一、一种自适应压缩率的实时语音传输系统的实现(论文文献综述)
史峰[1](2021)在《矿井巷道视频信号光纤传输系统研究与Zynq实现》文中提出矿业井下安全生产一直受到国家矿业监管部门的高度重视,并采取多项措施来保障生产安全。其中,采用信息技术预测、防范是一个重要的手段。影像作为监控技术的一种,无论是正常生产还是发生事故,及时将影像数据可靠传输至指挥中心,对于生产作业和抢救救援都具有重要意义。针对上述问题,本文主要做了以下四点工作:矿井作业环境复杂且干扰源较多,如何保障影像数据的可靠传输是本文的第一个研究内容。为了解决这个问题,本文对光纤通信技术进行了理论和实际使用的研究,最终采用光电转换器方案来实现系统的光纤传输,用来保障传输通道的稳定和安全。影像数据尤其是高清影像数据的数据量对存储空间和传输通道都是一种负担,在影像数据传送前对数据进行压缩编码可减小传输和存储压力。本文首先对静态图像压缩编码算法进行研究并提出了一种基于离散余弦变换的自适应扫描压缩算法,实验证明,该算法在0.5单位像素深度情况下峰值信噪比和结构相似性分别比JPEG算法提高了7.4%和1%。然后对视频编码技术进行研究并确定视频编码方案和总体硬件设计方案。采用Zynq UltraScale+MPSoC EV平台作为系统主控芯片并完成系统设计。其中,视频的采集通过PL端完成;视频的压缩编码通过PL端内置的VCU编码器完成,在视频输入端通过ADV7611芯片实现将输入的TMDS差分信号转换为24位RGB信号,减少了PL端资源的使用。在PS端的通过Gstreamer框架对视频采集、编码和码流的传输进行设计。通过应用程序的设计实现最终的监控系统,在应用程序设计中,通过中断方式将数据送入VCU提高了视频读取速度。本文在ALINX开发板上进行系统功能测试,系统测试的功能包括资源占用分析、时序约束分析、系统功耗分析、基本采集到传输功能、压缩倍数、误码率、编码延迟时间。测试结果证明,本文设计的系统可应用于实际监控场景。
范家铭[2](2020)在《基于PHM技术的高铁车载通信装备健康监测智能分析理论与方法的研究》文中研究表明伴随着我国“一带一路”战略铺展开来,高铁已成为我国新“四大名片”之一,其知名度和重要性不亚于古老中国的“四大发明”。截止2019年末,中国已投入运营的高速铁路里程数达到3.5万公里,稳居世界首位。道路千万条,安全第一条,安全性是高铁飞速发展的基石。对关键零部件的健康状态监测,尤为重要。PHM(Prognostics and Health Management)技术可以对高铁在途运行设备进行状态感知、健康监控,并对故障的发生做出预测,从而降低安全风险。本文利用故障预测与健康管理的技术手段,以数据无损压缩技术、数据传输加密技术、故障特征提取方法、信号去噪技术、关键参数优化方法和神经网络方法为理论基础,建立基于PHM技术的高铁车载通信装备健康监测智能分析方法,实现了关键零部件的故障定位及预测。该方法虽然实现了故障快速定位和精准预测,但通常需要高性能计算机来支撑数据的计算和分析,所以本文将高铁运行数据进行实时无损压缩并加密后,通过铁路无线通信网络将数据回传至地面分析服务器,以其高性能计算能力快速、准确地进行故障定位和预测,有效地解决了高铁车载设备不具备高性能计算能力而无法实时处理数据的问题。地面分析服务器对数据进行解密和特征分析高效快捷,利用神经网络算法使故障识别和故障预测的精度及效率都得以保障,为保障高速铁路安全运营提供了重要的技术手段。本文提出的方法已在兰州铁路局项目中得到了应用,并在实际应用中不同程度的降低了运维成本和故障不可复现率,体现出PHM技术在故障诊断和故障预测研究方面的意义和价值。本文的主要研究成果如下:(1)针对高速铁路的安全运行问题,结合了故障预测与健康管理技术理论,提出了一种基于动车组PHM体系架构。该架构对高铁车载通信装备进行了PHM技术理论分析、故障诊断技术分析、预测技术分析、应用分析等技术进行论述,并基于故障预测与健康管理技术为理论基础提出了动车组故障预测与健康管理体系框架,对高铁车载通信装备的健康状态监测和故障预测方面提供重要理论指导。(2)高铁车载装备的网络资源有限,无法满足对监测的车载装备运行信息实时传输至地面服务器,为此提出了一种无损压缩技术与加密技术联合算法。该算法利用铁路既有无线网络基础在低带宽下实现实时传输高铁车载通信装备运行数据,以供地面服务器实时分析车载装备的健康状况和故障预测。该算法以行程长度无损压缩算法为基础进行了改进以降低数据的压缩比率,同时融入Logistic混沌理论和RSA加密算法以及Logistic置乱加密算法,减少网络传输时所占用的网络带宽,提高了网络传输的安全性,为进一步分析设备的健康状态和故障诊断及预测提供基础性保障。(3)故障诊断通常需要对故障特征进行提取并分析,去除数据中混杂的噪声。该部分对接收到的车载装备运行信息展开深入研究,针对高铁车载通信装备在运行中因场强信号而导致的故障问题,提出了一种基于PHM技术的高铁车载通信装备的故障诊断方法。该方法以双树复小波包变换为基础进行算法改进,同时结合了自适应噪声的完备经验模态分解来进行故障噪声的降噪与特征提取,然后利用无监督学习中的密度聚类方法进行自适应改进,并将提取出的特征类型进行特征分类,最后将分类结果输入到极限学习机中进行训练。实验验证了提出的故障诊断方法具有较强的特征提取能力、快速识别故障能力以及高精度的识别率,为设备的故障预测提供良好的支撑。(4)深入分析高铁车载通信装备的实际运行工况中,针对高铁车载通信装备故障发生率较高的原因是由于电池失效导致高铁车载通信装备无法正常工作的问题,提出了一种HA-FOSELM电池失效预测方法。该方法为了降低噪声对预测带来的影响,采用变分模态分解方法进行去噪处理,同时使用含有遗忘机制的在线序列极限学习机算法对去噪后的数据进行学习和训练,该算法支持数据的动态增量更新。为了提高算法的识别精度和降低关键参数对该算法的影响,引入了混合灰狼优化算法对HA-FOSELM方法的关键参数进行自适应优化,同时融合注意力机制,从而有效地提高了预测精度。通过实验验证,本文提出的方法在性能、效率、精度等方面都优于传统的神经网络算法,有效地降低了因电池故障导致列车行驶安全的问题。
