sea98898
分享资料个
我们研究了使用矢量量化器（VQ）对压缩感知（CS）测量进行联合信源信道编码（JSCC），提出了一个实现最佳JSCC方案的框架，该方案能够在离散无记忆信道上编码和传输稀疏源的CS测量，并对稀疏源信号进行解码。为此，本文研究了矢量量化编解码器对的优化设计问题，通过最小化端到端均方误差（MSE）来解决这一问题，得到了MSE性能的理论下界，并通过迭代算法提出了一种实用的编解码器设计方案。由此产生的编码方案被称为信道优化VQ for CS，即COVQ-CS。为了解决COVQ-CS的编码复杂度问题，我们提出了一种结构化量化器，即低复杂度多级矢量量化（MSVQ），推导了新的编码和解码条件，并提出了一种实用的编译码器设计算法，称之为信道优化的多阶段矢量量化通信质量控制系统。通过仿真研究，我们将所提出的方案与相关量化器进行了比较。
压缩感知（CS）[2]考虑从相对较少的测量值中检索高维稀疏向量。在许多实际应用中，CS传感器节点上采集的测量值需要使用有限位进行编码，并通过噪声通信信道进行传输。因此，对于信道的噪声传输，应考虑信道的可靠测量。理论上在点对点无记忆信道中可以达到的最佳性能可以通过分别设计源代码和信道代码来实现，但是这种性能需要无限的源代码和信道代码块长度，从而导致延迟和编码复杂性。考虑到有限长稀疏信源和CS测量矢量，从理论上保证了联合信源信道编码（JSCC）能够提供更好的性能
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !
