基于假設(shè)集合設(shè)計(jì)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(hào)，采樣頻率應(yīng)不小于模擬信號(hào)頻譜中最高頻率的2倍，也稱(chēng)為采樣定理[1]。然而，在一些編碼端資源(如能量、存儲(chǔ)設(shè)備等等)有限的場(chǎng)景下，以頻譜最高頻率的2倍采樣是難以實(shí)現(xiàn)或持續(xù)的。壓縮感知(Compressed sensing簡(jiǎn)稱(chēng)CS)理論的提出突破了奈奎斯特采樣速率的限制，將對(duì)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(jiǎn)單等特點(diǎn)使其非常適合用于編

2、碼端資源受限的應(yīng)用場(chǎng)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(jiǎn)稱(chēng)CVS)。無(wú)論是從計(jì)算復(fù)雜度還是數(shù)據(jù)量方面來(lái)說(shuō)，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(duì)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(duì)編碼端的儲(chǔ)存設(shè)備，計(jì)算開(kāi)銷(xiāo)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(wú)線網(wǎng)

3、絡(luò)的底層一些能量有限的結(jié)點(diǎn)中實(shí)現(xiàn)也是很困難的。
　　本文通過(guò)提出的假設(shè)集合更新算法(Hypothesis set update,簡(jiǎn)稱(chēng) HSU)和動(dòng)態(tài)參考幀選擇算法(Dynamic reference select,簡(jiǎn)稱(chēng) DRS)，對(duì)現(xiàn)有的基于多假設(shè)預(yù)測(cè)的基于壓縮感知的分布式視頻編解碼技術(shù)(Distribute Compressed Video Sensing，簡(jiǎn)稱(chēng)DCVS)進(jìn)行改進(jìn)。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(duì)原預(yù)測(cè)集合的進(jìn)行更新。用擴(kuò)展預(yù)測(cè)集中的與目標(biāo)塊相關(guān)性更高的預(yù)測(cè)替換原預(yù)測(cè)集中相關(guān)性低的預(yù)測(cè)。從而使得目標(biāo)塊在預(yù)測(cè)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(jìn)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(guò)為當(dāng)前幀選則更合適的參考幀來(lái)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(cè)集更新和參考幀選擇的分布式編解碼系統(tǒng)(