导读:本文包含了自适应编码论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:自适应,信道,波束,特征,开环,模型,蜂群。
自适应编码论文文献综述
韩丽,刘书宁,徐圣斯,朴京钰[1](2019)在《自适应稀疏编码融合的非刚性叁维模型分类算法》一文中研究指出针对传统的叁维模型单一特征识别精度低问题,提出一种自适应稀疏编码融合的非刚性叁维模型分类算法.首先提取模型的平均测地线特征、热核特征、形状直径函数特征,以构造互补的多特征形状描述;其次利用特征袋模型构造AGD-BoF, HKS-BoF, SDF-BoF特征向量,通过随机样本建立特征权值矩阵;最后利用特征权值矩阵与稀疏优化编码自适应融合,并采用Softmax分类算法实现非刚性模型的有效分类.通过在非刚性数据集SHREC10与SHREC11上的综合实验表明,自适应稀疏编码融合的分类算法具有更高的识别准确率及较强的鲁棒性.(本文来源于《计算机辅助设计与图形学学报》期刊2019年11期)
安泽亮,宋高俊,陈慧慧[2](2019)在《多波束移动卫星系统的自适应开环预编码方法》一文中研究指出对于卫星移动通信系统,由于卫星与地面终端之间的相对运动以及星地间传输延迟,传统的基于理想信道信息的预编码方法是不适用的。针对这一问题,提出了一种基于开环信道估计的预编码方法。卫星端利用开环获取的部分信道信息实现多波束联合预编码,并导出了系统传输速率的闭合解析表达式。此外,为了克服强干扰环境下多波束预编码系统性能恶化问题,提出了一种自适应预编码传输方法。卫星发射机依据开环获得的慢时变用户位置信道信息和信道统计量信息,自适应地选择预编码方法或传统频率复用方法,实现最优的系统性能。理论分析和仿真结果表明,与传统的干扰抑制方法相比,所提方法能实现更优的系统性能,同时也克服了传统预编码方法的局限性。(本文来源于《电讯技术》期刊2019年10期)
王华,潘力,尹晓宇[3](2019)在《基于监督式编码分类架构的自适应超限学习机》一文中研究指出针对传统超限学习(ELM)存在隐含层神经元数量大导致存储要求高和训练时间长的问题,提出了一种自适应接受域超限学习机模型(RF-A-ELM)。该模型通过建立一个深度超限学习网络作为监督自动编码的模块,即实现了训练模块。此外,在具有相同隐藏单元总数的条件下较传统ELM方法,该方法提供的快速训练算法极大的降低了训练时间。(本文来源于《电脑编程技巧与维护》期刊2019年10期)
朱益中,陈勇,杨煜红,王建伟[4](2019)在《内容自适应编码的研究与应用实践》一文中研究指出本文探讨了内容自适应编码的背景和研究现状,并探索实践了基于内容自适应的预测模型,证实内容自适应编码能获得比传统ABR方案更优的效果,在降低码率的同时达到较好的主观质量一致性。(本文来源于《广播与电视技术》期刊2019年08期)
杨静媛[5](2019)在《自适应编码学习的人工蜂群算法研究及应用》一文中研究指出人工蜂群算法是一类模拟蜜蜂觅食行为的群体智能算法。因控制参数少、结构简单、易于实现的特点,人工蜂群算法已受到了国内外研究人员的普遍关注,并提出各具特色的改进算法。同时,在人工蜂群算法的设计和应用过程中,有待进一步解决的问题,如不仅要考虑如何分析人工蜂群算法搜索方程的数学特性,而且需要分析如何利用问题的特征改进搜索方程。有鉴于此,本文旨在提出一类自适应编码学习的人工蜂群算法,并对其在变量相关的数值优化问题求解方面展开研究,主要创新性工作如下:1.人工蜂群算法搜索方程的数学特征分析。搜索方程是人工蜂群算法的核心算子,直接决定着算法的优化性能,因此如何分析与挖掘搜索方程的数学特征是设计高效人工蜂群算法的重要途径。有鉴于此,首先,利用相关的矩阵理论分析,将搜索方程描述为一个矩阵变换的过程。其次,根据矩阵变换的代数性质证明搜索方程是一类旋转可变的算子。最后给出基于矩阵变换搜索方程的几何解释。2.自适应编码的学习框架设计。针对人工蜂群算法求解变量相关数值优化问题优化性能低的问题,提出一种自适应编码学习的人工蜂群算法。首先,利用协方差矩阵学习演化种群分布的相关性,并通过识别适应度地形的特征来释放变量的相关性,以此引导种群向关联性较弱的方向演化。其次,设计一种自适应选择机制来实现计算资源在不同坐标系统上的动态分配,以此平衡算法的探索与开发能力,从而达到提高计算效率的目的。3.自适应编码学习的有效性研究。为验证自适应编码学习的有效性,将提出的自适应编码学习策略集成到8组已有的人工蜂群算法,并分别在30、50、100维的CEC2014测试平台上进行仿真实验。此外,将提出的改进人工蜂群算法进一步应用于于福特车型识别问题,实验结果表明,基于.改进人工蜂群算法的训练模型获得的分类结果,无论是准确度、灵敏度还是特异度均优于原有的人工蜂群算法。综上,本文构建的自适应编码学习框架,不仅提升了现有人工蜂群算法在求解变量相关问题方面的优化性能,而且对进一步丰富演化计算的理论与方法体系,具有积极作用。(本文来源于《西安理工大学》期刊2019-06-30)
