高级搜索

基于边信息改进的分布式信源编码方案

陈建华 和志圆 王炯

引用本文: 陈建华, 和志圆, 王炯. 基于边信息改进的分布式信源编码方案[J]. 电子与信息学报, doi: 10.11999/JEIT190522 shu
Citation:  Jianhua CHEN, Zhiyuan HE, Jiong WANG. Distributed Source Coding Using Improved Side Information[J]. Journal of Electronics and Information Technology, doi: 10.11999/JEIT190522 shu

基于边信息改进的分布式信源编码方案

    作者简介: 陈建华: 男,1964年生,教授,博士生导师,研究方向为信息传输理论与应用;
    和志圆: 男,1994年生,硕士生,研究方向为分布式信源编码;
    王炯: 女,1994年生,硕士生,研究方向为Context建模
    通讯作者: 陈建华,chenjh@ynu.edu.cn
  • 基金项目: 国家自然科学基金(61861045)

摘要: 针对现有的非对称分布式信源编码(DSC)方案均存在的在误比特率(BER)以及压缩率方面的不足,该文提出基于改进边信息的DSC(DSCUISI)方案。发送方对信源序列进行抽样,将序列分为抽样与未抽样子序列,利用算术编码器对未抽样子序列进行压缩,同时计算抽样子序列的伴随式。接收方利用边信息序列与未抽样子序列之间的相关性,对抽样符号进行估计,估计出的序列与原始抽样子序列的相关性得到改进。最后利用原始抽样子序列的伴随式与估计出的序列进行联合译码以重建原始抽样子序列。实验结果表明:与基于低密度奇偶校验码和算术码的DSC方案相比,该文所提方案在信源内部相关性较强时具有压缩率高、在信源间相关度不高时则有重建错误率低的特点,是一种高效、实用且易于实现的DSC方案。

English

    1. [1]

      YANG Hong, QING Linbo, HE Xiaohai, et al. Robust distributed video coding for wireless multimedia sensor networks[J]. Multimedia Tools and Applications, 2018, 77(4): 4453–4475. doi: 10.1007/s11042-016-4245-x

    2. [2]

      YANG Jia, QING Linbo, ZENG Wenjun, et al. High-order statistical modeling based on a decision tree for distributed video coding[J]. IEEE Transactions on Circuits and Systems for Video Technology, 2019, 29(5): 1488–1502. doi: 10.1109/TCSVT.2018.2840126

    3. [3]

      HAGAG A, FAN Xiaopeng, and EL-SAMIE F E A. Hyperspectral image coding and transmission scheme based on wavelet transform and distributed source coding[J]. Multimedia Tools and Applications, 2017, 76(22): 23757–23776. doi: 10.1007/s11042-016-4158-8

    4. [4]

      SLEPIAN D and WOLF J K. Noiseless coding of correlated information sources[J]. IEEE Transactions on Information Theory, 1973, 19(4): 471–480. doi: 10.1109/TIT.1973.1055037

    5. [5]

      洪少华, 王琳. 基于原模图LDPC码的分布式联合信源信道编码[J]. 电子与信息学报, 2017, 39(11): 2594–2599. doi: 10.11999/JEIT170113
      HONG Shaohua and WANG Lin. Protograph LDPC based distributed joint source channel coding[J]. Journal of Electronics &Information Technology, 2017, 39(11): 2594–2599. doi: 10.11999/JEIT170113

    6. [6]

      PRADHAN S S and RAMCHANDRAN K. Distributed Source Coding Using Syndromes (DISCUS): Design and construction[J]. IEEE Transactions on Information Theory, 2003, 49(3): 626–643. doi: 10.1109/TIT.2002.808103

    7. [7]

      GARCIA-FRIAS J. Compression of correlated binary sources using turbo codes[J]. IEEE Communications Letters, 2001, 5(10): 417–419. doi: 10.1109/4234.957380

    8. [8]

      LIVERIS A D, XIONG Zixiang, and GEORGHIADES C N. Compression of binary sources with side information at the decoder using LDPC codes[J]. IEEE Communications Letters, 2002, 6(10): 440–442. doi: 10.1109/LCOMM.2002.804244

    9. [9]

      JIN Liqiang, YANG Pei, and YANG Hongwen. Distributed joint source-channel decoding using systematic polar codes[J]. IEEE Communications Letters, 2018, 22(1): 49–52. doi: 10.1109/LCOMM.2017.2768036

    10. [10]

      GRANGETTO M, MAGLI E, and OLMO G. Distributed arithmetic coding[J]. IEEE Communications Letters, 2007, 11(11): 883–885. doi: 10.1109/LCOMM.2007.071172

    11. [11]

