基于隐马尔可夫模型的分布式算术编码研究

论文摘要

在日渐成熟的无线传感器网络技术中,由于每个传感器节点的能量十分有限,需要尽量降低每个节点的能耗,从而延长整个网络使用时间。但是在传统的联合信源编码方法中,由于编码时各个信源之间需要相互通信,编码端的复杂性一般要高于解码端的复杂性,导致编码端的能耗较大,不适合于无线传感器网络的应用。针对此问题,近年来国内外的学者提出了更适合于对相关的信源进行编码的分布式信源编码理论,它可以对各个信源独立进行编码,从而解决了上述问题。分布式算术编码（Distributed Arithmetic Coding, DAC）是基于分布式信源编码的基本理论,使用算术编码作为编解码的核心过程一种编码方法。本文主要研究内容如下:首先分析现有基于信道编码的分布式信源编码中存在的问题,引入分布式算术编码。研究了分布式算术编码的基本原理和它的理论基础——分布式信源编码理论后,根据Slepian-Wolf边界,分析了分布式算术编码的编码极限,得到了对信源符号的子区间进行放大时,参数k的取值范围。通过对隐马尔可夫模型的研究,发现可以将分布式算术编码中的待编码信源X和作为边信息的相关信源Y,分别与隐马尔可夫模型中的隐状态序列和观察值序列对应起来,从而将分布式算术编码和隐马尔可夫模型相结合,得到基于隐马尔可夫模型的分布式算术编码。在分布式算术编码中,虽然重叠区的引入可以使编码的效率提高,但是解码时,如果码字落入重叠区内则会产生歧义,生成一棵巨大的解码树,本研究中采用改进维特比算法对树进行剪枝,最后在解码树上选择一条最佳的路径作为最终的解码结果。其次,对如何将本文提出的方法应用到图像数据中进行了探索。根据图像中相邻像素数据间存在空间冗余的特点,将图像相邻行的像素值分别作为观察值序列和隐状态序列建立隐马尔可夫模型。进而给出了使用基于隐马尔可夫模型的分布式算术编码对图像数据编码和解码的具体流程。最后,分别以模拟生成的二元相关序列和实际的图像数据,对文中提出的基于隐马尔可夫模型的分布式算术编码进行了验证。经过多组不同的实验后分析发现,与传统的算术编码方法相比,本文提出的方法可以获得更好的编码效率,同时也验证了采用隐马尔可夫模型对数据建模,并使用改进维特比算法进行解码的准确率高于采用最大后验概率估计的解码算法。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究的背景与意义
• 1.2 国内外研究现状与进展
• 1.2.1 分布式信源编码研究现状
• 1.2.2 分布式算术编码研究现状
• 1.3 论文的主要内容和组织安排
• 1.3.1 论文的主要内容
• 1.3.2 论文的组织安排
• 第二章 分布式信源编码与分布式算术编码
• 2.1 信息论与信源编码
• 2.2 分布式信源编码的理论基础
• 2.2.1 Slepian-Wolf 理论
• 2.2.2 Wyner-Ziv 理论
• 2.3 算术编码
• 2.4 分布式算术编码
• 2.5 本章小结
• 第三章 基于隐马尔可夫模型的分布式算术编码
• 3.1 基于隐马尔可夫模型的分布式算术编码
• 3.1.1 隐马尔可夫模型
• 3.1.2 基于隐马尔可夫模型的分布式算术编码
• 3.1.3 基于隐马尔可夫模型的分布式算术解码
• 3.1.4 基于隐马尔可夫模型的分布式算术编码整体框架
• 3.2 基于隐马尔可夫模型的分布式算术编码应用
• 3.2.1 图像编码
• 3.2.2 图像数据的隐马尔可夫模型建立
• 3.2.3 对图像数据的编码和解码
• 3.3 本章小结
• 第四章 实验结果与分析
• 4.1 实验系统设计
• 4.2 模拟数据实验
• 4.2.1 模拟数据的生成
• 4.2.2 模拟数据实验
• 4.3 实际图像数据实验
• 4.4 本章小结
• 第五章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 致谢
• 作者简介