分布式信息压缩算法研究

论文摘要

在无线网络和多媒体业务蓬勃发展的现今,无论是以数据为中心的无线传感器网络,还是日益丰富的移动视频应用,都对传统信息压缩技术提出了挑战。由数量庞大的传感器节点等微型终端构建的无线传感器网络往往有大量的数据需要在网络内部传输、交换和处理。但是,微型终端在处理能力和能量上受到严重限制,使得需要节点间通信和高复杂度算法的传统信息压缩方式难于应用。对大数据量的视频处理更是存在类似问题,越来越多的视频压缩需要在受限的移动视频终端实现,但传统视频编码算法却需要复杂的帧间预测才能实现高效的压缩。另外,对高分辨率视频的需求也带来视频数据量的激增,这些都需要低复杂度的压缩算法支持。针对这些新兴的应用需求,具有低复杂度压缩特性的分布式信息压缩理论与技术受到广泛关注和研究。分布式信息压缩,主要是通过对相关信源的独立编码和联合译码,实现复杂度从编码侧到译码侧的转移,从而有效的解决了上述问题。因此,研究分布式信息压缩算法具有重要的理论与实际意义。本文主要从分布式信源编码和分布式压缩感知两个方面展开对分布式信息压缩算法的研究,对作为二者之间桥梁的压缩感知算法也进行了一定的研究。具体研究内容与创新成果如下：在分布式信源编码方面,本文首先提出了新的基于多级码的分布式信源编码方案。设计了多阶段的基于低密度校验码的译码算法,充分利用边信息与部分重建信息提高了译码性能。该方案具有码率灵活和不等误差保护的特性,不仅更符合实际应用中速率调整的需求,也比基于单一信道码的分布式信源编码方案在译码性能上有明显提升。接着,考虑到实际无线传输中的噪声干扰问题,提出了基于有损边信息的分布式联合信源信道编码方案,并且推导了该方案下的可达速率域。通过采用速率兼容的低密度奇偶校验码实现相关信源间的任意速率分配,并且考虑了多个相关信源的情况。特别是将有损边信息引入到算法设计和速率域分析中,更符合实际应用场景,并通过仿真验证了其优于已有的基于turbo码的分布式联合信源信道编码方案。多相关信源带来的多边信息联合译码算法,在相同速率下也能够进一步降低误比特率在压缩感知方面,本文提出了基于扩展窗的压缩感知算法。该算法针对现实中大量存在的非均匀分布的稀疏信号,利用窗技术提供不等保护,从而实现信号整体重建性能的提高。通过对算法的重建失真上界分析和仿真实验,证实了其对信号重要部分的增强保护作用。将该算法应用于实际图像信号压缩获取中,取得了优于一般压缩感知算法的良好性能。进一步将该算法应用于无线传感器网络中对网络数据的分布式压缩中,也取得了优异的性能。将分布式信源编码的思想与压缩感知相结合,即是本文研究的另一个主要内容——分布式压缩感知。首先,本文提出了基于置信传播的分布式压缩感知算法。利用边信息对基于置信传播的压缩感知算法进行修改,并且分析了该算法的可达测量速率。通过仿真验证了所提出的分布式压缩感知算法较独立重建算法和基于l1范数优化的分布式压缩感知算法具有更小的重建失真,并且具有良好的抗噪性能。接着,将所提出的分布式压缩感知算法应用到视频信号压缩获取中,提出了鲁棒的分布式压缩视频感知方案。针对视频信号特性,该方案分别从测量矩阵和重建算法角度对原基于置信传播的分布式压缩感知算法进行了改进。该方案在低信噪比的情况下具有较好的重建质量。在此基础上,进一步利用离散小波变换的多分辨率特性,提出了抗丢包的分布式压缩视频感知方案。该方案通过设计符合小波系数分布的分级测量矩阵,提高了低分辨率系数在丢包信道中的保存概率,从而保证了整个视频帧的重建质量。通过对测试视频序列的仿真,证明该方案明显优于已有的分级保护的方案。针对无线传感器网络中的事件检测问题,提出了基于分布式压缩感知的多事件检测方案。相对于传统的事件检测方案,所提出的方案不仅能够以更高概率检测出事件的位置,而且能够在无需额外开销的情况下同时给出准确的事件真实值。并且通过利用相邻时刻事件的时间相关性,可以进一步提高检测准确度。最后,总结了本文的主要研究工作,并探讨了分布式信息压缩的发展前景和未来研究方向。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 研究背景