万东琴[3](2020)在《基于特征信息辅助的语音压缩传输与重构》文中进行了进一步梳理语音通信技术以其高效便捷的特点成为人类社会的主流信息交互方式。随着数字信息技术发展与数据时代的来临,语音数据量急剧增加,造成语音存储所需存储空间巨大,亟待对语音数据进行压缩存储;加之人们对语音传输需求的与日俱增,语音传输系统的资源十分紧张,语音的压缩传输成为必然趋势。然而,语音压缩传输面临诸多噪声与干扰,加之语音压缩导致重构的语音质量下降,难以满足人们日益增长的高品质语音服务需求。因此,在不增加频谱资源开销的情况下,急需研究出改善语音质量的压缩语音传输方法。为此,在不增加频谱资源的情况下,为改善压缩语音传输系统的语音重构精度,本文研究了一种叠加特征信息辅助的语音压缩传输与重构方法。该方法首先提取稀疏语音信号的特征信息;然后,抽取的特征信息以叠加序列方式叠加在压缩语音信号上进行传输;最后,接收机重构时,借助特征信息辅助重构算法进行语音重构。分析与仿真结果表明,相比于传统的压缩感知(Compressed Sensing,CS)语音重构方法,在较高信噪比或较低压缩率情况下,研究方法可在不增加传输系统的频谱开销的情况下改善语音重构的MSE(Mean Square Error)和MOS(Mean Opinion Score)评分。为进一步改善语音传输系统的频谱资源开销,将1-bit CS技术引入到稀疏音频信号处理中,研究了稀疏音频信号特征信息辅助的1-bit重构方法。发送端利用稀疏音频信号的部分支撑集构建特征信息,并将特征信息扩频后叠加到1-bit压缩的音频信号上传输;接收端恢复特征信息和1-bit压缩的音频信号,并构建特征辅助的重构算法以恢复音频信号。相较于经典的1-bit音频压缩重构方法,研究方法可在不增加频谱开销的情况下改善恢复音频的MSE和MOS评分。本研究结果可用于频谱资源紧张的语音传输系统,如中国移动10086客户服务热线系统,中国联通10010客户服务热线系统,矿井语音通信系统等。在不增加频谱资源开销的情况下,改善语音传输系统的语音质量。
周学斌[4](2020)在《智能电网海量数据轻型化方法研究》文中研究表明随着我国智能电网全面快速发展,电网数字化、信息化程度越来越高,电网安全生产运行越来越依赖大量综合信息。智能电网对各类实时和非实时广域海量全景状态信息进行精确采集和高效传输,并实现“三流”融合、高度集成与共享,相比传统电网监测系统,智能电网广域监测范围、监测节点数、监测信息类型及监测信息量等明显增加。在智能电网向能源互联网演化进程中,新业务蓬勃发展使得电力通信网业务变得复杂多样化,业务逐层汇聚后通过电力通信网进行传输,对电力通信网提出了更高要求,且随着智能电网、信息系统、营销系统等发展产生了海量数据交互,带宽需求急剧上升,现有传输网络已无法满足,导致智能电网高级应用系统功能无法实现,严重影响电网安全、稳定运行。为满足智能电网对海量数据在线监测、传输、存储的需要,实现智能电网高级应用系统功能,确保电网安全、稳定、经济运行,本文针对智能电网海量数据传输和存储轻型化的需求,从压缩采样、基于低秩Hankel矩阵的非均匀采样、最少特征信息提取、轻型协议数据生成及原始海量数据还原等方面进行研究,论文的主要内容如下:(1)针对Ⅰ型信号(即数据含脉冲信号或振荡信号)提出一种采用压缩感知理论实现智能电网海量数据轻型采样的方法。电网发生扰动,基于事件触发机制对扰动发生前后一个观测时窗内数据进行在线录波,并完整采样记录,采用扰动检测方法精确定位扰动时间。然后,采用深度学习网络对数据进行快速模式识别,数据为Ⅰ型信号,数据各分量按照一定顺序选择强相关原子库进行稀疏分解,强相关原子库是根据数据分量的动态特性、数学模型构建的冗余原子库,可有效提升数据分量稀疏性,降低数据总稀疏度大小和优化测量矩阵规模,数据压缩采样数据量更少。为增强数据压缩采样实时性,通过设置内积常数以减少原子库子集的规模、采用智能算法加快原子匹配追踪、采用正交投影矩阵更新代替稀疏分解的最小二乘法避免多次求解逆矩阵等措施,降低数据分量稀疏分解的时间。最后,对脉冲数据分量采用信号共振稀疏分解(RBSSD)进行增强提取,对需监测的弱数据分量幅值进行增幅,并采用谐波滤除(HF)算法进行滤除,有效提高数据分量重构精度。通过算例分析,验证了对Ⅰ型信号进行压缩采样的精确性和有效性。(2)针对Ⅱ型信号(即数据只含类基波信号、短期变动信号),提出一种采用低秩矩阵填充理论实现智能电网海量数据轻型采样的方法。采用深度学习网络对数据进行快速模式识别,数据为Ⅱ型信号,数据由算子Ξ组成Hankel矩阵,基于低秩Hankel矩阵对数据进行非均匀采样,减少数据采样量。首先,对信号数据组成Hankel矩阵的低秩性进行了严格数学证明,得出智能电网海量数据具有低秩性。数据非均匀采样点由算子Ξ组成部分元素被观测待恢复的Hankel矩阵,采用矩阵填充恢复算法恢复矩阵,对恢复矩阵副对角线元素求平均值恢复信号,恢复信号相对误差满足要求时,将数据非均匀采样点的位置形成位串uv,可用于快速确定观测时窗后数据的非均匀采样点。最后,针对采用随机采样矩阵确定数据非均匀采样点存在随机性、计算量大等缺点,采用斜率差绝对值(AVGD)方法可快速确定数据非均匀采样点,低秩矩阵填充还可利用数据周期性、对称性、奇偶性等特征,简化确定数据非均匀采样点的计算。通过算例分析,验证了对Ⅱ型信号采用基于低秩Hanel矩阵的非均匀采样方法的精确性和有效性。(3)针对智能电网海量数据轻型传输,提出基于最少特征信息传输原理的智能电网海量数据轻型传输方法。数据为Ⅰ型信号,数据压缩测量值采用重构算法,对数据稀疏表示向量进行重构,稀疏表示向量经分析和插值修正得数据分量特征参数,提取特征参数和稀疏表示向量非零系数二者中参数少的为数据分量最少特征信息;数据为Ⅱ型信号,数据非均匀采样点由算子Ξ组成部分元素被观测待恢复的低秩Hankel矩阵,采用矩阵填充恢复算法恢复矩阵,并经矩阵奇异值分解得非零奇异值为数据最少特征信息。然后,定义特征模式分组编码和模式特征向量映射规则,利用融合技术将异构最少特征信息进行融合,采用采样值传输协议进行报文封装,生成遵循IEC61850-9-2标准的采样最少特征值轻型协议数据进行网络传输,实现通信网络数据标准化、高度集成与共享。