一种基于数据分类和不对称保护的视频流信源信道联合编码算法

从H．263 的Annex V选项出发，提出了一种基于数据分类的信源信道联合抗误码算法．首先在信源端根据信息重要性大小对视频数据进行分类封装，然后对不同重要性的数据实行相应的不对称信道误码传输保护．实验结果表明，联合编码算法在高误码的无线信道条件下具有比信源信道独立编码算法更强的误码鲁棒性.     

声码器基音周期参数抗差错算法

为降低在窄带高误码率信道上语音传输的失真,针对基音参数提出了一种解码端抗差错算法.语音信号的基音周期本身变化比较平缓,在解码端将当前语音帧的基音参数与上一帧的基音参数进行比较,若发现变化超过一定范围, 则认为是当前帧基音参数出错,并对其进行纠错处理.为了防止由于基音参数的重建错误而引起的误码扩散,若上一帧语音进行过纠错处理,则当前帧语音不作纠错处理,直到下一帧语音再跳入恢复算法.实验结果表明: 在1×10-2以上的随机误码率下,采用本文提出的纠错算法后,信道误码引起的声码器基音参数误差能够降低10%以上.     

一种基于鲁棒矢量量化的信源-信道联合编码算法

信源-信道联合编码是数字通信中编码与传输的关键技术之一。在分析经典算法的基础上,结合语音编码中的声道参数,提出了采用似然比作为测度的信源-信道联合编码算法,同时通过多级分裂矢量量化进一步提高编码参数的量化精度。定点仿真结果表明,该算法的量化精度较传统方法性能提高了近41％,且可以在不增加额外比特开销的基础上进一步提高系统的鲁棒性。     

噪声信道下最佳矢量量化器的人工神经网络实现方案

噪声信道影响下的矢量量化器设计,实际上是一个信源、信道联合编码(joint soruce/channel encoding)问题。本文提出了一种利用人工神经网络ANN(Artificial Neural Network)技术解决联合编码的组合优化问题的方案,该方案较好地解决了有噪声信道条件下的最佳矢量量化器的设计问题。由于将信道传输特性直接引入到神经网络的构造中,因此,对网络进行训练后,最终得到对噪声信道影响具有一定程度的抑制作用的矢量量化器。我们针对BSC信道对所提方案进行了分析和模拟,结果表明,在量化网络设计中,考虑噪声信道影响的因素,可使训练得到的量化网络的量化特性对噪声信道的影响表现出明显的韧性。     

视频多描述编码与差错隐藏的联合抗误码算法

将MD-SPIHT方法推广应用于视频序列,提出了视频多描述编码与差错隐藏的联合抗误码算法,以提高视频传输的鲁棒性．该算法根据视频小波变换后的小波系数的时一空关系,先对小波系数进行分组,再分别对各组进行3D．SPIHT编码,即产生多个描述．多个描述通过多个独立的信道传输．每一描述的码流是完全嵌入式的,易于实现质量可分级编码．在接收端接收到的描述较少时．首先根据接收到的若干描述重构低质量的视频,然后采用差错隐藏方法恢复丢失的子波树．对多个序列进行仿真实验．结果证实本文算法有效地提高了视频传输的鲁棒性．     

基于有限状态联合信源信道算术码的图像编解码算法

针对噪声信道的图像传输问题,提出了一个基于有限状态联合信源信道算术码的图像编码算法和对应的联合迭代解码算法.该编码算法可根据信源和信道自适应选择近似概率模型、整数编码区间上限值、跟随比特上限值、禁用符号概率大小以及禁用符号位置.该联合迭代解码算法的外解码器使用算术解码器,检测内码产生的估计序列错误和向内解码器反馈错误位置的信息;内解码器负责对信道输出序列进行估计.实验表明,提出的编解码具有很好的传输性能和较低的复杂度.     

