壓縮感知中的聯合信源信道矢量量化

4351194 2020-11-05 | pdf | 2.87 MB | 次下載 | 1積分

資料介紹

我們研究了使用矢量量化器（VQ）對壓縮感知（CS）測量進行聯合信源信道編碼（JSCC），提出了一個實現最佳JSCC方案的框架，該方案能夠在離散無記憶信道上編碼和傳輸稀疏源的CS測量，并對稀疏源信號進行解碼。為此，本文研究了矢量量化編解碼器對的優化設計問題，通過最小化端到端均方誤差（MSE）來解決這一問題，得到了MSE性能的理論下界，并通過迭代算法提出了一種實用的編解碼器設計方案。由此產生的編碼方案被稱為信道優化VQ for CS，即COVQ-CS。為了解決COVQ-CS的編碼復雜度問題，我們提出了一種結構化量化器，即低復雜度多級矢量量化（MSVQ），推導了新的編碼和解碼條件，并提出了一種實用的編譯碼器設計算法，稱之為信道優化的多階段矢量量化通信質量控制系統。通過仿真研究，我們將所提出的方案與相關量化器進行了比較。

? ? ?壓縮感知（CS）[2]考慮從相對較少的測量值中檢索高維稀疏向量。在許多實際應用中，CS傳感器節點上采集的測量值需要使用有限位進行編碼，并通過噪聲通信信道進行傳輸。因此，對于信道的噪聲傳輸，應考慮信道的可靠測量。理論上在點對點無記憶信道中可以達到的最佳性能可以通過分別設計源代碼和信道代碼來實現，但是這種性能需要無限的源代碼和信道代碼塊長度，從而導致延遲和編碼復雜性。考慮到有限長稀疏信源和CS測量矢量，從理論上保證了聯合信源信道編碼（JSCC）能夠提供更好的性能