通过设置虚拟局域标识(VID),避免数据帧大范围广播传输,造成网络风暴和堵塞,节省网络资源,采用动态带宽分配(DBA)算法对网络带宽进行动态分配,优先保证高优先级报文传输的实时性,减少传输时延和抖动,实现各类报文传输得到合理的网络带宽。最后,介绍轻型协议数据传输到信宿端,执行与信源端生成轻型协议数据相反的操作,通过对轻型协议报文解封、特征解析,根据模式特征向量映射规则重构或恢复模式分量,并叠加快速准确还原原始海量数据。通过算例分析,验证了基于最少特征信息传输原理的智能电网海量数据轻型传输方法的准确性和有效性。(4)基于OPNET网络仿真平台构建智能变电站通信网络模型,进行海量数据网络传输仿真实验,并对网络传输性能进行分析与评估,轻型传输可以有效减轻网络传输负荷,并降低传输延时。然后,对实验室搭建的轻型数据传输物理原型系统与传统数据传输系统进行对比模拟测试,轻型传输系统可以有效降低网络传输流量,传输数据压缩比随模拟采样频率增大而增大。网络仿真实验和物理原型系统动态模拟测试结果,均验证了本文提出的智能电网海量数据轻型化机制的可行性、可靠性及优越性。论文最后对本文结论进行总结,并对未来研究工作进行展望。
黄孝圣[5](2019)在《电梯通话语音压缩以及传输系统研究》文中研究指明目前随着物联网在全国各大城市的普遍推广,智能楼宇也成为发展和建设的重点。电梯系统是城市楼宇建设中不可或缺的必备装置,其安全性一直是厂家和用户关注的焦点。国家出台相关文件规定,作为特种设备的电梯必须要配备安全语音呼叫设备才能上市。因此设计研究一套适合该应用场合的稳定的语音传输系统成为本论文研究的焦点。在上面这个背景下,目前市面上的方案传输距离和传输稳定性都存在不同程度的缺陷。由于电梯是一个相对封闭的系统,处于复杂的电气运行环境,会受到各种干扰和信号屏蔽的影响,为了改善这些不足,本论文主要研究了在电梯通话中如何进行高质量的语音压缩和传输。本次主要基于ARM公司的M4内核芯片作为研究平台。由于M4内核集成了高效的DSP和浮点运算单元,可以提高算法代码执行速度,经过对各种语音算法对比,以及考虑实际产品成本问题,最终选用speex语音算法实现本次研究。为了保证在传输的稳定性和传输的距离之间取得平衡,综合考虑了安全性,传输的高效性,以及节省线缆上,最终选用了 CAN BUS作为传输语音的媒介。本论文分为6个章节介绍,分别详细介绍了电梯语音通话研究的背景和研究的意义,电梯通话系统网络结构,speex语音编解码技术,CAN总线和数据传输,以及系统的实现和总结。
刘哲[6](2018)在《基于压缩感知的无线体域网心电监测信号重建与实时诊断算法研究》文中提出随着现代社会日新月异的发展,人们对健康给予越来越多的关注,相应地,无线体域网吸引了越来越多人的目光,人们开始研发相关技术去监测病患的生理参数。面对心血管类的疾病,其突发性要求监测系统具有实时性与稳定性,并且通常需要对数据进行压缩以获得更高的能量利用率。近年来,大量的研究已经验证了压缩感知是一种有效的解决方式,这一理论与体域网领域的融合让远程医疗更加智能化。传统的压缩感知方法在数据情况稳定状态下效果很好,然而面对实时变化的生理参数,其效果大打折扣,因此,本文基于压缩感知对无线体域网中心电重构与实时诊断进行研究。首先,在压缩感知的理论架构上,设计了无线体域网传输系统中自适应传输控制策略,同时针对ECG信号特点与传输实时性要求优化重构算法,实现重构精度与压缩性能的双重优化。为了更加灵活地传输数据,我们需要为无线体域网中的传感端、协调端以及无线传输通道建立数学模型,并利用反馈的控制思想对数据压缩率进行设计。在传感端增加压缩率估计模块,其设计目的是在满足实时性的条件下,尽可能降低压缩率,提高ECG信号的重构精度。在压缩率估计模块中,采用频域分析方式,揭示心电数据的动态特性,并对压缩率和稀疏性之间的关系进行建模。此外,使用快速K-Means聚类算法将心电信号按稀疏度分为两组,进行模型的简化,用分段非线性函数进行拟合,并将问题转换为线性规划问题。在丢包补偿模块中,设计闭环模块和控制过程,制定压缩策略,基于信道状态和数据稀疏度对压缩感知参数进行更新估计,以降低丢包干扰带来的影响,为ECG信号进行实时高精度特征识别与远程诊断打下基础。然后,改进协调端的重构算法,选择优化子空间追踪重构算法,提高了GBSP(Gradient Boosting Subspace Pursuit)算法的精度与速度。改进后的GBSP算法在更低数据压缩率的条件下,依然可以使得到的重构信号具有医疗价值,即重构误差PRD在9%以下。我们对算法中的稀疏度参数K进行向前推进式的搜索,基于机器学习中Gradient Boosting的思想,采用梯度下降方向搜索法对残差重新建立模型。在残差不可以忽略的情况下,选择多于稀疏度K个原子进入备选集合再回溯剔除。经过两次优化后,GBSP算法可以在更低的压缩率(比如30%)下控制重构误差PRD在9%以下,重构能力大大提升。最后,为满足远程医疗系统中实时监测的需求,论文设计了全新的ECG信号在线检测算法,实现高精度定位QRS波群以及获取Q波、R波、S波点位。我们先将ECG信号通过窗口积分器,使其计算滚动平均值目的是进一步平滑ECG时域信号;而后针对每一个数据点与阈值的大小关系判断当前标志旗状态,在满足一定的幅值阈值范围和时间保持阈值的条件下,识别出ECG信号相应的波形。为了提高算法鲁棒性,对所检测波形对应的幅值阈值采用自适应模式。使用MIT-BIH数据库提供的和实际硬件采集的两种来源的ECG数据,来分别检验与对比两种算法识别的准确度。进一步,利用所设计的无线体域网传输系统,在有无发生丢包的情况下,分别对得到的重构ECG信号进行特征识别,进一步验证了系统设计的可行性与鲁棒性。
董文涛,段新涛,秦晓凌,张文龙[7](2004)在《一种自适应压缩率的实时语音传输系统的实现》文中进行了进一步梳理现存网络传输系统具有异构和时变的特点,提出了一种基于CCITT的G.726建议的 自适应压缩率的实时语音网络传输系统的实现方法。发送方根据RTCP的接收者报告判断其网 络状况,把用户分为4级,然后为不同级的用户提供相应的压缩率数据,在一定程度上减少 了包丢失率和抖动,从而保证了实时语音传输系统的QoS.