复杂无线信道环境下渐进图像的信源信道联合编码

恶劣无线信道上丢包和随机误码共存,使得渐进图像的鲁棒高效传输异常困难。不同于以往基于乘积码和Reed-Solomon(RS)码的编码保护方案,该文提出了基于Raptor码的信源信道联合编码方案。该方案采用Raptor码对脆弱的压缩码流提供不等重保护来抵抗信道的丢包和误码。为了最小化端对端传输失真,利用动态规划算法,求得信源压缩和信道不等重保护的最优码率分配方案。仿真表明:相比于以往的传输保护方案,该方案使得端对端的图像重建的峰值信噪比提高了约2～5dB;同时搜索最优码率分配方案的复杂度和信道编码复杂度有了明显降低;解码的端对端的延迟也大大减小。     

抗差错算术码纠错性能分析

为了应用抗差错算术码进行系统设计和确定信源信道联合编码方案,需要较准确估计抗差错算术码的纠错性能,但目前,抗差错算术码的纠错性能只有仿真结果可以参考。该文以堆栈算法为例,通过理论分析得到了抗差错算术码序列差错概率上界,该上界与(1-R)成反比(R是抗差错算术码的编码效率)。同时,分析过程还为解码过程参数设置提供了理论依据。仿真结果证明了该上界是对算术码纠错能力的良好近似,可以用于编码方案的优化设计。     

基于熵编码CABAC的信源信道联合解码器

H.264的熵编码都采用基于上下文自适应二进制算术编码（CABAC）,能达到较高的压缩性能,但对信道误码非常敏感.文中提出了一种基于CABAC的算数码变长码联合解码算法,联合信源信道算数码解码之后的信息作为变长码的输入信息,再通过变长码格状图搜索获得最佳的符号序列.同时,在算数码解码部分可以利用变长码的码字结构信息来删除无效搜索路径,提高解码性能.仿真实验表明,该联合迭代解码算法明显优于传统的分离解码器.     

基于MMSE的声码器解码算法

为满足在高误码率的窄带信道上进行语音通信的需求 ,研究了一种适用于甚低速率语音通信的抗误码参数估值算法。基于一定的解码状态 ,声码器通过最小均方误差(MMSE)估计的方法估计最优参数 ,充分降低信道误码对重建语音质量的影响。对于解码状态参数 ,通过计算最大后验转移概率的方法作最佳估计 ,并给出了一种简化的估计方法。这种抗误码算法计算量小 ,算法复杂度低。仿真结果表明 ,在不同误码率下用该算法恢复出的重建语音 ,不论客观评价或是主观评价 ,其质量都要优于传统的帧删除掩盖方法     

一种基于预测量化对结构的LSP参数量化算法

为了提高LSP参数的量化效率,提出了一种基于预测量化对结构的联合预测矩阵量化算法。与常用的预测矢量量化结构不同,算法中的预测量化对结构对码本中的每一个码字采用一个与其匹配的预测器,可进一步减小预测量化的信息冗余。在码本训练中,设计了一种渐进闭环迭代优化方法,有效地提高了预测器与量化器的匹配程度。仿真实验结果表明,与传统的矩阵量化算法相比,提出的算法对LSP参数量化的平均量化谱失真较小,具有更优的量化性能。     

一种高效的线谱对参数分段量化方案

为了适应300 b/s以下超低速声码器的需要,提出了一种基于离散余弦变换DCT高效的线谱对参数分段量化方案--DCTSQ(discrete cosine transform segment quantization)方案.采用分段量化的思想,针对语音分段后提取出的线谱对参数矩阵维数不固定问题,对维数转换进行优化分析并利用DCT实现.在此基础上,推导出了DCTSQ方案的码本设计方法.仿真结果表明,相对于目前的分段量化方案和矩阵量化方案,DCTSQ方案可有效提高LSP参数量化效率.     

一种基于差错弹性控制的联合信源信道编码算法

目的 研究视频数据在无线信道上的可靠传输问题.方法 结合差错弹性控制和信源信道联合编码技术,在网络带宽一定的情况下引入信源解码器的抗误码性能指标,根据不同的信道状态确定联合信源信道编码的具体方案.结果 提出一种基于解码器差错弹性控制的联合信源信道编码算法.结论 该算法和传统的联合信源信道算法相比可获得更高的性能增益,适合于视频数据在无线网络上传输.     