      GRANGETTO M, MAGLI E, and OLMO G. Distributed arithmetic coding for the Slepian-Wolf problem[J]. IEEE Transactions on Signal Processing, 2009, 57(6): 2245–2257. doi: 10.1109/TSP.2009.2014280

    12. [12]

      MALINOWSKI S, ARTIGAS X, GUILLEMOT C, et al. Distributed coding using punctured quasi-arithmetic codes for memory and memoryless sources[J]. IEEE Transactions on Signal Processing, 2009, 57(10): 4154–4158. doi: 10.1109/TSP.2009.2023359

    13. [13]

      CAO Ying, SUN Lijuan, HAN Chong, et al. Improved side information generation algorithm based on naive Bayesian theory for distributed video coding[J]. IET Image Processing, 2018, 12(3): 354–360. doi: 10.1049/iet-ipr.2017.0892

    14. [14]

      DASH B, RUP S, MOHAPATRA A, et al. Decoder driven side information generation using ensemble of MLP networks for distributed video coding[J]. Multimedia Tools and Applications, 2018, 77(12): 15221–15250. doi: 10.1007/s11042-017-5103-1

    15. [15]

      VARODAYAN D, LIN Y C, GIROD B, et al. Adaptive distributed source coding[J]. IEEE Transactions on Image Processing, 2012, 21(5): 2630–2640. doi: 10.1109/TIP.2011.2175936

    16. [16]

      罗瑜, 张珍珍. 一种方向插值预测变长编码的帧存有损压缩算法[J]. 电子与信息学报, 2019, 41(10): 2495–2500. doi: 10.11999/JEIT181195
      LUO Yu and ZHANG Zhenzhen. A Lossy Frame memory compression algorithm using directional interpolation prediction variable length coding[J]. Journal of Electronics &Information Technology, 2019, 41(10): 2495–2500. doi: 10.11999/JEIT181195

    17. [17]

      WEISSMAN T, ORDENTLICH E, SEROUSSI G, et al. Universal discrete denoising: Known channel[J]. IEEE Transactions on Information Theory, 2005, 51(1): 5–28. doi: 10.1109/TIT.2004.839518

    1. [1]

      崔维嘉, 代正亮, 巴斌, 鲁航. 基于互相关抽样分解的分布式非圆信号DOA快速估计. 电子与信息学报,

    2. [2]

      杨春玲, 马力. 基于多假设运动补偿去噪的迭代边信息改进算法. 电子与信息学报,

    3. [3]

      秦智超, 周正, 赵小川. 一种分簇无线传感器网络中的分布式信源编码算法. 电子与信息学报,

    4. [4]

      程永强, 郑婷一, 郝润芳. 一种基于Wyner-Ziv结构的贝尔模板图像编码方法. 电子与信息学报,

    5. [5]

      宋娟, 吴成柯, 张静, 刘海英. 基于分类和陪集码的高光谱图像无损压缩. 电子与信息学报,

    6. [6]

      涂国防, 王业奎. 自适应多值量化的亚抽样块截断编码. 电子与信息学报,

    7. [7]

      洪少华, 王琳. 基于原模图LDPC码的分布式联合信源信道编码. 电子与信息学报,

    8. [8]

      王大鸣, 任衍青, 逯志宇, 巴斌. 分布式信源数据域直接位置估计方法. 电子与信息学报,

    9. [9]

      伊鹏, 钱坤, 黄万伟, 王晶, 张震. 基于抽样流长与完全抽样阈值的异常流自适应抽样算法. 电子与信息学报,

    10. [10]

      王长城, 戚国庆, 李银伢, 盛安冬. 量化状态信息下多智能体Gossip算法及分布式优化. 电子与信息学报,

    11. [11]

      葛泉波, 文成林. 多传感器网络系统基于无序估计的分布式信息融合. 电子与信息学报,

    12. [12]

      李涛, 冯大政, 夏宇垠. 基于EM算法和信息论准则的分布式目标检测算法. 电子与信息学报,

    13. [13]

      陈学佺, 史杏荣, 王传初, 尹东. 分布式智能地理信息系统(DKGTS). 电子与信息学报,

    14. [14]

      孔博, 张更新, 张威, 程磊. 空间信息网络中基于LT码的分布式存储策略. 电子与信息学报,

    15. [15]

      韦安明, 王洪波, 林宇, 程时端. 改进的资源限制流抽样算法. 电子与信息学报,

    16. [16]

      张建康, 保铮, 焦李成. M带Walter子波抽样定理. 电子与信息学报,

    17. [17]

      杨宁, 田辉, 黄平, 张平. 基于博弈理论的无线传感器网络分布式节能路由算法. 电子与信息学报,

    18. [18]