王峰[8](2019)在《基于ARM平台的语音编解码算法分析及其在无线传输系统的设计与实现》文中研究指明近年来,随着科技不断的发展,人类生活开始变得多姿多彩,从黑白世界到彩色世界,从有线通信到无线通讯等等所有科技带来的一切,都在一步一步地慢慢改变人们的生活习惯。人们也从习惯通信的不畅通,变为了对信息快速传递要求的不断提高。无线通信从不可能变为可能,其设备也从体积巨大到袖珍无比,从固定不动到随身携带。飞跃式发展的无线通信技术无时无刻在改变我们的世界、改变我们的认知甚至改变我们的身边的一切。无线技术的快速发展,缩短了人与人之间的距离,使得不论在哪里,都可以随时在一起互相交流。在我们身边最常见的无线通讯方式,比如在工业、医疗、科研等使用的433MHz频段的通讯系统和身边经常用到的2.4GHz、5GHz频段WIFI路由器等都是无线通讯这些年的快速发展的结果。这些都说明了无线通信已经成为世界上公认的一个重大领域,各国争先恐后的发展无线通信。近日美国甚至动用国家力量打压我国5G先锋企业华为公司,这些充分说明了无线通讯领域不仅仅是人类发展的重要基石;还是带领各国尤其中国的经济和科技发展的强大依靠。作者工作与物联网和智能家居相关,本论文一开始就是为了解决了人们在方便工作以及家庭的智能化的等方面进行设计。本论文首先介绍分析这些年来语音编解码的发展过程,以及主要的一些不同阶段不同的编码标准的优缺点,通过对比选用性价比最高的算法来进行设计,最后实现一个基于ARM搭建起来的一个硬件平台,可以让语音信号经过语音编/解码算法后在433MHz频率下进行无线传输的系统。本系统作者从方案设计、原理图设计、印制板设计到底层驱动设计调试等都是作者独立完成设计。经过多次优化和修改调试,已经形成产品应用在工业当中。尤其后来为了适应现代人们对智能家居功能的需求,系统又经过优化应用在智能家居的远程语音控制等方面。本系统硬件设计先是从系统的电源管理开始,设备由市场上常见并且成熟的锂电池来供电,通过一个完善的系统电源管理芯片TP5602,保证设备的轻便与耐久;其次通过设计使用强大的微控制器STM32F103xx当主控器,来用于采集音频、集成算法、控制按键、输出音频等工作。最后,射频模块通过UART接口连接到微控制器上,把收发到的数据通过UART接口传输到微控制器进行处理。在软件算法方面,我们最终选择使用Speex编解码算法,是因为该算法是基于码激励线性预测算法一种开放源码的软件,没有任何专利费用。它最重要特色就是增加了高质量与低比特率的语音编码,并且也正增加了比特率可以随时变化的特点,所以与无线语音传输系统的契合度就很高了[1]。并且支持范围很广泛,比如说:ARM、FPGA、DSP、x86甚至Windows、Linux等操作系统也支持该算法。论文中深入说明了Speex编/解码算法相对于其他编解码算法的巨大优势和特色,以及阐述了CELP编解码技术的根本设计思路。最后实现了在ARM硬件的平台下加入Speex算法后在433MHz频段下的无线语音传输。
李冬青[9](2019)在《码率自适应的深空图像传输系统研究》文中研究表明在深空探测任务中,从遥远的航天器高效而可靠的回传各类珍贵的图像信息至关重要。然而,极长的传播距离和复杂的深空环境造成的传输过程中信号衰减大而时变、传输时延长且链路时断时续等问题,给图像传输系统的设计和实际应用带来了巨大的挑战。因此,选择高效可靠的技术并设计适合深空环境的的图像传输策略,保证珍贵的深空探测图像数据的高效率、高可靠性传输,对于深空探测任务意义重大。本文针对传统深空图像传输系统中存在的问题,设计了一种码率自适应的深空探测图像传输系统。该系统综合考虑深空图像传输面临的各种制约,以DTN(Delay Tolerant Network)协议体系为基本架构,选取压缩感知(Compressed Sensing,CS)作为信源图像压缩技术,Spinal码作为信道编译码技术,LTP(Licklider Transmission Protocol)协议作为传输控制协议,能够很好地满足非对称节点资源的约束。深空信道受到多种因素影响,环境复杂多变,传统图像传输系统的固定码率的设计方式不能根据信道环境调整码率,在一定程度上会造成传输资源的浪费。为了实现与时变深空信道的动态匹配,本文根据CS重构对于压缩值丢失和错误的鲁棒性,设计了三种粗粒度码率自适应的传输策略,使得信源和信道码率能够根据信道环境变化而调整。这三种传输策略分别采用不同的CS解压缩机制,即基于CS容删、基于CS容错和基于CS容删容错的解压缩机制。除此之外,为了实现深空探测图像高效率、高可靠性的传输,建立了以最大化吞吐量为目标、以满足最低图像重构质量为约束的码率联合优化模型。在地球与火星之间通信的场景下,以Gilbert-Elliot模型为基本深空信道模型,同时考虑信道中可能出现的短时突发错误,对建立的优化模型求解,并以此结果为依据调整不同信道状态下的发送策略,结合信道状态预测,在低频率反馈的前提下实现深空探测图像高效率的回传。为了验证本文提出的码率自适应深空图像传输系统的性能,本文以地球与火星之间的通信链路为仿真场景在已有半实物仿真平台上进行多种传输方案的仿真实验,证明了我们提出的传输系统的性能。仿真结果表明,我们提出的系统的实际吞吐量非常接近于理论计算值,三种粗粒度码率自适应传输方案的实际吞吐量都高于深空通信中常用的重传无信道预测方案,证明了我们提出的码率自适应传输机制和码率联合优化方案的有效性与可行性。
陈炜玲[10](2018)在《面向压缩自决策的声纳图像质量评测方法研究》文中认为由于声纳可以胜任在浑浊昏暗的水下环境中进行图像采集的任务,所以被大量地应用在水下救援、海洋探测、海底测绘等领域。在实际应用中,获取的声纳图像往往需要经过水声信道的传输后,才能获得更进一步的分析和处理,尤其对于视频、图像等高数据量的媒体业务而言,往往需要对数据进行压缩以满足极其有限的水声信道带宽要求。对于图像、视频等多媒体数据,人眼视觉特性对其失真存在一定的包容性,单纯以误码率等传统指标作为系统优化目标,将为链路质量控制带来极大的压力;另一方面,水声信道具有时变性,而传统通信系统往往采用固定方案进行压缩,不能灵活地根据信道变化动态调整方案。为了实现适应变化着的水声信道条件的声纳图像自适应压缩,提高压缩系统的可靠性和有效性,本文提出用压缩图像、接收图像质量指导压缩参数、压缩方案、重传方案的选择。目前关于声纳图像质量评测的相关工作较少,本文首先构建了一个声纳图像质量标准素材库,并在此基础上讨论声纳图像的特点及其应用背景,重点提出全参考、部分参考、无参考三种声纳图像质量评测算法,分别用于评测发送端压缩图像以及接收端接收图像和修复图像的质量。本文提出的全参考声纳图像质量评测算法分别从人眼视觉特性以及声纳图像的应用背景两个方面来考虑,对质量较高的图像,人眼关注所感知到的信息量;而当图像质量较低时,人眼会开始注意边缘,纹理等元素组成的图像结构。