LDPC陪集码的可区分性及其在语义通信中的应用

经典通信的目标是可靠传输信息符号,其很少利用语义信息。提出了一种在低时延的情况下,利用数据信息之间的语义关联性来获得经典译码性能增益的传输方案。基于低密度奇偶校验陪集码的可区分性,所提方案利用便车码来传输语义信息关联标识。若接收端判断信息存在语义关联,则根据预设的语义关联度进行迭代译码。仿真结果表明,语义信息能够为经典信道编码带来增益。

基于L_∞最小搜索和陪集码的高光谱图像无损及近无损压缩

分布式信源编码(DSC)由于其较低的编码复杂度及较高的抗误码性被应用于高光谱图像压缩.在典型的基于陪集码的分布式高光谱图像无损压缩算法s-DSC(scalar coset DSC)框架下,本文指出最优的预测准则应为无穷范数最小,提出了基于L∞最小搜索的预测方法来逼近最优准则,并将框架推广到近无损压缩.实验表明,和原有的s-DSC相比,本文算法无损压缩的平均码率降低了大约0.25bpp,近无损性能也明显优于JPEG-LS,本文算法具有较低的计算复杂度、较高的压缩性能,且具有一定的抗误码能力,适用于星上压缩.

基于分类和陪集码的高光谱图像无损压缩

在基于陪集码的高光谱图像压缩算法中,由于按照编码块的最大残差确定整块无损压缩所需的码率存在较大冗余,该文提出了基于分类和陪集码的高光谱图像压缩算法。首先利用前一波段对应位置的预测噪声对当前波段编码块的像素进行分类,将具有相似相关性的像素归于一类,然后对每一类像素分别进行陪集码编码。实验表明分类可以有效地降低码率。和基于陪集码的算法相比,该文算法无损压缩的平均码率降低了大约0.4 bpp。

分组陪集码的误码特性分析

本文讨论了分组陪集码在最大似然译码与最近陪集译码下的误码特性,这一分析是分别在归一化重量分布和真实距离下做出的,并对其差异进行了比较。本文同时讨论了采用最小距离和最小距离系数进行误码率估计的方法,并指出这些参数可由子码的相应汉明参数得到。

四叉树分块的高光谱图像分布式无损编码

目的近年来随着光谱成像技术的快速发展,使得高光谱遥感图像能够提供更加丰富的地物信息,然而其所具有的极大数据量给图像的存储、传输和实用带来较大的困难。因此,如何对高光谱遥感图像进行有效编码成为研究热点。方法基于陪集码的分布式信源编码因其具有良好的压缩性能和较低的编码复杂度而受到重视,在此基础上提出一种基于自适应四叉树分块的高光谱图像分布式无损编码方案。设每个高光谱帧组的第1帧为关键帧,其他帧为普通帧,首先对关键帧进行自适应四叉树分块,然后对每一块与普通帧相应的块进行最佳线性预测,进而根据预测残差确定所需传输的陪集码索引位数以及每个像素的k个最低比特位。结果本文通过自适应四叉树分块,增强了所形成陪集码的自适应性。所提出的编码方案很好地实现了压缩效果和编码效率的折中。结论提出的方案能够较好地适应低复杂度环境下对高光谱图像无损编码的需求。

高光谱图像的分布式近无损压缩

星载高光谱图像的有效压缩已经成为高光谱遥感领域亟待解决的难题。分布式信源编码具有较低的编码复杂度与良好的抗误码性,在高光谱图像压缩领域具有广阔的应用前景。提出了一种基于多元陪集码的高光谱图像分布式近无损压缩算法。根据多元陪集码的Slepian-Wolf无损编码的压缩过程,提出了面向高光谱图像分布式近无损压缩的最优量化方案,使得高光谱图像在给定目标码率条件下的失真达到最小,在此基础上对量化值进行Slepian-Wolf无损编码,从而实现了高光谱图像的分布式近无损压缩。实验结果表明,与典型的传统算法相比,该算法取得了较好的近无损压缩性能和较低的编码复杂度。