基于QM算术编码器改进的静态图像压缩算法

传统的图像压缩(SPIHT)算法有较高的压缩码率,但生成的码流仍需要再次编码,实际使用中需要通过一个自适应的算术编码器才能生成最终的码流,以消除二进制码流中的冗余,得到更高的编码效率.QM算术编码器是一种简单和快速的高效算术编码器,它使用定点算法,限制输入符号是单一的,用近似来代替乘法.结果表明,采用QM算术编码器得到的编码码流压缩效率更高,能适应自适应编码和高压缩比的需求.     

基于上下文的自适应二进制算术编码研究

针对视频编码标准H.264中基于上下文的自适应二进制算术编码(CABAC)的复杂度高和存储空间大的问题，提出了一种简化的编码器模型.在对CABAC熵编码器进行理论分析后，给出了CABAC的编码效率公式，进而推导出不同概率时的理论最优量化点集合；通过调整CABAC中消除乘法运算的编码器的区间精度和倍乘系数，研究了这些参数和量化点集合对CABAC的编码效率和存储空间的影响，获得了该种简化模型，并利用此编码模型对不同特性的图像序列进行测试.仿真结果表明，该模型能够在编码效率降低不多的情况下，大大降低复杂度和存储空间，适用于对存储空间要求较高的视频通信.     

一个快速的二值分组算术编码器

原有的分组算术编码算法在区间再分割中需要进行耗时的算术运算,为克服这一不足,提出了一个快速高效、无乘法的二值分组算术编码算法.该算法采用简单的查表法来完成区间再分割中的计算关键性运算.通过采用概率量化和改进的重正化方法,显著地降低了查找表的大小,从而给出了一个实用的算术编码方案.仿真结果表明,该编码器的性能比一些常用的快速编码器更接近于源编码理论的理论下限.     

基于JPEG2000标准的MQ算术编码器的硬件实现方案

在新一代静止图像压缩标准JPEG2000中，提高图像压缩性能的关键技术之一就是采用基于上下文的自适应算术编码技术。依据JPEG2000标准中算术编码器的基本内容，设计一种适合FPGA实现的MQ算术编码器的硬件结构，并采用Altera公司的FPGA进行仿真验证和综合。     

公交专用道条件下公交车辆轨迹的Seq2Seq预测

即使在公交专用道条件下，因受前方车辆、站台通行能力、行人过街等因素影响，由路段上游到下游停车线持续一定时长的公交车辆轨迹仍然表现出较强的不确定性. 简单场景下的单一目标时间序列模型难以有效应对不确定性对公交车辆轨迹预测的影响. 针对上述问题，提出将车辆通过路段的整体轨迹表示为由多个相对简单的局部时间序列顺序组成的高维时间序列，应用循环神经网络的单层和多层循环编码器-解码器结构建立高维时间序列中局部序列和整体序列的映射关系，从当前时段轨迹序列开始依次循环预测每个局部序列直到获得未来时段的整体序列. 在实验验证中，采用杭州市文三路公交线路的实测GPS轨迹数据对2种结构进行训练和测试. 结果表明，所提方法优于现有流行的多步循环序列到序列方法，其中多层结构预测结果和复杂场景的泛化性能均优于单层结构.     

一种用于贝尔模板图像压缩的算术编码器

针对贝尔模板图像的预测编码问题,设计了一种高效的自适应算术编码器.通常,贝尔模板图像的预测误差满足拉普拉斯分布,为了降低估计预测误差概率的计算复杂度,按照最小均方误差准则对预测误差进行了分类量化,并建立了相应的概率查找表,概率值仅需要保留3位有效值.实验结果表明：提出的算术编码器比Golomb熵编码方法具有更高的效率.     

一种基于算术编码的文本数据压缩算法

提出了一种基于算术编码的文本数据压缩算法,将扫描产生的偏移量、匹配数据长度等全局优化问题转化为局部优化问题,并从Glomb编码思路出发,推导出一种参数选择算法;对LZ77算法进行修正,提出一种预测编码方法,获得预测参数。对预测参数、偏移量、数据匹配长度、保留文本数据使用MQ算术编码器进行编码,针对不同类型数据,设计出不同的编码算法和相应的上下文算法。对算法进行仿真,并与Winzip、WinRar压缩效率进行比较,结果表明对纯文本数据、Word文档数据、C语言程序代码,图像数据等,该压缩算法优于Winzip;在纯文本数据、Word文档数据、C语言程序代码压缩方面与WinRar相当或者略好,但在图像压缩方面的性能与WinRar相比略有不足。     

基于DSP平台的H.264编码与网络传输的实时实现

针对H.264编码器计算复杂度高的问题,结合TMS320DM642芯片的具体特点,从算法、数据传输、内存和Cache的使用以及线性汇编等几个方面提出了优化实现方案,最终在DSP平台上实时实现了H.264基本档次编码器.实验结果表明,对于CIF格式的视频序列,优化后的H.264编码器可以达到24帧/s以上的编码速度,可以满足实时编码要求.基于优化后的H.264编码器,在实时操作系统DSP/BIOS上实现了视频数据的实时采集、编码以及网络传输等功能,证明了提出的优化方案具有实用价值.     

基于卷积自编码器的地震数据处理

引入以深度学习为代表的数据驱动方法,加速地震数据的处理流程,获得更精确的地下介质信息. 卷积自编码器方法在地震数据压缩降维的同时,利用数据的空间局部相关性自动提取信号特征,避免数学物理模型的假设依赖. 通过设计不同地质模型的地下速度结构,利用波动方程正演模拟构建大量不同特征的地震数据训练集和测试集. 与模型驱动的地震随机噪声压制和地震道插值方法不同,数据驱动下的卷积自编码器方法能够从含随机噪声地震数据和地震道缺失数据中,直接识别和提取出其中的有效地震信号,从而压制随机噪声以及重建原始地震数据,实验结果验证了该方法的有效性. 卷积自编码器方法不需要人工阈值控制,具有更高的处理效率.     

基于相量测量的状态估计攻击检测方法

针对电力系统中基于相量测量技术状态估计的虚假数据注入攻击难以被成功检测的问题,本文提出一种面向电力系统线性状态估计的攻击智能检测方法.采用自编码器对电网测量数据进行多次特征提取,逐渐降低特征维度;提取信息通过softmax层进行有监督学习,从而得到基于堆叠自编码器的攻击检测算法.针对自编码器的过度拟合问题,进一步提出基于降噪自编码的攻击检测方法.采用IEEE-118节点测试系统对所提出的方法进行仿真验证,结果表明所提出的攻击检测方法计算精度和效率高于其他方法.