【摘 要】
：
利用传统空间内插方法对视频中的丢失块进行错误隐藏时,容易在人眼敏感的边缘区域产生模糊。本文提出了一种复杂度低的空域内插错误隐藏算法用于重建在无线信道传输中的Intra帧。首先,利用改进的灵活宏块扫描顺序(Flexible MB Order FMO)的方法,将扫描顺序打乱组成新的片组(Slice)进行传输,确保即使某个Slice丢失,丢失宏块周围至少有两个正确接收的Slice可进行错误隐藏;其次,利
【机 构】
：
华南理工大学电子与信息学院,广州,510641
论文部分内容阅读
利用传统空间内插方法对视频中的丢失块进行错误隐藏时,容易在人眼敏感的边缘区域产生模糊。本文提出了一种复杂度低的空域内插错误隐藏算法用于重建在无线信道传输中的Intra帧。首先,利用改进的灵活宏块扫描顺序(Flexible MB Order FMO)的方法,将扫描顺序打乱组成新的片组(Slice)进行传输,确保即使某个Slice丢失,丢失宏块周围至少有两个正确接收的Slice可进行错误隐藏;其次,利用相邻宏块边界的梯度预测并恢复丢失宏块(MB)的边缘信息。最后,将丢失宏块划分成更小的块,每个块中的象素值根据最有代表性边界点相位多方向加权内插得到。试验表明本算法能够恢复丟失宏块中的高低频分量信息,在具有明显边缘的区域,比传统的空域内插方法有更好的视觉效果,其PSNR也比传统方法提高大约1.5～2.5dB。
其他文献
本文提出一种改进的ESPRIT超分辨ISAR成像算法。利用新盖氏圆盘法和正则相关法对成像目标的散射中心数目进行准确估计,达到提高超分辨ESPRIT算法的成像质量的效果。通过实测数据验证了本文方法的可行性和有效性。
结合传统中医理论和现代信号处理技术,分析研究了胃癌、肺癌、乳腺癌等癌症患者的脉象信号特征,利用矢量量化(VQ)技术建立相应的病症脉象码本模型,设计了依据脉象信号分析判别癌症患者病症的识别系统。通过实验测试,得到了各种特征参数和码本尺寸下的具体识别结果,得出了运用VQ技术识别病症脉象的特征参量及其参数的选取原则。
声纳的主要功能之一是对水下目标进行探测、定位和测量。这类应用对探测量程和测量分辨率都有一定的要求;然而这两者之间是矛盾的,采用传统的方法难以兼顾,要对水下目标进行成像和识别以达到更实用的工程目的,现有的技术尚待改进。本文提出了一种基于宽频Chirp信号脉冲压缩和频率缝补的方法,并对其进行了仿真;结果表明,使用这一方法能极大地改善声纳的探测距离和测量分辨能力,最高分辨率可达到2.5cm。
本文推导了8QAM信号载波参数估计的CRB,包括相位估计CRB和频率估计CRB。采用蒙特卡罗积分方法将Rice的结果扩展至8QAM情况,8QAM的CRB表示为未调载波CRB的一个比例倍数,对载波相位估计CRB和频率估计CRB均成立。一同分析了8QAM星座形状对载波参数估计CRB的影响。评估结果表明该CRB比未调载波CRB紧。
基于APRX接收机架构研究了高速QPSK数传信号的直接中频采样和全数字化解调问题,详细分析和设计了其实现算法,对APRX典型处理方法进行了改进和补充。给出了设计实例和计算机仿真结果,证明所提出的实现算法是有效的,适合于推广使用。
设计好的度分布在构造非规则LDPC码的过程中一直占有十分重要的位置,设计合理的度分布可以有效地降低错误平层和编译码复杂度,在AWGN信道下,通过高斯近似法可以分析给定度分布的LDPC的译码门限,利用非线性优化算法──差分进化,可以优化度分布设计,获得给定度和码率下的具有最大门限的度分布序列,仿真结果表明它能比线性算法获得更好的度分布──具有更大的噪声门限,一般要好0.15dB左右。
提出一种新的多目标跟踪方法。鉴于蚁群算法解决复杂问题的优势,对其进行适当修改后,用于解决多目标跟踪中的数据关联问题,并且采用SIS(Sequential Importance Sampling,序贯重要性采样)对目标进行跟踪。实验对二维平面中的多个目标进行了仿真,结果表明,将基于SIS框架和蚁群算法实现多目标的跟踪是行之有效的。
贝叶斯阴阳(BYY)谐和学习是一种新型的统计学习理论和方法,能够有效地进行混合概率分布的参数估计和自动模型选择。本文在Laplace混合模型上建立了BYY和谐学习的梯度算法。模拟实验表明,这类算法可以有效地自动确定出样本数据中Laplace分量的个数,并对实际Laplace混合分布的参数有较好的估计。
针对目前壳聚类问题中的难点──原型初始化问题,提出一种基于量子测量的球壳原型提取方法。方法在现有量子聚类方法构建的Schrodinger势场的基础上,建立了样本集的跃迁量子混态模型。在此模型上,以蒙太卡罗思路利用任意特征态为基态的算符对样本集混态进行测量塌缩得到任意两个样本基态,从而计算得到所需的球壳算符。再依据量子测量机理,通过使用球壳算符不断的测量样本集量子混态,来使样本集不断塌缩得到一个基态
本文提出了一种基于灰度差序列信息识別表情的方法,在处理过程中,首先将每组表情序列中自第二帧起的每一帧图像与第一帧图像作灰度差,得到新的序列,然后针对灰度差序列提取表情运动特征,最后通过连续隐马尔柯夫模型(HMM)进行表情识别。该方法在保留了主要表情信息的同时,消除了光照、肤色等其他因素的影响,接近应用实际,简单直观,运算量少,便于实现实时处理。分别在CED-WYU(1.0)库和Cohn-Kanad