基于DCT域的MPEG-4编码器改进方法研究

在对MPEG-4标准的分析和研究的基础上,对MPEG-4编码器提出了一种基于离散余弦变换(DCT)域运动估计的改进方案。这种编码结构直接在DCT变换域中进行运动估计,不需要将DCT系数变换回空间域。因此它能有效地减少编码的运算次数和编码结构的复杂度,满足实时编码的要求。     

MPEG-4视频DCT量化模块的改进方法

在对MPEG-4视频编码DCT量化模块的分析和研究的基础上,对MPEG-4编码器提出了一种基于DCT域运动估计的改进方法。这种编码结构直接在DCT变换域中进行运动估计,不需要将DCT系数变换回空间域,因此它能有效地减少编码的运算次数和编码结构的复杂度,满足实时编码的要求。     

OFDM系统中基于离散余弦变换的信道估计算法改进

研究了正交频分复用(OFDM)系统中基于离散余弦变换(DCT)的信道估计,利用DCT的能量压缩特性,提出了一种改进的DCT域信道估计算法,通过在DCT域设计一个低通滤波器,有效地减小了加性高斯白噪声对信道估计精确度的影响。仿真结果表明,提出的改进算法比传统基于DCT信道估计算法具备更优的性能。     

一种基于冗余小波变换的快速运动估计算法

由于冗余小波变换克服了离散小波变换的移变性,在冗余小波域进行运动估计可以达到很好的效果,其缺点是算法的时间复杂度过高。在分析视频序列的运动特性和已有的运动估计算法的基础上,提出一种快速的基于冗余小波变换的运动估计算法。在冗余小波域提取潜在运动区域并对图像块的运动剧烈程度进行划分,在此基础上对不同类型的图像块采取不同的搜索策略,从而减少了运动估计中不必要的搜索。实验结果表明,该方法较经典的基于冗余小波变换的运动估计算法在时间复杂度方面具有优势。     

全零块预判的运动估计及模式选择早结束研究

针对全零DCT（Discrete Cosine Transform）系数块,为避免对其进行变换和量化操作以减少编码器的运算量,基于全零块预判的本质,根据DCT系数分布的特性,结合H.264/AVC整数变换和量化的特点,提出了一种预先判断全零DCT系数块的新方法。同时,针对H.264/AVC高精度运动矢量和多编码模式的高复杂度,通过分析最佳匹配块搜索的本质,提出了基于全零DCT系数块预判准的运动估计和模式选择早结束算法。实验结果表明,与已有基于全零块准则的快速运动估计算法相比,其实际搜索点数均有较明显的减少。     

一种新的小波域快速搜索算法

经典快速搜索算法能够有效地降低搜索量,但其有选择地进行搜索容易陷入局部最优误差。多分辨率运动估计(MRME)、小波域多分辨率运动估计(WMRME)的提出能够在一定程度上降低局部最优误差,但也会相应增加运算量。基于传统小波域多分辨率运动估计,提出一种小波域越级多分辨率运动估计(WLMRME)算法,并在同传统小波域多分辨率运动估计比较时提出一种快速搜索算法评价标准。最后在数据比较中得出,相比传统WMRME而言,基于WLMRME的快速搜索算法能够在运算复杂度和视频编码效果中取得平衡。     

基于小波去噪与离散余弦变换相结合的正交频分复用系统信道估计算法

针对传统的基于离散余弦变换(DCT)信道估计算法没有处理循环前缀之内噪声的问题,提出了一种基于小波去噪与DCT插值相结合的正交频分复用(OFDM)系统信道估计方法。首先,采用最小二乘(LS)法对接收到的导频信号进行信道初步估计;然后,对LS法估计出的结果进行离散小波阈值去噪处理;最后,利用DCT插值对循环前缀内的噪声再次处理,以进一步减小噪声的影响。在Matlab 2012平台上仿真,与传统的基于DCT信道估计算法相比较,误码率相同的条件下,所提算法的信噪比(SNR)性能提升了1 dB左右;均方误差相同的条件下,所提算法的SNR性能提升2 dB左右。仿真实验结果表明,该算法能够较好地减小加性高斯白噪声(AWGN)的影响,并有效提高信道估计的准确度,其总体性能较基于DCT的信道估计算法更优。     

OFDM系统中基于导频的信道估计算法的比较

正交频分复用(OFDM)是一种多载波调制技术,它能有效地克服多径干扰和码间干扰,是第四代移动通信的核心技术。对OFDM系统中基于导频的信道估计技术进行了比较。重点介绍了几种常用的信道估计算法、LS算法、LMMSE算法、SVD算法及DFT和DCT两种变换域算法,并给出了这些算法的仿真实现。     

基于多帧运动估计的帧率提升算法

结合最大后验概率(MAP)估计的准确性和分层块匹配算法的快速性,研究了一种多参考帧运动估计算法,并提出了一种基于多帧运动估计的帧率提升(FRUC)系统方案。实验结果表明,基于该算法的内插帧无论从客观指标(时间复杂度、信噪比PSNR)还是主观质量(视觉效果)均优于现有常用方法,且算法复杂度较低,便于硬件实现。     

基于多项式变换的运动估计快速算法

主流的视频编码器普遍采用运动估计与补偿技术来提高压缩比,其中运动估计的计算复杂度高,需要占用大量的计算时间。因此,设计运动估计的快速算法对提高整个视频编码器的性能是至关重要的。此外,视频应用的实时性特点,也要求设计运动估计的快速算法。基于多项式变换的运动估计算法是论文新提出的一种块匹配运动估计算法,既保持了简单而易于硬件实现的特点,同时又极大地提高了计算效率。实验结果表明,基于多项式变换的运动估计算法的执行时间为全搜索算法的9～18%,优于其它快速算法。在噪声环境下,该算法比时间特性最好的WUS(WinnerUpdateSearch)算法以及Spiral算法快2～10倍。     