在算法中,与常被用于图像质量评测的全局熵不同的是,本文用兼顾了邻域信息与人眼视觉“非拥挤窗”特性的局部熵来表示全局信息,用对声纳图像应用具有重要意义的边缘谱来表示结构信息,将原始图像与参考图像中两类信息的相似度作为特征,并采用基于显着性的池化方法将特征谱降维,通过二次多项式将特征整合为一个代表图像质量的分数,避免复杂模型带来的严重过拟合。由于声纳图像一般都具有实际的应用,因此影响声纳图像主观质量的主要因素是观看者对图像的理解。传统的光学自然场景图像很少考虑图像的应用背景,而本文提出的部分参考声纳图像质量评测算法在声纳图像的应用背景下,分别从图像理解的影响因素和决定因素出发,首先提取传输前后声纳图像分块边缘谱的归一化直方图相似度作为反映声纳图像轮廓信息的特征,其代表了图像理解的决定因素;接着在失真图像中提取三个指标,分别为图像熵,图像的斜度和峭度,它们分别反映“信息量”和“图像舒适度”对图像理解的影响。最后,将提取到的几种特征进行加权求和后,即得到了图像的评测质量。声纳图像区别于光学自然场景图像的特征之一,在于对光学自然场景图像来说,宏观结构与微观结构同样重要,而声纳图像的微观结构较少,以宏观结构为主。针对光学自然场景图像的质量评测算法往往不区分宏观结构与微观结构,而本文提出的无参考声纳图像质量评测算法首先对声纳图像进行三种变换,提取三种变换的系数稀疏度作为表示声纳图像宏观结构的特征。对图像用固定的退化模型退化,对比退化后宏观结构特征的变化,并证明了该变化与退化前图像本身的失真程度有关系。最后为了避免素材库规模不大引起的过拟合,本文选择基于套袋法的支持向量回归模型建立退化前后宏观结构特征的变化与图像主观质量之间的联系。
二、一种自适应压缩率的实时语音传输系统的实现(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种自适应压缩率的实时语音传输系统的实现(论文提纲范文)
(1)矿井巷道视频信号光纤传输系统研究与Zynq实现(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 矿用视频监控系统国内外发展现状 |
1.2.2 压缩编码技术国内外研究现状 |
1.3 本文主要研究内容 |
1.4 论文结构安排 |
第二章 视频光纤传输技术 |
2.1 光纤传输技术基础 |
2.1.1 光纤通信原理 |
2.1.2 光纤通信方案与硬件配置 |
2.2 流媒体传输协议 |
2.3 本章小结 |
第三章 压缩编码技术及硬件系统方案 |
3.1 改进的图像编码技术 |
3.1.1 离散余弦变换 |
3.1.2 基于DCT的自适应扫描算法 |
3.1.3 仿真结果及分析 |
3.2 视频编码技术 |
3.2.1 H.265 视频编码技术 |
3.2.2 视频编码方案选择 |
3.3 硬件平台视频传输方案 |
3.3.1 系统需求分析 |
3.3.2 系统总体设计方案 |
3.4 系统硬件配置 |
3.4.1 Zynq Ultra Scale+MPSo Cs芯片介绍 |
3.4.2 硬件描述语言 |
3.4.3 系统开发工具及开发流程 |
3.4.4 AXI总线 |
3.5 本章小结 |
第四章 矿井巷道视频传输系统设计与实现 |
4.1 系统整体功能结构 |
4.2 硬件系统设计与实现 |
4.2.1 视频采集模块设计 |
4.2.2 实时编码器模块设计 |
4.2.3 硬件系统实现 |
4.3 软件系统设计与实现 |
4.3.1 相关应用框架 |
4.3.2 内核层驱动设计 |
4.3.3 Linux设备树设计 |
4.3.4 采集模块驱动程序 |
4.3.5 应用层软件设计 |
4.3.6 软件系统实现 |
4.4 本章小结 |
第五章 系统测试与分析 |
5.1 系统总体硬件结构 |
5.2 系统测试 |
5.3 系统评估 |
5.4 本章小结 |
第六章 工作总结与展望 |
6.1 工作总结 |
6.2 工作展望 |
致谢 |
参考文献 |
作者简介 |
攻读硕士期间发表论文 |
攻读硕士期间参与项目情况 |
(2)基于PHM技术的高铁车载通信装备健康监测智能分析理论与方法的研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 目前存在的问题 |
1.4 主要研究内容和创新点 |
1.5 论文组织结构 |
2 关键技术及相关工作 |
2.1 引言 |
2.2 机车综合无线通信设备工作原理 |
2.3 压缩算法 |
2.3.1 无损压缩技术 |
2.3.2 有损压缩技术 |
2.4 加密算法 |
2.5 特征提取方法 |
2.6 PHM技术 |
2.6.1 PHM系统体系结构 |
2.6.2 动车组PHM体系结构 |
2.6.3 动车组PHM技术架构 |
2.6.4 动车组PHM系统功能和目标 |
2.6.5 动车组PHM诊断技术 |
2.6.6 动车组PHM预测技术 |
2.7 小结 |
3 基于无损数据压缩及加密联合算法的研究 |
3.1 问题提出 |
3.2 相关研究 |
3.3 SRLE无损压缩算法 |
3.3.1 SRLE压缩处理 |
3.3.2 SRLE解压处理 |
3.4 混合加密算法 |
3.4.1 Logistic混沌加密算法 |
3.4.2 RSA加密算法 |
3.4.3 压缩加密联合算法 |
3.5 实验与结论 |
3.5.1 压缩性能分析 |
3.5.2 安全性能分析 |
3.5.3 复杂度及效率分析 |
3.6 小结 |
4 基于PHM技术的高铁车载通信装备故障诊断 |
4.1 问题提出 |
4.2 相关研究 |
4.3 基于高铁机车综合通信设备中故障诊断的研究 |
4.3.1 实验数据集 |
4.3.2 特征提取 |
4.3.3 无监督聚类 |
4.3.4 极限学习机故障识别模型 |
4.4 实验与结论 |
4.4.1 仿真实验验证 |
4.4.2 实测数据集实验验证 |
4.5 小结 |
5 基于PHM技术的高铁车载通信装备健康状态评估预测 |
5.1 问题提出 |
5.2 相关研究 |
5.3 基于锂电池的剩余使用寿命预测与健康状态监测 |
5.3.1 实验数据集 |
5.3.2 健康状况和健康指标 |
5.3.3 降噪处理 |
5.3.4 关键参数优化 |
5.3.5 注意力机制 |
5.3.6 遗忘机制的在线序列极限学习机 |
5.4 实验与结论 |
5.4.1 算法训练过程 |
5.4.2 在线监测部分 |
5.4.3 剩余使用寿命预测部分 |
5.5 小结 |
6 总结及展望 |
6.1 研究总结 |
6.2 未来展望 |
参考文献 |
作者简历及攻读博士学位期间取得的研究成果 |
学位论文数据集 |
(3)基于特征信息辅助的语音压缩传输与重构(论文提纲范文)
摘要 |
abstract |
