基于BER性能约束的MIMO系统码本设计优化算法

提出了一种基于误码率（BER）性能约束的码本优化设计算法。在提出的算法中,采用了联合预编码和功率控制的发射方案,并基于容量准则进行码本设计。仿真结果表明,与已有的码本设计算法相比,所提出的码本设计算法可以达到更高的容量,并能保证期望的BER性能。     

基于巡逻小车的人脸遮挡异常事件实时检测

近年来,随着城市化进程的加快,银行、政府、学校等场所的安全越来越成为人们关心的问题,智能监控已成为目前的一个研究热点问题. 本文主要研究室内巡逻小车监控下,面部异常遮挡问题. 本文首先对监控视频进行前景提取;接着,基于提取的前景,进行肩部定位、头部区域椭圆拟合;然后通过肤色检测判断人脸区域;最后,通过Haar检测器检测人脸区域的眼睛和嘴巴,以此来判断是否存在异常遮挡行为. 实验结果表明,本文提出的算法能够实时、有效的检测出面部异常遮挡问题.     

基于N相位的60GHz无线通信波束赋形码本设计方案

提出了一种支持60 GHz毫米波通信波束赋形机制的码本设计方法.为满足低功耗需求,码本设计仅进行相位移动而未作幅度调整,其中码本矩阵采用相位间隔相同、幅度为1的N个复数权值构建.仿真结果证实,与IEEE802.15.3c码本设计相比,高阶相位码本可获得相似的波束主瓣形状,同时波束将具有更低的旁瓣电平和更高的主瓣增益.该码本方案可在多用户环境下显著抑制空间干扰,提高网络累计信道容量,且对相位误差产生的波束偏移同样具有稳健性.     

基于混合高斯模型与码本算法的前景目标检测

提出一种基于混合高斯模型(GMM)与码本算法的前景目标检测方法。利用GMM进行背景图像建模并初步提取前景对象,对背景图像进行码本学习,将码本建模得到的前景对象与GMM得到的前景对象相融合,根据前后2次帧间差分得到前景对象的比例关系,自适应地更新高斯参数和扩展码字,得到前景对象目标。实验结果表明,该方法实时性好,可消除视频序列中的阴影和鬼影,提取完整的前景对象。     

一种基于神经网络的LD-CELP算法

在低延时矢量励线性预测 (LD -CELP)编码算法的基础上 ,提出直接矢量量化的低延迟矢量激励线性预测编码方案 (DVQ -LD -CELP) ,采用误差反向传播神经网络 (BPNN)来实现DVQ -LD -CELP方法中的码本搜索算法 ,实现在保持原编码方法 (LD -CELP)生成语音的音质和码率的同时 ,降低码本搜索的复杂度 ,提高码本搜索算法的效率     

基于TETRA的低速ACELP语音编码算法及其仿真

描述了TETRA中的低速率语音编码算法实现过程，并在CCS2．0中对其进行了软件仿真．由于这种低速率(4．567Kbps)ACELP算法与应用于多媒体通信的变速率G．723标准、应用于未来个人通信的8Kbps的G．729标准、第三代移动通信的语音压缩编码有许多相似之处，因此对其算法仿真的研究和实时实现对第三代移动通信的语音压缩编码算法有比较重要的意义．     

基于索引查询的CAVLC解码算法优化

针对CAVLC解码算法中码表查找算法存在运算量大和复杂度高的问题,在分析研究CAVLC码表结构特征的基础上提出一种新CAVLC解码优化算法。算法基本思路是对CAVLC码字前缀0的个数进行一级索引,对码字后缀进行二级索引,由一二级索引查询快速得到解码输出。测试结果表明,相比原算法,该优化解码算法在解码时间、存储空间方面都有显著的提高。     

多用户系统中基于双码本的有限反馈预编码

针对多用户MIMO-OFDM下行链路由有限反馈导致的性能缺失,提出了一种基于双码本的有限反馈预编码方案。该方案在接收端依据部分子载波信道信息并采用期望用户最大信干比准则,从预置码本中选取主码字及扰动码字反馈给发送端,在发送端根据子载波簇的相关性重构各子载波预编码矩阵,然后利用矩阵线性变换特性对主码字进行线性变换扰动以达到容量最优,从而补偿由于有限反馈导致的性能缺失。仿真结果表明,所提出的方法在保证反馈链路开销与系统误码性能的情况下,有效地改善了系统吞吐量。     

一种高效的基于矢量量化的彩色视频图像压缩编码方法

针对彩色视频图像提出了一种DCT域内基于矢量量化的高效编码方法。为去掉彩色图像各分量间的相关性,首先将图像由RGB空间转换到YUV空间,然后根据人类视觉特征（HVS）对色度信号U、V进行了亚采样和平均化处理;对亮度信号Y则进行分块DCT变换,并根据HVS特征对变化域内的块矢量进行自适应分类,然后根据矢量的类型分别构造码矢和进行全局码书设计。提出的全局码书设计方案可以根据帧间相关性及码字使用频率,对码书的内容自动进行更新和替换,以适应场景内容的变化。实验结果表明：在保证图像重建质量的前提下,本文提出的方法具有较高的压缩效率,比较适合于视频会议以及水下视频观测等应用场合。     

一种基于改进码本的车辆检测与跟踪方法

为了解决固定摄像机下车辆跟踪过程中阴影对检测的影响,提出一种改进型码本模型的车辆检测方法。该方法直接对YUV空间的车辆序列进行处理,将采样到的背景值聚类成码本,对于新输入的像素值与其对应位置的码本作比较判断,提取出前景区域。车辆跟踪中采用Kalman预测的方法来处理车辆遮挡问题。实验结果表明,本算法可以从复杂交通场景图像序列中快速有效地检测出运动目标,能较好地处理阴影、高亮、遮挡和背景变化等问题,且计算复杂度小,能满足实时跟踪的需要。