基于假設(shè)集合設(shè)計分布式壓縮感知算法研究.pdf

1、1924年奈奎斯特推導(dǎo)出在理想低通信道的最高碼元傳輸速率。即為了不失真地恢復(fù)模擬信號，采樣頻率應(yīng)不小于模擬信號頻譜中最高頻率的2倍，也稱為采樣定理[1]。然而，在一些編碼端資源(如能量、存儲設(shè)備等等)有限的場景下，以頻譜最高頻率的2倍采樣是難以實現(xiàn)或持續(xù)的。壓縮感知(Compressed sensing簡稱CS)理論的提出突破了奈奎斯特采樣速率的限制，將對數(shù)據(jù)的采樣和壓縮一步完成。CS所具有的壓縮效率高，操作簡單等特點使其非常適合用于編

2、碼端資源受限的應(yīng)用場景。隨后，將壓縮感知與視頻編解碼相結(jié)合提出了壓縮視頻感知(Compressed video sensing簡稱CVS)。無論是從計算復(fù)雜度還是數(shù)據(jù)量方面來說，都大大降低了編碼端的負(fù)擔(dān)。
　　盡管基于壓縮感知的視頻方案取得了大量的研究成果，但對于低采樣率的的重構(gòu)性能依然不夠理想。雖然較高的采樣率可以得到優(yōu)異的重構(gòu)性能，但這對編碼端的儲存設(shè)備，計算開銷的資源造成了較大的負(fù)擔(dān)。這有違使用壓縮感知理論的初衷，并在無線網(wǎng)

3、絡(luò)的底層一些能量有限的結(jié)點中實現(xiàn)也是很困難的。
　　本文通過提出的假設(shè)集合更新算法(Hypothesis set update,簡稱 HSU)和動態(tài)參考幀選擇算法(Dynamic reference select,簡稱 DRS)，對現(xiàn)有的基于多假設(shè)預(yù)測的基于壓縮感知的分布式視頻編解碼技術(shù)(Distribute Compressed Video Sensing，簡稱DCVS)進行改進。在不增加編碼端復(fù)雜度的情況下，使得視頻的重構(gòu)質(zhì)量

4、得到改善。其中假設(shè)集合更新算法，借鑒構(gòu)造字典的方法，對原預(yù)測集合的進行更新。用擴展預(yù)測集中的與目標(biāo)塊相關(guān)性更高的預(yù)測替換原預(yù)測集中相關(guān)性低的預(yù)測。從而使得目標(biāo)塊在預(yù)測集的表示下獲得更好的稀疏性，更加充分的利用了幀內(nèi)的空間相關(guān)性，進而提高重構(gòu)質(zhì)量。參考幀選擇算法在二次重構(gòu)的基礎(chǔ)上通過為當(dāng)前幀選則更合適的參考幀來更加充分的利用幀間的相關(guān)性，提高重構(gòu)的質(zhì)量。仿真結(jié)果表明，在低采樣率的情況下，提出的基于預(yù)測集更新和參考幀選擇的分布式編解碼系統(tǒng)(