RS码仿真与基于RiBM算法的硬件实现

分析了里德-所罗门码（RS码）的误码率性能,提出了一种基于RiBM算法的RS（15,9）译码器。该译码器采用流水线结构,通过RiBM算法求解关键方程,在此基础上将高斯加性白噪声（AWGN）引入光纤模拟大气激光通信系统,并在现场可编程门阵列（FPGA）平台上完成了测试。测试结果表明：提出的译码器译码速率达到1.11 Gbit/s,为Altera IP核的3.54倍。RiBM算法具有硬件复杂度低、关键路径延时短的优点,能满足系统译码的要求。     

一种CAVLC解码器的研究与实现

熵解码算法性能好坏是H.264视频解码器性能高低的关键因素之一.基于上下文的自适应可变长编码CAVLC是H.264中采用的两种熵编码方案之一,通过对其解码过程的分析,用Verilog HDL实现了CAVLC解码器的硬件设计,用简单的加法操作代替耗时的查表操作,加快了解码速度,并实现仿真验证及综合,可达到1080p(@30Hz)视频的实时解码要求.     

Image decoding optimization based on compressive sensing

Transform-based image codec follows the basic principle: the reconstructed quality is decided by the quantization level. Compressive sensing (CS) breaks the limit and states that sparse signals can be perfectly recovered from incomplete or even corrupted information by solving convex optimization. Under the same acquisition of images, if images are represented sparsely enough, they can be reconstructed more accurately by CS recovery than inverse transform. So, in this paper, we utilize a modified TV operator to enhance image sparse representation and reconstruction accuracy, and we acquire image information from transform coefficients corrupted by quantization noise. We can reconstruct the images by CS recovery instead of inverse transform. A CS-based JPEG decoding scheme is obtained and experimental results demonstrate that the proposed methods significantly improve the PSNR and visual quality of reconstructed images compared with original JPEG decoder.     

基于信鸽视顶盖神经集群响应的目标类别解码研究

通过提取信鸽视顶盖(The Optic Tectum, OT)的中间层神经元集群高频峰电位(spike)响应信号,利用小波和信息论的方法提取并筛选不同时间尺度上的响应特征,构建集群响应的特征向量,从而实现对目标类别的解码。首先,根据感受野特征筛选有效响应通道;然后通过特定目标对信鸽进行刺激实验,采用微电极阵列记录多通道的spike发放序列;其次设定时间窗口(bin)长度,采用小波和信息论的方法提取并筛选响应特征;最后利用朴素贝叶斯分类算法实现目标类别解码。结果表明,一方面本文方法所提取的响应特征能够实现对目标类别的解码和识别;另一方面,通过对bin取1ms的响应信号所提取特征进行统计分析,发现提取的包含目标类型信息高的小波系数大都属于较大分解层次上的系数,表明鸽子OT区可能利用这些尺度上的时间模式对目标的信息进行了编码,这为研究OT中间神经元的时间响应结构奠定了基础。     

视顶盖神经元在不同颜色背景下的亮度解码

研究了鸽子视顶盖(the optic tectum,OT)神经元在不同颜色背景下对亮度的编码机制。选取色相环(Hue)中六等分处对应的颜色(H0、H16、H33、H49、H66、H82),设计了6种颜色背景下具有瞬态闪变特性的亮度刺激模式,采集了OT区神经元的峰电位发放序列(Spike),提取了Spike序列的特征,构造了多元线性逆滤波器进行解码。根据互相关性和正交试验的方法对重建亮度和实际亮度进行了分析。结果表明,神经元对色相环中相邻颜色的编码机制相近,例如H16(黄)和H33(绿)、H0(红)和H82(洋红)的相关性曲线十分靠近;色相环中H66(蓝)的背景非常削弱对于亮度的解码。正交试验的结果发现,参与神经元解码的四个参数(T、bin、chan_nums、delay)之间存在很强的交互性,彼此同等,共同作用参与神经元的解码。     

Implementation of an all-optical binary comparator based on material nonlinearity and polarization encoded light signal

Bitwise comparison and classification of binary data is an essential requirement in digital signal and image processing applications. Here in this paper a new method of a one bit all-optical binary comparison scheme is proposed. This scheme is developed by the proper use of optical nonlinear material and also polarization encoding technique. Very high speed performance can be adopted easily in this mechanism. The scheme can be used to compare any two bits such as 0 and 0, 0 and 1, 1 and 0, 1 and 1.     

基于多分类支持向量机的网络流量预测方法

 针对支持向量机网络流量预测误差较大的问题,提出一种基于多分类支持向量机的网络流量预测方法。该方法在网络流量数据训练阶段通过数据编码,使多分类支持向量机的输出逼近编码值,在预测阶段通过数据解码,将多分类支持向量机的输出转换为实际的网络流量预测结果,从而有效地降低了预测误差。实验结果显示,该方法的预测结果与实际采集的网络流量数据具有相同的变化趋势;在同等实验条件下,该方法预测结果的均方根误差为0.487,而单一支持向量机方法、BP 神经网络方法预测结果的均方根误差分别为1.0954 和2.3642,表明基于多分类支持向量机的网络流量预测方法具有更高的准确性。     

基于网格编码量化的超光谱图像压缩

提出了一个基于小波网格编码量化的超光谱图像压缩方法。谱间和空间冗余处理构成了超光谱图像压缩算法的主要内容,该算法使用一个谱间差分预测步骤来去除谱间冗余,而后对预测残差图像进行小波变换并利用均匀阈值网格编码量化(trellis-coded quantization)方法来量化各小波子带,最后使用自适应算术编码对量化码字进行熵编码。为使编码器能为所有子带获取率-失真意义上最优的量化阈值,设计了一个基于子带统计特性和网格编码量化器率-失真特性的比特分配算法。在实验中,该算法表现出优良的压缩性能,对于实验的超光谱图像,该方法在压缩比为32时可得到37．1dB的峰值信噪比,这表明本算法能有效压缩超光谱图像,适于超光谱图像压缩应用。     

IBM GALE中文识别系统

为解决中文音频自动转成文字问题,IBM开发了GALE中文识别系统。该系统采用区分性声学模型训练方法和新颖的基于主题的语言模型自适应技术;为获得最优的识别性能,系统采用多遍解码的识别策略。该文还给出该系统在3个测试集上的识别结果:包括广播新闻和广播访谈节目,结果显示,IBM GALE中文识别系统取得了很好的识别性能;此外,该文还分析了特殊声学现象对识别结果的影响,结果显示,对识别率影响最大的3种声学现象为说话人语速过快、语音交叠和口音问题,这指示了系统下一步的改进方向。     

QC-LDPC编码OFDM系统的码优化及迭代译码

为解决在多径环境下,部分正交频分复用(OFDM)子载波可能遭受深衰落而导致系统性能严重下降的问题,该文提出了一种准循环低密度奇偶校验(QC-LDPC)编码的OFDM系统.在该系统中,编码后的校验比特被映射到更高阶的星座图中,并在迭代译码中采用Group Shuffled消息传递调度.根据码字比特映射方式的不同,利用基于Group Shuffled置信传播的密度演进的高斯近似对QC-LDPC码进行了优化.加性高斯白噪声和Rayleigh衰落信道下的仿真结果表明,该系统具有更好的纠错性能和更快的译码收敛速度.