编码
• 2.4.1 信道优化矢量量化
• 2.4.2 索引分配
• 2.4.3 基于信源残留冗余的联合编/译码
• 2.4.4 信源残留冗余的有效利用
• 2.4.5 软输入信源译码
• 2.5 混合数字模拟传输
• 2.6 信源-信道直接映射
• 2.7 信源-信道联合编码的总体框架
• 2.8 小结
• 第三章 基于IA 的信源-信道联合编码调制
• 3.1 概述
• 3.2 思路与模型
• 3.2.1 研究思路
• 3.2.2 系统模型
• 3.3 置换搜索贪婪算法
• 3.4 衰落信道中的信道转移概率
• 3.5 仿真与分析
• 3.5.1 AWGN 信道
• 3.5.2 衰落信道
• 3.6 小结
• 第四章基于MMSE 估计的图像JSCC/D
• 4.1 概述
• 4.2 图像的压缩编码误差
• 4.3 经过噪声信道后的图像MMSE 重建
• 4.4 利用残留冗余的SOVA 算法
• 4.4.1 修改状态网格支路度量
• 4.4.2 求索引的后验概率分布
• 4.5 仿真与分析
• 4.6 小结
• 第五章基于HMM 的残留冗余估计迭代联合译码
• 5.1 概述
• 5.2 信源-信道迭代联合译码
• 5.2.1 迭代联合译码的系统结构
• 5.2.2 Turbo 码与信源的迭代联合译码算法
• 5.2.3 信道译码器的SISO 译码算法
• 5.3 利用HMM 对信源残留冗余进行译码和参数估计
• 5.3.1 HMM 与信源-信道联合译码
• 5.3.2 基于HMM 的前向-后向算法利用残留冗余的信源符号SISO 译码
• 5.3.3 利用Baum-Welch 算法重估信源的残留冗余
• 5.3.4 利用鉴别信息度量转移概率矩阵的精度并设定重估停止条件
• 5.4 仿真与分析
• 5.5 小结
• 第六章 基于简化MRF 模型的图像JSCD
• 6.1 概述
• 6.2 图像信源-信道联合译码中的HMRF 及其简化模型
• 6.2.1 HMRF 模型
• 6.2.2 将HMRF 分解成4 个HMC 的简化模型
• 6.3 利用HMRF 分解模型的串行JSCD 算法
• 6.4 利用HMRF 分解模型的和积并行JSCD 算法
• 6.4.1 和积算法原理
• 6.4.2 图像的并行JSCD 算法
• 6.5 仿真与分析
• 6.5.1 2D-DPCM 压缩图像
• 6.5.2 小波变换压缩图像
• 6.6 小结
• 第七章 基于算术码的JSCC/D
• 7.1 概述
• 7.2 基于算术码的信源-信道联合编码
• 7.2.1 算术编码原理
• 7.2.2 算术码的信源-信道联合编码
• 7.3 变长码的软输入序列MAP 译码
• 7.3.1 软输入序列MAP 译码的原理
• 7.3.2 基于Huffman 码的软输入序列MAP 译码
• 7.3.3 基于算术码的软输入序列MAP 译码
• 7.3.4 LVA 算法
• 7.3.5 利用信源、信道统计特性的路径删减方法
• 7.4 软同步的频率和长度对译码性能和复杂度的影响
• 7.5 基于LDPC 软输出的联合译码
• 7.6 仿真与分析
• 7.7 小结
• 第八章 总结与展望
• 8.1 论文工作总结
• 8.2 深入与展望
• 参考文献
• 作者在攻读博士期间发表和投稿的文章
• 致谢