项目名称: 应用于无线传感器网络的低时延分布式信源编码及延伸性研究

项目编号: No.61301181

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 无线电电子学、电信技术

项目作者: 陈雪晨

作者单位: 中山大学

项目金额: 24万元

中文摘要: 无线传感器网络广泛用于各行各业,比如军情检测,灾害控制,大型工业园区的环境检测等等。在这些场合中,1)常常会有很高的时延要求,2)鉴于传感器构造往往简单,希望各传感器节点处的编码过程简单,对记忆空间的要求较低,3)由于带宽和能量的限制,希望传感器网络中的通信仅存在各传感器和中央节点之间,由中央节点利用各信源的空间相关性联合解码。基于以上需求,申请人提出研究低时延分布式编码,即低维度量化器+低source block长度的编码,以标量量化器+标量编码为例,提出从图论的角度去设计编码机制。在此基础上做一系列延伸性研究,包括针对不稳定网络质量的具有鲁棒性的分布式容错编码方法的设计,针对多端通信的低时延联合信源信道编码的研究,针对有记忆信源的低时延分布式最优预测滤波器,最优变换编码和比特分配算法的设计。申请人还将搭建真实的无线传感器网络实验平台以验证以上理论结果的优越性。

中文关键词: 网络信息论;联合信源信道编码;零时延;边信息量;高斯互干扰信道

英文摘要: Wireless sensor netwroks have the potential to deliver significnat new capabilities in various applications ranging from enviromental health and safety to homeland security. However, these networks are severely constrained by bandwidth and power. In this project, the PI will conduct theoretical and experiemtal research to develop efficient data processing/compression techniques to reduce sensor communication, which, in turn, will result in lower bandwidth and power requirements and longer battery life. Unlike the recent methods based on turbo and low density parity check(LDPC) coding, the distributed source coding methods to be developed in this project will introduce a very low delay, and therefore, be more applicabel in scenarios involing delay-sensitive information, e.g., where some action must be taken in real time in response to a detected anomaly.This will be achieved through low source block length coding, for example, scalar quantizer+scalar coding. Significant effort will be made to develop effective coding scheme borrowing the idea from bipartite graph coloring. And the PI would extend the methodology for protection againist channel noise, channel loss, and unreliable sensors that either measure the data incorrectly or fail to function completely.The PI would also investigate low delay joint source cha

英文关键词: network information theory;joint source channel coding;zero delay;side information;Gaussian interference channel

成为VIP会员查看完整内容
0

相关内容

《零功耗通信》未来移动通信论坛
专知会员服务
16+阅读 · 2022年4月15日
基于 5G 通信技术的无人机立体覆盖网络白皮书
专知会员服务
60+阅读 · 2022年3月20日
【ICLR2022】通过传播网络编码学习通用的神经结构
专知会员服务
12+阅读 · 2022年2月13日
【博士论文】集群系统中的网络流调度
专知会员服务
42+阅读 · 2021年12月7日
专知会员服务
12+阅读 · 2021年9月13日
专知会员服务
14+阅读 · 2021年3月26日
专知会员服务
45+阅读 · 2020年11月13日
【博士论文】集群系统中的网络流调度
专知
4+阅读 · 2021年12月7日
深度学习模型压缩算法综述
极市平台
1+阅读 · 2021年12月3日
实践教程 | 卷积神经网络压缩方法总结
极市平台
0+阅读 · 2021年10月22日
招聘平面设计实习生
微软研究院AI头条
0+阅读 · 2021年5月20日
【泡泡点云时空】完美配准:具有平滑密度的3D点云配准
泡泡机器人SLAM
61+阅读 · 2019年5月16日
深度学习之视频图像压缩
论智
13+阅读 · 2018年6月15日
一文读懂图像压缩算法
七月在线实验室
15+阅读 · 2018年5月2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 · 2013年12月31日
国家自然科学基金
4+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 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月17日
Talking-Heads Attention
Arxiv
15+阅读 · 2020年3月5日
AdarGCN: Adaptive Aggregation GCN for Few-Shot Learning
小贴士
相关VIP内容
相关资讯
【博士论文】集群系统中的网络流调度
专知
4+阅读 · 2021年12月7日
深度学习模型压缩算法综述
极市平台
1+阅读 · 2021年12月3日
实践教程 | 卷积神经网络压缩方法总结
极市平台
0+阅读 · 2021年10月22日
招聘平面设计实习生
微软研究院AI头条
0+阅读 · 2021年5月20日
【泡泡点云时空】完美配准:具有平滑密度的3D点云配准
泡泡机器人SLAM
61+阅读 · 2019年5月16日
深度学习之视频图像压缩
论智
13+阅读 · 2018年6月15日
一文读懂图像压缩算法
七月在线实验室
15+阅读 · 2018年5月2日
相关基金
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 · 2013年12月31日
国家自然科学基金
4+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 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员