项目名称: 用框架理论处理信号传输中数据丢失问题的研究

项目编号: No.11271001

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 数理科学和化学

项目作者: 冷劲松

作者单位: 电子科技大学

项目金额: 60万元

中文摘要: 信号经编码、量化后,在传输过程中,例如在有多个中继站的网络传输系统的传输过程中,由于线路的传输容量、缓冲器溢出等因素的影响,数据丢失在所难免,从而使接受端的重构信号与原信号产生误差。采用合理的编码系统可以有效地减少这种重构误差。框架由于具有冗余性,使其在构造的灵活性和减少重构误差等方面优于基,因此对线性编码而言,框架正代替基成为现代传输系统普遍使用的编码工具。本项目拟通过对框架特性的研究,提供前人未曾得到的处理数据和数据包丢失的最优线性编码系统,使数据丢失重构误差达到最小,同时研究噪音导致的误差的最小化问题。建立数据概率丢失的误差模型,研究使这种误差达到最小的最优框架及其对偶以提供最优线性编码器和解码器。研究在编码器选定时,如何得到基于数据概率丢失误差模型的最优解码器。研究融合框架性质,提供具体的构造算法,为处理数据包丢失问题提供最优编码系统。开发相关的实用软件和具体的信号传输系统的成品。

中文关键词: 框架;对偶框架;融合框架;编码器;解码器

英文摘要: In the transmission process of signals such as the procedure in some communication networks with few relay stations, some coefficients of encoded and quantified data may unavoidably get lost due to the capacity of the transmission channel, buffer overflow, etc. The erasures result in the differences between the original signals and the reconstructed signals which are called erasure errors. A good coder can work efficiently to reduce the errors. The advantages of redundancy of frames are the variety of frames that exist and the ability to reduce the erasure errors comparing with bases. So frames have been widely used as linear coders in the modern communication systems in stead of bases. In this proposal, we will study the properties of frames to provide new optimal linear coders for data erasures and data packet erasures to minimize the erasure errors while minimizing the noise errors will be considered. We will set up a probability error model under which we will study the probability optimal frames and their duals to provide optimal linear encoders and decoders to minimize the probability erasure errors. We will research the optimal dual frame as decoder for a given frame as encoder based on the new probability error model. We will study the characteristics of fusion frames and give the constructing algorithms

英文关键词: frame;dual frame;fusion frame;encoder;decoder

成为VIP会员查看完整内容
0

相关内容

【WWW2022】互信息压缩的紧凑图结构学习
专知会员服务
32+阅读 · 2022年1月17日
【干货书】概率与信息,一种集成方法,291页pdf
专知会员服务
60+阅读 · 2021年9月1日
专知会员服务
48+阅读 · 2021年8月29日
专知会员服务
35+阅读 · 2021年5月10日
《多任务学习》最新综述论文,20页pdf
专知会员服务
123+阅读 · 2021年4月6日
最新《非凸优化理论》进展书册,79页pdf
专知会员服务
108+阅读 · 2020年12月18日
【斯坦福经典书】统计学稀疏性:Lasso与泛化性,362页pdf
专知会员服务
35+阅读 · 2020年11月15日
大规模时间序列分析框架的研究与实现,计算机学报
专知会员服务
58+阅读 · 2020年7月13日
我的信号是由核辐射传输的,金属屏蔽都挡不住
机器之心
0+阅读 · 2021年11月24日
TSDB时序数据库时序数据压缩解压技术浅析
阿里技术
2+阅读 · 2021年9月26日
【学界】DeepMind论文:深度压缩感知,新框架提升GAN性能
GAN生成式对抗网络
14+阅读 · 2019年5月23日
目标检测小tricks之样本不均衡处理
PaperWeekly
49+阅读 · 2019年4月5日
深度学习之视频图像压缩
论智
13+阅读 · 2018年6月15日
如何设计基于深度学习的图像压缩算法
论智
40+阅读 · 2018年4月26日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月18日
Challenges for Open-domain Targeted Sentiment Analysis
Arxiv
19+阅读 · 2020年12月23日
Arxiv
31+阅读 · 2020年9月21日
小贴士
相关主题
相关VIP内容
【WWW2022】互信息压缩的紧凑图结构学习
专知会员服务
32+阅读 · 2022年1月17日
【干货书】概率与信息,一种集成方法,291页pdf
专知会员服务
60+阅读 · 2021年9月1日
专知会员服务
48+阅读 · 2021年8月29日
专知会员服务
35+阅读 · 2021年5月10日
《多任务学习》最新综述论文,20页pdf
专知会员服务
123+阅读 · 2021年4月6日
最新《非凸优化理论》进展书册,79页pdf
专知会员服务
108+阅读 · 2020年12月18日
【斯坦福经典书】统计学稀疏性:Lasso与泛化性,362页pdf
专知会员服务
35+阅读 · 2020年11月15日
大规模时间序列分析框架的研究与实现,计算机学报
专知会员服务
58+阅读 · 2020年7月13日
相关资讯
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员