张文硕[6](2019)在《基于监督学习的自适应调制编码和功率分配算法研究》一文中研究指出在复杂的MIMO-OFDM系统中,系统很多性能是由信道状态决定的。传统反馈自适应问题通过反馈信道矩阵与信噪比信息建立查找表来切换MCS,然后通过MCS转换将信道状态影响映射到系统性能变化上。这类要建立起信道状态到系统性能的映射是复杂非线性的。至今,没有一种明确的理论或方法来证明这类映射可能存在的规律。然而,学习算法对于处理非线性映射具有较好的效果,通过对输入输出间模型的建立,学习算法能在模型内部体现出这类映射关系。因此越来越多的学者开始探索用学习的方案来处理自适应问题。这是在没有明确理论来建模这类复杂非线性映射时的一种可行替代。监督学习是机器学习算法中的一大类,在解决分类问题上能达到很好的效果。自适应调制编码对于调制编码策略的选择可以看作明显的分类问题。因此,本文首先设计了基于监督学习方案的自适应调制编码算法,然后在本文提出的自适应调制编码方案基础上进一步进行功率分配的优化,提升系统整体的数据传输速率性能。本论文首先提出基于监督学习的无反馈自适应调制编码算法。其中,本文采用了K最邻近算法和神经网络两类典型的学习算法。为将自适应调制编码问题归纳为分类问题,本文提出一种基于信道条件和传输功率约束下的信道特征提取方案,该特征提取方案是全文分析和验证的基础。然后用该特征提取方案对于不同调制编码方案进行验证,检验该特征提取方案能否准确划分不同调制编码方案。接下来,为避免维度灾难并准确的表示空间流数目不同的情况,对于提出的特征提取方案给出了两类降维方案,并对两类降维方案进行可行性分析。然后,在运用提取特征和降维方法的基础上,将K最邻近算法和神经网络算法加入到自适应调制编码方案中,提出KNN-AMC算法和ANN-AMC算法。最终将KNN-AMC算法和ANN-AMC算法运用到仿真中,通过对系统的误比特性能分析和数据传输速率分析,验证了KNN-AMC算法和ANN-AMC算法的可行性。在LTE TDD中,通过利用上下行信道的互易性获得信道信息,应用于本文算法模型中能够节省反馈开销,降低系统工作时延,可以让系统更快地适应通信环境的变化。本文着重解决的第二个问题是基于KNN-AMC算法下的功率分配问题。首先本文采用传统的注水算法对功率进行分配。考虑到注水算法是一种调节比特加载过程以达到最优的方法,而本文自适应调制编码选择对所有流进行了相同的调制。因此本文提出在注水算法上进行一定改进,提出基于奇异值比值和离散优化功率分配算法。其主要思想是首先收集剩余功率,然后将剩余功率按照调制等级由高至低进行分配。最后,通过仿真将离散优化分配算法与注水算法进行对比,可以看出优化分配算法通过对注水算法的离散优化得到更好的系统传输速率性能。(本文来源于《哈尔滨工业大学》期刊2019-06-01)
苏桐[7](2019)在《基于卫星通信系统的信道预测及自适应编码调制的研究》一文中研究指出随着通信技术的发展,人们对通信质量和通信容量的需求日渐提高。卫星通信具有通信距离远、受地形影响小、通信波束覆盖范围广的特点,可以作为地面通信的补充和延伸,可以有效缓解通信业务多样化所带来的压力。然而卫星通信传输过程中,信道环境复杂、传输时延大、传输资源有限等因素限制卫星通信系统的通信性能。在传输资源极其有限的情况下,提出一种高效且高质量的传输模式是卫星通信传输的研究热点之一。为了解决这个问题,信道估计、信道预测和自适应编码调制技术应时而生。本文在DVB-S2协议(Digital Video Broadcasting-Standard Ⅱ,第二代数字广播协议)和DVB-RCS2协议(Digital Video Broadcasting-Return Channel Standard Ⅱ,第二代数字广播返回信道协议)基础上,对信道估计、信道预测和自适应编码调制技术进行了研究。论文主要内容如下:(1)本文提出两种自适应编码调制感知算法:含补偿项的时间序列算法和基于深度卷积神经网络的信道感知模型。首先对时间序列预测算法提出了补偿算法,有效解决了时间序列预测的误差问题。提出了基于深度卷积神经网络(Deep Convolution Nural Network,DCNN)的信道感知模型,通过仿真验证算法的有效性。仿真结果表明,含补偿项的时间序列算法对信噪比预测的平均预测误差为1.326dB,较传统时间序列算法预测精度提升了 40.67%。