      韩英华, 汪晋宽, 宋昕. 相干分布式信源二维波达方向估计算法. 电子与信息学报,

    19. [19]

      程增飞, 赵永波, 水鹏朗, 徐保庆. 基于稀疏表示的不相关分布式信源参数估计算法. 电子与信息学报,

    20. [20]

      程正东, 樊祥, 章毓晋. 基于图像抽样重组的2维核鉴别分析. 电子与信息学报,

  • 图 1  DSCUISI方案以及抽样过程

    图 2  信源输出序列与SI序列相关性的变化

    图 3  条件点为被抽取点的解决方法

    图 4  文献[8]和文献[11]与DSCUISI的BER对比

    图 5  解码图像质量实验

    表 1  概率统计算法

     输入:X and Y
     Initialize count(00000)=1,…,count(11111)=1
      Set i = 2 num=1
     while (i<=N-1) do
     if (i+1 mod k) = 0
      count(X[i-1] 0 Y[i-1] Y[i+1] Y[i])++
      count(X[i-1] 1 Y[i-1] Y[i+1] Y[i])++
     else if (i mod k) = 0
      continue
     else if (i-1 mod k) = 0
      count(0 X[i+1] Y[i-1] Y[i+1] Y[i])++
      count(1 X[i+1] Y[i-1] Y[i+1] Y[i])++
     else
        count(X[i-1] X[i+1] Y[i-1] Y[i+1] Y[i])++
     end if
      end while
      for num<=32
        calculating probability using count
      end for
     输出:probability distribution
    下载: 导出CSV

    表 2  压缩率(码率)对比结果

    Peppersp=0.0775, H(X|Y)=0.3925p=0.10759, H(X|Y)=0.4918
    文献[8]BER : LDPC=0.0193; ILDPC=0文献[8]BER : LDPC=0.1073; ILDPC=0.1158
    文献[11]: Rate=0.474487, BER=0.038486文献[11]: Rate=0.474487, BER=0.150906
    CDSCUISI方案的码率, k=3, k=4, k=6
    00.7000400.7278500.754701
    10.2982850.2745570.260146
    30.2171240.2034600.216251
    Lenap=0.076714, H(X|Y)=0.3808p=0.098148, H(X|Y)=0.4516
    文献[8]BER : LDPC=0.0076; ILDPC=0文献[8]BER : LDPC=0.0919; ILDPC=0.0625
    文献[11]: Rate=0.547241, BER=0.004826文献[11]: Rate=0.547241, BER=0.043842
    CDSCUISI方案的码率,k=3, k=4, k=6
    00.6214540.618760.638811
    10.2821160.2557480.238359
    30.2204300.2013500.212461
    Planep=0.080215, H(X|Y)=0.3277p=0.11145, H(X|Y)=0.4048
    文献[8]BER : LDPC=0.0290; ILDPC=0文献[8]BER : LDPC=0.1138; ILDPC=0.1238
    文献[11]: Rate=0.449249, BER=0.102680文献[11]: Rate=0.449249, BER=0.148754
    CDSCUISI方案的码率,k=3, k=4, k=6
    00.5766430.5936500.608581
    10.2969490.2792320.259157
    30.2083560.2055000.210581
    Boatsp=0.076576, H(X|Y)=0.3644p=0.101559, H(X|Y)=0.4403
    文献[8]BER : LDPC=0.0135; ILDPC=0文献[8]BER : LDPC=0.0972; ILDPC=0.0899
    文献[11]: Rate=0.488861, BER=0.073799文献[11]: Rate=0.488861, BER=0.145199
    CDSCUISI方案的码率,k=3, k=4, k=6
    00.6522940.6781240.700619
    10.3455310.3212380.306967
    30.2484420.2460970.254241
    Woman2p=0.073326, H(X|Y)=0.3630p=0.102539, H(X|Y)=0.4561
    文献[8]BER : LDPC=0.0029; ILDPC=0文献[8]BER : LDPC=0.0996; ILDPC=0.1006
    文献[11]: Rate=0.523987, BER=0.009167文献[11]: Rate=0.523987, BER=0.075237
    CDSCUISI方案的码率,k=3, k=4, k=6
    00.5828230.5976510.608176
    10.2304680.2021290.179202
    30.1742810.1546350.150198
    下载: 导出CSV
  • 加载中
图(5)表(2)
计量
  • PDF下载量:  12
  • 文章访问数:  441
  • HTML全文浏览量:  286
文章相关
  • 通讯作者:  陈建华, chenjh@ynu.edu.cn
  • 收稿日期:  2019-07-11
  • 录用日期:  2020-03-17
  • 网络出版日期:  2020-04-15
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

/

返回文章