突发GMSK混和信号混合位置估计迭代算法

针对GMSK混合信号的混合位置估计问题,提出了一种基于参数估计与混合位置估计的迭代算法。混合信号混合部位和未混合部位在幅度和频率上存在明显差异,通过混合部位信号过零点和极值点得到混合的信号和幅度估计后,可以对采样点是否混合进行判断,同时混合起点对应着相对时延,当混合信号的相对时延较大时,利用未混合部位信号来进行迭代时,其估计精度更高。对混合起点估计的克拉美罗界进行了推导,仿真表明,本文算法估计精度高,所需的数据量小,适用于突发通信,且对参数变化不敏感,具有较强的鲁棒性,在高信噪比下混合位置估计精度接近克拉美罗界。     

带宽测量技术中背景流量特征和影响

端到端的带宽测量技术一直是研究的热点.现在有很多测量带宽的方法和工具,但是它们的测试环境特别是背景流量的设置,都是不相同的.首先调查了各种方法提出的测试环境;然后通过实验证明了不同的背景流量会影响到测试结果;最后提出了生成公平背景流量的新方法.该方法具有实际网络流量的特性,也便于在模拟环境中实现,可作为测量带宽算法的评估标准.     

最小二乘法估计地震检波器的参数

采用最小二乘法结合理论－实验二次建模对地震检波器的参数进行了估计。     

实时数据处理方法在目标跟踪中的应用

本语文针对跟踪慢速活动目标飞行器两类测量数据的特点,分别采用不同的滤波估值方法,能较精确地确定目标的才导引攻角的传递系数。文中还对测量数据中的野值剔除和滤波估值发散现象作限仿真研究。     

基于多普勒信息的近程目标参数估计技术

当鱼雷与目标之间存在相对速度时，接收到的回波信号的载频就要相对于原来的发射信号的载频产生多普勒频移，利用多次观测到的回波信号的多普勒频移信息，提出两种可用来进行近程目标参数估计的方法，仿真结果验证了方法的有效性。     

智能控制面临的问题及其展望

本文从智能控制产生的背景及其特点出发，分析出当前智能控制面临的最根本问题是：它忽视了人类智能中的价值判断所起的作用。并对现阶段智能控制的误区及其发展提出了自己的看法。     

On the estimation of independent binomial random variables using occurrence and sequential information

We re-visit² the age-old problem of estimating the parameters of a distribution from its observations. Traditionally, scientists and statisticians have attempted to obtain strong estimates by ‘extracting’ the information contained in the observations taken as a set. However, generally speaking, the information contained in the sequence in which the observations have appeared, has been ignored—i.e., except to consider dependence information as in the case of Markov models and n-gram statistics. In this paper, we present results which, to the best of our knowledge, are the first reported results, which consider how estimation can be enhanced by utilizing both the information in the observations and in their sequence of appearance. The strategy, known as sequence based estimation (SBE) works as follows. We first quickly allude to the results pertaining to computing the maximum likelihood estimates (MLE) of the data when the samples are taken individually. We then derive the corresponding MLE results when the samples are taken two-at-a-time, and then extend these for the cases when they are processed three-at-a-time, four-at-a-time etc. In each case, we also experimentally demonstrate the convergence of the corresponding estimates. We then suggest various avenues for future research, including those by which these estimates can be fused to yield a superior overall cumulative estimate of the parameter of the distribution, in pattern recognition (PR), and in other internet and compression applications. We believe that our new estimates have great potential for practitioners, especially when the cardinality of the observation set is small.     

双滤波器平滑估计的递推更新

本文考虑了具有多个测量通道时线性马尔可夫状态固定间隔平滑问题的线性最小二乘 解,给出了一种双滤波器递推算法,它随各通道测量数据的依次投入而更新平滑估计.     

单目视觉系统自运动的滚动时域估计算法

单目视觉系统的自运动估计是计算机视觉领域中的一个关键问题。针对包含有建筑、树木等一般景物特征的应用环境,提出一种单目摄像机位姿估计的滚动时域位姿估计算法。首先分析极线约束方程的不同形式,建立多帧图像闭环之间的时空相关位姿约束,归纳全局最优模型。然后,采用滚动时域方法实现时域窗口内多时刻摄像机位姿的优化估计,实现算法复杂程度和精度的折衷。另外,在室外复杂应用环境下,对常规极约束、冗余极约束和滚动时域冗余极约束这3种位姿估计优化算法进行实验对比,验证该方法的有效性。     

“ROBOTIC” ESTIMATION: THE INEFFICIENCY OF RANDOM-WALK SAMPLING

Pattern recognition often involves estimation of statistics of a data ensemble by taking samples of the data and using sample statistics as estimates of the ensemble statistics. Ideally, the samples should be chosen randomly from the ensemble. In some situations, however, random sampling may not be practical. For example, if a robot is required to obtain samples of its environment, it would be inefficient for the robot to go to a sequence of randomly chosen locations to collect samples. In moving through the environment, the robot must follow a continous path, and it can obtain large numbers of samples as it moves along the path. This “robotic sampling” process can be made (somewhat) random by letting the path be a random walk through the environment. Unfortunately, if successive samples along the path are correlated, taking samples along the path is less efficient (from a sampling-theoretic standpoint) than taking random samples. This paper studies the inefficiency of “robotic” estimation, based on a random-walk path, relative to estimation based on random sampling.