缩略词表 |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 论文内容及结构安排 |
第二章 语音压缩传输与重构研究现状 |
2.1 引言 |
2.2 语音压缩重构研究现状 |
2.2.1 稀疏基 |
2.2.2 测量矩阵 |
2.2.3 重构算法 |
2.3 语音压缩传输研究现状 |
2.3.1 基于CS的语音传输 |
2.3.2 基于CS的语音压缩编码 |
2.4 研究现状小结 |
第三章 叠加特征信息辅助的语音压缩传输与重构 |
3.1 引言 |
3.2 系统模型与听觉特性 |
3.2.1 系统模型 |
3.2.2 听觉特性 |
3.3 叠加特征信息辅助的语音传输与重构 |
3.3.1 特征信息提取与处理 |
3.3.2 特征信息与压缩语音恢复 |
3.3.3 稀疏语音重构 |
3.4 数值仿真 |
3.4.1 主观评价 |
3.4.2 客观评价 |
3.4.3 不同CS算法 |
3.5 本章小结 |
第四章 叠加特征辅助的1-bitCS音频传输 |
4.1 引言 |
4.2 音频压缩与传输模型 |
4.3 特征提取与音频信号重构 |
4.3.1 特征提取 |
4.3.2 信号恢复与音频重构 |
4.4 数值仿真 |
4.4.1 测量值的影响 |
4.4.2 稀疏率的影响 |
4.5 本章小结 |
第五章 结束语 |
5.1 本文工作总结 |
5.2 未来工作建议 |
致谢 |
参考文献 |
攻读硕士学位期间的研究成果 |
(4)智能电网海量数据轻型化方法研究(论文提纲范文)
论文创新点 |
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景与意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 课题国内外研究现状 |
1.2.1 数据采样技术研究现状 |
1.2.2 数据传输技术研究现状 |
1.2.3 电力信息通信技术研究现状 |
1.3 课题研究发展趋势 |
1.4 本文主要研究工作 |
第2章 智能电网海量数据轻型化机制研究 |
2.1 引言 |
2.2 海量数据轻型化机理分析 |
2.3 海量数据轻型化技术方案 |
2.3.1 海量数据轻型化机理分析及传输带宽分配策略 |
2.3.2 电物理量数据轻型采样 |
2.3.3 电物理量数据最少特征信息提取 |
2.3.4 多通信协议环境下轻型协议数据生成 |
2.3.5 轻型协议数据特征解析与数据还原 |
2.4 海量数据轻型化技术内核 |
2.5 海量数据轻型化机制可行性分析 |
2.5.1 可行性分析 |
2.5.2 可靠性分析 |
2.6 小结 |
第3章 智能电网海量数据压缩采样方法研究 |
3.1 引言 |
3.2 典型电物理量信号分析 |
3.2.1 电能质量概述 |
3.2.2 稳态电物理信号 |
3.2.3 暂态电物理信号 |
3.3 电能质量扰动检测 |
3.4 信号模式识别 |
3.4.1 长短时记忆网络LSTM |
3.4.2 LSTM网络模式识别 |
3.5 电物理信号稀疏表示 |
3.5.1 构建电物理信号原子库 |
3.5.2 快速原子稀疏分解算法 |
3.5.3 脉冲信号提取稀疏分解 |
3.5.4 弱信号提取及稀疏分解 |
3.6 海量电物理数据压缩采样方法 |
3.7 算例分析1 |
3.7.1 数据样本集构造 |
3.7.2 LSTM对样本全标注训练 |
3.7.3 电物理信号模式识别方法性能比较 |
3.7.4 电物理信号原子库构建 |
3.7.5 电物理信号扰动检测 |
3.7.6 电物理信号压缩采样 |
3.8 算例分析2 |
3.9 小结 |
第4章 智能电网海量数据基于低秩Hankel矩阵的非均匀采样方法研究 |
4.1 引言 |
4.2 电物理信号低秩矩阵填充 |
4.3 电物理信号量测数据低秩性证明 |
4.4 低秩矩阵填充理论 |
4.5 低秩矩阵填充恢复算法 |
4.6 电物理信号非均匀采样点确定 |
4.6.1 采用最优随机采样矩阵确定信号非均匀采样点 |
4.6.2 采用AVGD确定信号非均匀采样点 |
4.7 电物理信号轻型采样方法 |
4.8 算例分析 |
4.8.1 电物理信号轻型采样 |
4.8.2 主要间谐波轻型采样 |
4.9 小结 |
第5章 智能电网海量数据轻型传输方法研究 |
5.1 引言 |
5.2 最少特征信息提取 |
5.2.1 最少特征信息非零奇异值 |
5.2.2 最少特征信息稀疏表示非零系数或特征参数 |
5.2.3 谐波信号稀疏性分析 |
5.2.4 信号稀疏表示系数与特征参数关系 |
5.3 轻型协议数据生成机制 |
5.3.1 最少特征信息分组编码 |
5.3.2 模式特征向量映射 |
5.3.3 抽象通信服务映射 |
5.3.4 轻型协议数据生成 |
5.3.5 轻型协议数据传输服务模型 |
5.4 稀疏表示非零系数位置位串传输服务模型 |
5.5 数据传输带宽动态分配算法 |
5.6 轻型协议数据特征解析数据还原 |
5.7 算例分析 |
5.8 小结 |
第6章 智能电网海量数据轻型传输实验研究 |
6.1 引言 |
6.2 网络仿真实验研究 |
6.2.1 OPNET网络仿真平台 |
6.2.2 智能变电站通信网络结构 |
6.2.3 通信网络建模 |
6.2.4 网络仿真实验分析 |
6.3 模拟测试实验研究 |
6.4 小结 |
第7章 结论与展望 |
7.1 本文主要结论 |
7.2 后续工作展望 |
参考文献 |
攻读博士学位期间发表的科研成果目录 |
致谢 |
附录 模拟测试实验平台 |
(5)电梯通话语音压缩以及传输系统研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 前言 |
1.2 语音对讲系统发展现状 |
1.2.1 电梯语音对讲系统产品简介 |
1.2.2 电梯对讲系统语音压缩与传输研究现状 |
1.2.3 对讲系统语音压缩和传输面临的主要问题 |
1.3 论文研究的主要内容 |
1.4 论文的组织 |
第二章 电梯语音通话系统网络结构的研究 |
2.1 电梯数字语音通信系统原理 |
2.2 网络结构 |
2.3 电梯数字语音呼叫系统组成部分 |
第三章 SPEEX数字语音编解码的研究 |
3.1 语音信号编解码简介 |
3.1.1 时域语音编码技术 |
3.1.2 频域语音编码技术 |
3.1.3 混合方式语音编码技术 |
3.2 SPEEx编解码技术 |
3.2.1 Speex基本参数介绍 |
3.2.2 Speex实现功能介绍 |
3.3 SPEEx编解码技术实现原理 |
3.3.1 Speex编码原理 |
3.3.2 Speex解码原理 |
第四章 CAN BUS语音传输技术 |
4.1 CAN BUS技术简介 |