• 1.1.1 传统信息压缩面临的挑战
• 1.1.2 分布式信息压缩应运而生
• 1.1.3 选题经过
• 1.2 分布式信息压缩的研究现状
• 1.2.1 分布式信源编码
• 1.2.2 分布式压缩感知
• 1.3 本文的主要贡献及结构安排
• 1.3.1 本文的主要贡献
• 1.3.2 本文的结构安排
• 参考文献
• 第二章 分布式信源编码
• 2.1 分布式信源编码的理论基础
• 2.1.1 无损分布式信源编码
• 2.1.2 有损分布式信源编码
• 2.2 分布式信源编码的基本算法
• 2.3 基于多级码的分布式信源编码
• 2.3.1 引言
• 2.3.2 多级伴随式编码
• 2.3.3 多阶段伴随式译码
• 2.3.4 码率设计
• 2.3.5 仿真结果及分析
• 2.4 本章小结
• 参考文献
• 第三章 分布式联合信源信道编码
• 3.1 实用的分布式信源编码
• 3.1.1 基于校验位的分布式信源编码
• 3.1.2 非不对称的分布式信源编码
• 3.2 分布式联合信源信道编码
• 3.2.1 不对称信道
• 3.2.2 独立信道
• 3.2.3 多接入信道
• 3.2.4 广播信道
• 3.3 基于有损边信息的分布式联合信源信道编码
• 3.3.1 引言
• 3.3.2 系统描述
• 3.3.3 独立编码算法
• 3.3.4 并联信道模型
• 3.3.5 可达速率域分析
• 3.3.6 联合译码算法
• 3.3.7 仿真结果及分析
• 3.4 本章小结
• 参考文献
• 第四章 压缩感知
• 4.1 压缩感知理论与算法
• 4.1.1 稀疏表示
• 4.1.2 测量矩阵
• 4.1.3 稀疏重建
• 4.1.4 压缩感知特性
• 4.2 压缩感知对网络数据的分布式压缩
• 4.3 基于扩展窗的压缩感知算法
• 4.3.1 引言
• 4.3.2 相关工作
• 4.3.3 基于扩展窗的压缩感知算法
• 4.3.4 重建失真上界分析
• 4.3.5 算法变形
• 4.3.6 仿真结果及分析
• 4.4 本章小结
• 参考文献
• 第五章 分布式压缩感知
• 5.1 压缩感知与分布式信源编码
• 5.1.1 CS与DSC的类比关系
• 5.1.2 CS与DSC的结合——DCS
• 5.2 基于置信传播的分布式压缩感知算法
• 5.2.1 引言
• 5.2.2 系统描述与信号模型
• 5.2.3 测量与重建算法
• 5.2.4 可达测量速率分析
• 5.2.5 仿真结果及分析
• 5.3 分布式压缩视频感知
• 5.3.1 引言
• 5.3.2 相关工作
• 5.3.3 基于置信传播的DCVS方案及仿真
• 5.3.4 小波分级的DCVS方案及仿真
• 5.4 基于分布式压缩感知的多事件检测
• 5.4.1 引言
• 5.4.2 相关工作
• 5.4.3 多事件检测系统模型
• 5.4.4 基于DCS的多事件检测算法
• 5.4.5 仿真结果及分析
• 5.5 本章小结
• 参考文献
• 第六章 总结与展望
• 6.1 本文工作总结
• 6.2 未来研究方向
• 参考文献
• 附录1 缩略词对照表
• 致谢
• 作者攻读学位期间发表的学术论文