一种适于改进的LPC声码器的语音特征提取方法

运用了一种较为有效的清、浊音判决方法以及基音平滑方法来提高基音检测的准确性 .减小了基音周期不规则的不平稳语音段基音估计的误差 ,改善了在低速率的基础上合成语音的质量     

基于字典学习的LSP参数稀疏表示及性能分析

为了研究LSP的稀疏表示方法,高效量化LSP参数,基于字典学习对LSP参数进行稀疏表示,并采用MOD和K-SVD算法训练参数字典,以平均谱失真和均方根误差为准则,通过仿真实验分析了算法的有效性,得出了字典学习时的稀疏度、原子个数等关键参数选取的原则。对比训练和测试LSP参数均方根误差性能曲线发现:随着稀疏度的增加,LSP参数字典外推能力增强,对训练集外参数稀疏表示性能恶化逐步减弱。     

极低速率语音编码中LSP参数的高效量化算法

为在极低速率下实现高质量的语音编码,提出了一种新的有效的线谱对(LSP)参数量化算法——P-RS-MSMQ算法。此算法以多帧联合矩阵量化作为基本框架,引入了基于超级帧模式的均值去除和帧间预测策略、矩阵分裂和子矩阵多级量化策略;同时提出了基于语音帧短时谱能量的帧内加权和基于超级帧中各子帧重要性的帧间加权策略等。实验表明:此算法能够在700b/s的速率下获得接近透明量化的性能;即使在300～400b/s的极低速率下也具有较高质量的量化效果。因此该算法的实现对极低速率语音编码算法的研究具有重要的意义。     

Realtime robust speech communication based on iterative joint source-channel decoding and demodulation algorithm for MELP vocoder

Realtime speech communications require high efficient compression algorithms to encode speech signals. As the compressed speech parameters are highly sensitive to transmission errors, robust source and channel decoding and demodulation schemes are both important and of practical use. In this paper, an iterative joint source-channel decoding and demodulation algorithm is proposed for mixed excited linear prediction (MELP) vocoder by both exploiting the residual redundancy and passing soft information throughout the receiver while introducing systematic global iteration process to further enhance the performance. Being fully compatible with existing transmitter structure, the proposed algorithm does not introduce additional bandwidth expansion and transmission delay. Simulations show substantial error correcting performance and synthesized speech quality improvement over conventional separate designed systems in delay and bandwidth constraint channels by using the joint source-channel decoding and demodulation (JSCCM) algorithm.     

一种新的Wyner-Ziv视频编码关键帧抗误码方案研究

在Wyner-Ziv视频编码传输系统中,关键帧的正确传输和准确解码对于整个系统的编解码性能有着重要影响.然而在无线通信系统中,由于网络故障、网络拥塞等会造成关键帧数据丢包的问题,这严重影响了接收端的解码质量.本文针对关键帧丢包问题提出一种新的解决方案,即在有反馈信道的条件下,通过对丢包帧增加部分额外Wyner-Ziv码流进行纠错并恢复解码端的受损图像,从而有效地提升视频质量.实验测试结果表明:当关键帧丢包率为1%~20%时,相比于典型的帧内错误隐藏算法,本文方案对重建图像纠错后的PSNR最大可提高20dB,且即便是丢包率很高的情况下,也能够较好地提升关键帧的R-D性能.     

正弦激励线性预测声码器子带清浊音模糊判决

为了解决目前正弦激励线性预测声码器中各子带的清浊音硬判决使得语音帧间产生明显过渡感的问题,提出一种子带清浊音模糊判决算法,直接采用自相关函数对各子带的清浊音度进行描述,矢量量化后传输至解码端,用于激励信号的产生.测试结果表明: 采用子带清浊音模糊判决算法,能够消除语音帧间的过渡感,能够使各种速率正弦激励线性预测声码器的平均主观意见得分提高约0.05以上.