4.2 CAN BUS在电梯通话系统中应用优势 |
4.3 CAN BUS传输SPEEx压缩数据可行性 |
第五章 语音压缩和传输设计与实现 |
5.1 系统功能设计 |
5.2 系统硬件设计与实现 |
5.2.1 控制器工作电路 |
5.2.2 系统电源电路 |
5.2.3 语音输入和放大电路 |
5.2.4 音频二阶滤波器电路 |
5.2.5 音频功放电路 |
5.2.6 TFT显示电路 |
5.2.7 指示灯电路 |
5.2.8 按键电路 |
5.2.9 CANBUS收发电路 |
5.3 软件系统设计与实现 |
5.3.1 Speex算法实现 |
5.3.2 CAN语音数据传输软件实现 |
5.3.3 软件系统实现 |
5.5 实际调试与成果展示 |
5.5.1 硬件成果展示 |
5.5.2 Speex语音处理CAN传输效果评估展示 |
第六章 总结 |
6.1 研究课题总结 |
6.2 研究课题展望 |
致谢 |
参考文献 |
附录 |
(6)基于压缩感知的无线体域网心电监测信号重建与实时诊断算法研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 课题研究背景及意义 |
1.2 研究现状 |
1.2.1 体域网相关研究 |
1.2.2 压缩感知重构算法相关研究 |
1.2.3 心电信号特征识别相关研究 |
1.3 论文主要工作 |
1.4 论文结构安排 |
第二章 压缩感知理论基础 |
2.1 压缩感知理论框架 |
2.1.1 可压缩性 |
2.1.2 观测采样 |
2.1.3 信号重建 |
2.2 稀疏信号重构算法 |
2.2.1 传统算法 |
2.2.2 重构算法性能对比 |
2.3 压缩感知无线优势 |
2.4 本章小结 |
第三章 无线体域网设计与优化 |
3.1 系统架构 |
3.1.1 无线体域网架构 |
3.1.2 自适应压缩感知传输系统 |
3.1.3 系统模块建模 |
3.2 压缩率估计模块 |
3.2.1 ECG稀疏度分析 |
3.2.2 K- Means分类算法优化 |
3.2.3 压缩率估计算法设计 |
3.2.4 模块仿真及效果分析 |
3.3 丢包补偿模块设计 |
3.4 心电重建算法改进 |
3.4.1 子空间追踪分析 |
3.4.2 基于Gradient Boosting思想算法精度优化 |
3.4.3 算法双阈值训练机 |
3.4.4 联合压缩率估计模块算法速度优化 |
3.5 系统仿真及性能评估 |
3.6 本章小结 |
第四章 面向无线体域网的心电实时诊断分析与实现 |
4.1 ECG信号医用特征 |
4.1.1 波形 |
4.1.2 间期 |
4.2 ECG实时在线检测 |
4.2.1 ECG预处理 |
4.2.2 传统Pan-Tompkins算法 |
4.2.3 ECG新型实时检测算法 |
4.3 无线体域网ECG软件仿真 |
4.4 无线体域网架构硬件实现 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 论文工作总结 |
5.2 未来工作展望 |
附录A ECG重构算法对比代码 |
参考文献 |
致谢 |
攻读学位期间发表的学术论文 |
攻读学位期间参与的项目 |
(7)一种自适应压缩率的实时语音传输系统的实现(论文提纲范文)
1 网络音频实时传输系统结构 |
(1) 语音编码方案的选择 |
(2) RTP/RTCP协议简介及其对音频的支持方法 |
(3) 整体实现框图 |
2 用户状态的分类方法和自适应算法 |
(1) 丢包比率 (λ) 的检测 |
(2) 丢包判定等待时限Tlim tied的设定 |
(3) 编码自适应调整算法 |
3 结束语 |
(8)基于ARM平台的语音编解码算法分析及其在无线传输系统的设计与实现(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 课题研究的意义与前景 |
1.2 语音编码的技术发展介绍和现状 |
1.2.1 波形编码 |
1.2.2 参数编码 |
1.2.3 混合编码 |
1.3 系统平台简介 |
1.3.1 硬件平台简介 |
1.3.2 软件平台介绍 |
1.4 本文主要研究的内容 |
第二章 常用语音编解码分析 |
2.1 脉冲编码调制 |
2.2 自适应差分脉冲编码调制 |
2.3 码激励线性预测编码 |
2.3.1 自然语音模型 |
2.3.2 CELP编码器的组成 |
2.3.3 线性预测滤波器 |
2.3.4 码本搜索 |
2.4 Speex编/解码算法原理 |
2.4.1 Speex窄带编码 |
2.4.2 Speex宽带编码 |
2.5 常见编解码的优缺点 |
2.6 常见编码标准 |
2.7 本章小结 |
第三章 硬件平台设计 |
3.1 系统功能简介 |
3.2 系统主要器件介绍 |
3.2.1 主控芯片STM32F103xx |
3.2.2 电源管理芯片TP5602 |
3.2.3 射频SX1278模块 |
3.3 原理图设计 |
3.3.1 原理图设计工具简介 |
3.3.2 电源部分原理图设计 |
3.3.3 主控芯片STM32F103xx部分 |
3.3.4 音频输入电路 |
3.3.5 音频输出电路 |
3.3.6 射频部分SX1278模块 |
3.3.7 印制板布线注意事项 |
3.4 本章小结 |
第四章 STM32F103xx的底层驱动设计 |
4.1 系统软件设计流程 |
4.2 STM32F103xx的UART接口配置 |
4.2.1 打开时钟 |
4.2.2 GPIO初始化 |
4.2.3 中断优先级的配置 |
4.2.4 配置UART相关属性 |
4.2.5 中断的服务程序的设计 |
4.3 语音编解码驱动设计 |
4.3.1 语音输入(录音)和语音输出框图 |
4.3.2 语音输入(录音)主应用的流程图 |
4.3.3 语音输出主应用的流程图 |
4.3.4 中断流程图 |
4.3.5 主要部分的驱动代码设计 |
4.4 射频模块SX1278的驱动程序设计 |
4.4.1 射频模块的传输方式 |
4.4.2 射频模块收发流程 |
4.4.3 主要部分的驱动代码设计 |
4.5 本章小结 |
第五章 无线通信的实现 |
5.1 433MHz无线技术 |
5.2 LoRa无线通信技术 |
5.2.1 LoRa调制解调器原理 |
5.2.2 LoRa调制解调器配置 |
5.2.3 扩频因子 |
5.2.4 编码率 |
5.2.5 信号带宽 |
5.2.6 LoRa信号带宽BW、符号速率Rs和数据速率DR的关系 |
5.2.7 LoRa进行跳频扩频通信(FHSS)的原理 |
5.2.8 LoRa数据包结构分析及数据传输时间的计算 |
5.2.9 LoRa数据接收和发送流程 |
5.3 射频模块SX1278功能测试 |
5.3.1 定点模式验证 |
