基于贝叶斯网络模型和矩阵嵌入的VoIP隐写算法

网络语音电话(voice over IP,VoIP)已成为目前人们沟通交流的普遍选择.相比文本、图像等传统隐写载体,网络语音数据流隐蔽性好,隐藏空间更大,因而得到越来越多的关注.目前的网络语音隐写研究围绕算法设计展开,已有成果的抗检测性有待进一步加强,且缺乏安全性理论指导.为此,首先分析语音帧的时序性特点,以相对熵的形式定义了基于贝叶斯网络模型的隐写安全性.通过分析语音编码过程,建立了固定码本参数的贝叶斯网络模型并将参数分为二元载体和三元载体2类.应用矩阵嵌入技术确定载体的修改位置,减少修改量;以最小化安全性测度为目标确定三元载体元素的修改方向,降低隐写对载体统计特性的影响.实验表明:在不显著增加计算复杂度的前提下,所提算法取得了比已有算法更好的感知透明性和抗检测能力.

拉普拉斯稀疏编码的图像检索算法

由于稀疏编码中过完备的码本和独立的编码处理,在编码过程中图像块相似性信息被丢失。为了保留块与块之间的相似性信息,提出了拉普拉斯稀疏编码的图像检索算法。给定编码特征的初始稀疏码,计算拉普拉斯矩阵,将相似性合并到稀疏目标函数,结合特征符号搜索算法和黄金分割线搜索算法,逐个更新每个稀疏编码系数。实验表明,拉普拉斯稀疏编码增强了稀疏编码的鲁棒性,与SPM模型算法相比,拉普拉斯稀疏编码的图像检索算法有较高的准确率。

一种基于矢量量化彩色图像的水印方法

给出了一种基于彩色图像矢量量化压缩域的码字索引上的水印嵌入算法.在对彩色图像进行矢量量化时,采用一套训练好的共享码本分别对彩色图像分离出的红、绿、蓝三色分量所对应的单色图像进行矢量量化编码,并同时在每n个彩色图像块中最多修改其中一个图像块的某一影响最小的单色图形块所对应索引的奇偶性,嵌入log2(n+1)比特的水印信息.该方法已在微型计算机上进行了实验,结果表明,图像水印的嵌入引起的失真较小,并且水印具有一定的鲁棒性.

一种MIMO系统自适应码本设计方法

提出一种基于码本旋转的自适应码本设计方法,在不改变现有的码本基础矩阵的基础上,根据误码率(BER)和信干噪比(SINR)的统计和估计结果,生成一组新的旋转矩阵码本,并结合反馈开销考虑与原来基础码本矩阵构成双码本矩阵,根据信道的实时变化及时地调整码本的精度,从而能够在有限反馈的情况下更加有效地提高预编码的性能。

基于LTE系统空间复用技术的预编码技术的研究

本文对基于LTE系统空间复用技术的预编码技术进行了研究。3G移动通信技术的核心技术就是宽带无线传输技术,在该技术中,空间复用技术的预编码技术是关键技术。本文对LTE中基于空间复用的预编码方案进行了详细介绍,并着重讨论了两种预编码方式的技术,即预编码矩阵的构造方式以及基于码本的预编码方式选择。最后得出了两种预编码方式使用的结论。

基于Khatri-Rao矩阵积的有限反馈酉码本设计算法

针对有限反馈多输入多输出(MIMO)系统,提出了一种用于信道状态信息(CSI)量化的KRP(Khatri-RaoProduct)酉码本设计算法。该码本的设计中首先定义了一个相移键控(PSK)符号向量集合,随后在用PSK符号向量构造了一个准范德蒙矩阵的基础上,利用任意一个酉矩阵与准范德蒙矩阵作Khatri-Rao积来生成不同的酉码本矩阵。与现有的Grassmannian码本相比,提出的KRP码本在生成酉矩阵集合时无需进行最优搜索,复杂度大为降低。理论分析及仿真结果表明,KRP码本的最小弦距离恒大于零,而且采用KRP码本作为有限反馈预编码可使系统获得满天线分集,当反馈比特数相同时,KRP码本的性能优于Grassmannian码本。

LTE系统中基于码本的MIMO预编码技术及其侦察处理方案

预编码是LTE标准中重要部分。针对LTE系统基于码本的MIMO预编码技术进行了研究分析,首先从码本方案和预编码矩阵索引(PMI)反馈两个关键环节介绍了LTE系统中基于码本MIMO预编码技术,其次,分析了基于码本的MIMO预编码技术对非合作方的侦察带来的问题,分别针对相关衰落信道和频率选择性衰落信道,提出了非合作方接收机初步的侦察方案,并给出了预编码相关信息的截获的基本过程和适合的MIMO检测方案。

一种基于目标优化学习的车标识别方法

近年来,车标识别因其在智能交通系统中的重要作用,受到研究者的广泛关注。传统的车标识别算法多基于手工描述子,需要丰富的先验知识,且难以适应复杂多变的现实应用场景。相比手工描述子,特征学习方法在解决复杂场景的计算机视觉问题时具有更优性能。因此,提出一种基于目标优化学习的车标识别方法,基于从原图像中提取的像素梯度差矩阵,通过目标优化,自主学习特征参数。然后将像素梯度差矩阵映射为紧凑的二值矩阵,通过特征码本的方式对特征信息进行编码,生成鲁棒的特征向量。基于公开车标数据集HFUT-VL1和XMU进行实验,并与其他车标识别方法进行比较。实验结果表明,与基于传统特征描述子的方法相比,该算法识别率更高,与基于深度学习的方法相比,训练和测试时间更少。

大规模MIMO系统中基于部分Kronecker积的两级码本

针对垂直维空间自由度未被充分利用的问题,设计一种基于部分Kronecker积的两级码本。在两级码本中,第1级码本确定一个波束向量组,该向量组确定用户的大致范围,描述信道的长期/宽带特性。第2级码本对此波束向量组进行波束列选择和极化方向间的相位调整,选出的波束能准确地指向用户,反映信道的短期/子带特性。该两级码本能平衡大规模MIMO系统中反馈开销和信道量化精确度之间的关系。仿真结果表明,在不增加反馈开销的情况下,该码本设计方法在系统频谱效率和吞吐量方面能获得明显的性能增益。

码本在压缩感知矩阵中的应用

压缩感知矩阵的构造在压缩感知理论中起着举足轻重的作用.基于线性码和最优码本构造了一类新的压缩感知矩阵,并与DeVore构造的压缩感知矩阵和Gaussian随机矩阵的进比较,从不同的角度分别证明了当参数满足一定的条件时,新构造的压缩感知矩阵具有更好的性能。