WMSN中基于CS的分布式视频编码及其传输策略的研究-电子与通信工程专业论文.docxVIP

万方数据 万方数据 南京邮电大学学位论文原创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。 尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过 的研究成果，也不包含为获得南京邮电大学或其它教育机构的学位或证书而使用过的材料。 与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 本人学位论文及涉及相关资料若有不实，愿意承担一切相关的法律责任。 研究生签名： 日期： 南京邮电大学学位论文使用授权声明 本人授权南京邮电大学可以保留并向国家有关部门或机构送交论文的复印件和电子文 档；允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据库进行检索； 可以采用影印、缩印或扫描等复制手段保存、汇编本学位论文。本文电子文档的内容和纸质 论文的内容相一致。论文的公布（包括刊登）授权南京邮电大学研究生院办理。 涉密学位论文在解密后适用本授权书。 研究生签名： 导师签名： 日期： 摘要 压缩感知打破了奈奎斯特采样定理的采样率必须高于信号最高频率 2 倍以上的要求，将 采样和压缩合并处理，大幅度地降低了采样率。基于压缩感知的分布式编码采用“独立编码， 联合解码”的方案，将运算量从编码端转移到解码端，这一特点满足了传感器网络节点低复杂 度和低功耗的要求。随着无线多媒体传感器网络的发展，基于压缩感知的分布式视频编码理 论成为学术界和工程界的研究热点。 本文介绍了压缩感知的基本理论知识，以及目前压缩感知的几个研究热点问题：稀疏表 示、观测矩阵和重建算法。重点讨论了基于压缩感知的分布式视频编码框架，以及压缩感知 视频流在无线信道的优化传输，并分析了量化矩阵对视频重建质量的影响，构造了适合压缩 感知视频信号的量化矩阵。主要研究内容和创新点如下： （1）在分析压缩感知图像系数的分布特征的基础上，提出了一种适合压缩感知视频编码 的自适应量化矩阵。与传统的均匀量化和 H.264 标准的量化矩阵比较，采用自适应量化矩阵 后，视频的重建质量更好；与 Lloyd 量化矩阵相比，重建质量相当，但是生成自适应量化矩 阵的计算量远远小于 Lloyd 量化矩阵。 （2）分析了信道噪声对压缩感知视频编码重建质量的影响，针对不同的信道质量下提出 动态码率控制方案。动态码率控制能够根据图像细节分布不同，动态调整各块的测量率，均 衡各块的重建质量。在重建图像失真度较大时，通过反馈信道调整编码端的测量率，以增加 数据量的方式抵抗信道误码带来的影响。 关键词: 压缩感知，分布式视频编码，传感器网络，量化矩阵，码率控制 I Abstract Compressed sensing breaks Nyquist–Shannon sampling theorem, reduces the sampling rate greatly by combining compression with sampling. Distributed compressive sensing transfers computation complexity from the encode side to the decode side. This feature meets the requirements of low complexity and low computation in wireless multimedia sensor network. With the rapid development of wireless multimedia sensor network, distributed compressive video sensing becomes research hotspots in academia and Engineering. This paper introduces the basic theoretical knowledge of compressed sensing and some research hotspots, including sparse representation, measurement matrix and reconstruction algorithms. This paper focuses on the frame of distributed compressive sensing and optimized transmission of compressed sensing video stream in wireless channel. This paper studies the effe