5.3.2 广播模式验证 |
5.3.3 模块待机功耗验证 |
5.4 整机的使用与测试 |
5.5 本章小结 |
结论 |
参考文献 |
致谢 |
作者简介 |
(9)码率自适应的深空图像传输系统研究(论文提纲范文)
摘要 |
Abstract |
主要符号表 |
第1章 绪论 |
1.1 课题的研究背景 |
1.2 课题的目的及意义 |
1.3 国内外研究现状及分析 |
1.3.1 深空图像压缩技术的研究现状 |
1.3.2 深空信道编译码技术的研究现状 |
1.3.3 深空通信协议的研究现状 |
1.3.4 码率自适应传输技术的研究现状 |
1.3.5 码率联合优化技术的研究现状 |
1.4 现阶段研究工作存在的问题与不足 |
1.5 本文的主要内容及结构安排 |
第2章 深空探测图像传输系统的整体框架 |
2.1 引言 |
2.2 系统的整体框架 |
2.3 CS图像压缩技术的基本理论 |
2.4 Spinal编译码技术 |
2.4.1 Spinal码编码 |
2.4.2 Spinal码译码 |
2.5 LTP传输协议 |
2.6 本章小结 |
第3章 码率自适应传输方案设计 |
3.1 引言 |
3.2 深空信道模型与CDF分析 |
3.2.1 深空信道模型 |
3.2.2 深空信道下Spinal码译码成功CDF分析 |
3.3 基于上层容删的码率自适应传输方案 |
3.4 基于上层容错的码率自适应传输方案 |
3.4.1 容错传输策略 |
3.4.2 基于上层容错的码率自适应传输方案 |
3.5 基于上层容删容错的码率自适应传输方案 |
3.5.1 容删容错传输策略 |
3.5.2 基于上层容删容错的码率自适应传输方案 |
3.6 本章小结 |
第4章 码率联合优化模型的建立与求解 |
4.1 引言 |
4.2 优化模型的建立 |
4.2.1 基于上层容删的码率联合优化模型 |
4.2.2 基于上层容错的码率联合优化模型 |
4.2.3 基于上层容删容错的码率联合优化模型 |
4.3 模型的优化问题求解 |
4.3.1 仿真场景及参数设置 |
4.3.2 容删容错方案阈值的确定 |
4.3.3 模型的优化问题求解 |
4.4 理论吞吐量计算 |
4.5 码率自适应传输系统的性能评估 |
4.6 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表的论文及其它成果 |
致谢 |
(10)面向压缩自决策的声纳图像质量评测方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及选题意义 |
1.2 国内外研究现状 |
1.2.1 QoE驱动的系统设计与优化 |
1.2.2 图像质量评测 |
1.2.3 算法性能衡量准则 |
1.3 本文主要工作和章节安排 |
1.3.1 本文主要工作 |
1.3.2 章节安排 |
1.4 论文创新性 |
第二章 声纳图像自适应压缩系统 |
2.1 引言 |
2.2 QoE驱动的声纳图像自适应压缩 |
2.2.1 QoE驱动的声纳图像自适应压缩系统概述 |
2.2.2 QoE驱动的声纳图像压缩方案设置与优化 |
2.2.3 QoE驱动的压缩声纳图像接收 |
2.3 基于压缩的声纳图像质量素材库的构建 |
2.3.1 素材选取与处理 |
2.3.2 主观测评方法与实施 |
2.3.3 主观评测质量数据处理 |
2.4 本章小结 |
第三章 基于图像信息提取的全参考声纳图像质量评测 |
3.1 引言 |
3.2 声纳图像信息提取 |
3.2.1 声纳图像统计信息提取 |
3.2.2 声纳图像结构信息提取 |
3.3 信息相似度度量与池化 |
3.3.1 特征相似度度量 |
3.3.2 基于显着性的特征池化 |
3.4 基于二次多项式的图像质量评测模型 |
3.5 算法性能验证和比较分析 |
3.5.1 参数选择与参数敏感性分析 |
3.5.2 算法性能定量比较 |
3.5.3 算法性能定性分析 |
3.6 本章小结 |
第四章 基于图像理解的部分参考声纳图像质量评测 |
4.1 引言 |
4.2 基于部分参考质量评测的声纳图像传输系统 |
4.2.1 系统框架概述 |
4.2.2 参考信息的高鲁棒性嵌入 |
4.2.3 参考信息的特殊保护传输 |
4.3 基于图像理解的声纳图像特征 |
4.3.1 图像理解的影响因素 |
4.3.2 图像理解的决定因素 |
4.4 特征加权融合 |
4.5 算法性能验证与比较分析 |
4.5.1 参数敏感性 |
4.5.2 算法性能定量比较 |
4.5.3 算法性能定性对比与复杂度分析 |
4.6 本章小结 |
第五章 基于退化测量的无参考声纳图像质量评测 |
5.1 引言 |
5.2 图像轮廓信息提取 |
5.2.1 基于图像变换的轮廓信息提取 |
5.2.2 轮廓退化程度度量 |
5.3 基于套袋法的支持向量回归模型 |
5.4 算法性能验证和比较分析 |
5.4.1 对比算法与过拟合分析 |
5.4.2 参数与特征选取 |
5.4.3 算法性能定量比较 |
5.4.4 算法性能定性对比与复杂度分析 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 后续工作展望 |
参考文献 |
攻读博士学位期间取得的科研成果 |
1. 发表期刊论文情况 |
2. 发表会议论文情况 |
3. 授权和公开国家发明专利情况 |
4. 在审论文情况 |
致谢 |
四、一种自适应压缩率的实时语音传输系统的实现(论文参考文献)
- [1]矿井巷道视频信号光纤传输系统研究与Zynq实现[D]. 史峰. 南京信息工程大学, 2021(01)
- [2]基于PHM技术的高铁车载通信装备健康监测智能分析理论与方法的研究[D]. 范家铭. 北京交通大学, 2020
- [3]基于特征信息辅助的语音压缩传输与重构[D]. 万东琴. 西华大学, 2020(01)
- [4]智能电网海量数据轻型化方法研究[D]. 周学斌. 武汉大学, 2020(03)
- [5]电梯通话语音压缩以及传输系统研究[D]. 黄孝圣. 杭州电子科技大学, 2019(01)
- [6]基于压缩感知的无线体域网心电监测信号重建与实时诊断算法研究[D]. 刘哲. 上海交通大学, 2018(01)
- [7]一种自适应压缩率的实时语音传输系统的实现[J]. 董文涛,段新涛,秦晓凌,张文龙. 计算机工程, 2004(01)
- [8]基于ARM平台的语音编解码算法分析及其在无线传输系统的设计与实现[D]. 王峰. 西安电子科技大学, 2019(02)
- [9]码率自适应的深空图像传输系统研究[D]. 李冬青. 哈尔滨工业大学, 2019(02)
- [10]面向压缩自决策的声纳图像质量评测方法研究[D]. 陈炜玲. 厦门大学, 2018(06)