在C.Loo模型中,基于深度卷积神经网络的信道感知模型不论在信噪比估计中还是信道预测中都有良好的性能,并且有效地解决由传输时延带来的信噪比估计过时的问题,提高了自适应编码调制技术信道感知部分的性能,经分析,DCNN的估计性能较传统的信道估计算法在C.Loo信道中提升了38.73%。(2)为了进一步优化频谱效率,本文提出一种基于双深度Q学习网络强化学习(Double Deep QNetwork,DDQN)算法的自适应编码调制控制算法。将基于深度卷积神经网络的信道感知模型作为自适应编码调制感知算法,双深度Q学习网络强化学习算法作为自适应编码调制控制算法,提出一种基于DCNN和DDQN的双深度自适应编码调制架构。经仿真,DDQN算法作为控制算法比传统区间法频谱效率提高了 18.9%。新的双深度自适应编码调制架构比传统的ML+区间法架构在频谱效率上平均提升了3 2.6%,误比特率平均降低了3 7.5%。(3)最后本文对DVB-S2协议和DVB-RCS2协议进行深入学习,特别是协议中物理层组帧、编码调制、接受同步和译码部分。并分别基于DVB-S2协议和DVB-RCS2协议搭建了卫星通信物理层仿真平台的前向链路和反向链路。对DVB-S2中的自适应编码调制技术进行了介绍,并通过平台进行仿真,验证了仿真平台的性能。(本文来源于《北京邮电大学》期刊2019-05-24)
张京[8](2019)在《基于自适应QP和CU深度范围预测的虚拟现实视频编码优化算法研究》一文中研究指出虚拟现实技术发展迅猛,相关的应用应运而生,典型的如虚拟现实视频。虚拟现实视频含有庞大的数据量,对现有的传输和存储系统是个巨大的挑战。最新的HEVC(High Effi ciency Video Coding)编码标准能够压缩处理平面视频,但是无法直接压缩处理球状的虚拟现实视频。为此,联合视频探索小组(Joint Video Experts Team,JVET)提出将虚拟现实视频通过投影转化为二维视频,再利用现有的视频编码标准进行编码的方案。然而,虚拟现实视频的高帧率和高分辨率特点使得压缩过程具有极高的计算复杂度。为了降低编码复杂度和降低输出码率,论文重点针对等矩形投影(Equirectangular Projection,ERP)格式下虚拟现实视频的帧内编码和量化问题进行研究,设计了适用于虚拟现实视频的CU划分快速算法和自适应QP算法。主要创新点如下:(1)针对虚拟现实视频帧内编码复杂度高的问题,论文研究了ERP格式下虚拟现实视频帧的投影拉伸规律,统计了编码单元深度与投影拉伸程度间的关系,设计了一种基于划分深度区间预测的CU快速划分算法。将当前帧按照WS-PSNR权重分为两个区域,根据不同区域图像在ERP投影过程中拉伸程度的不同,采用不同的相邻参考块预测划分深度区间,减少划分的复杂度。论文进一步研究了PU深度、投影分区与帧内预测模式间的关系,设计了一种帧内模式快速决策方法,减少候选模式的数量。实验结果表明,论文提出的算法可以降低39.3%的编码时间,而BD-rate仅增加0.8%。(2)高帧率高分辨率虚拟现实视频码流的数据量十分巨大,为减小输出码率,缓解传输压力,论文设计了一种自适应QP算法。论文分析了ERP投影格式下WS-PSNR权重、量化参数与重建质量间的关系,采用QP补偿的方法,对WS-PSNR权重小的区域采用正补偿,而对WS-PSNR权重大的区域采用负补偿,实现自适应调节QP的效果。实验结果表明,论文提出的算法可减少1.77%的BD-rate,WS-PSNR基本保持不变。(本文来源于《北方工业大学》期刊2019-05-06)
严涛,闻辉,黄金火,陈德礼,林元模[9](2019)在《自适应多视点视频编码预测结构算法》一文中研究指出提出了自适应的多视点视频编码(Multi-view video coding,MVC)视点间预测结构算法。首先根据视点间相似度分析确定I-视点的位置,然后利用相机的几何关系预测I-视点和P-视点之间插入B-视点的数目,灵活调整视点间预测结构,提高编码效率。实验表明,所提出的算法与视点间独立编码相比,PSNR平均提高1. 28 d B。(本文来源于《莆田学院学报》期刊2019年02期)
陈韬羽[10](2019)在《基于UDP的带自适应冗余编码的无线P2P传输模型研究与实现》一文中研究指出随着物联网、无线传感器网络和无线局域网等无线网络技术的不断发展,无线设备间的数据传输变得越来越频繁,数据量也日益增加,如设备间数据同步、实时通信和多媒体文件传输等。若将P2P网络技术应用到无线网络中,就能大大的加快数据传输速度,提高传输效率。然而无线网络和有线网络在传输信道、调制解调等方面上存在巨大差异,网络负面因素的影响在无线网络中会尤为明显,如丢包率、误码率和网络延时都将更高,网络抖动也更加复杂等,使得原本为有线网络设计的传统P2P模型在无线网络中普遍存在着巨大的性能损失。由于无线网络的带宽资源有限,且多数是非对称式网络,P2P模型的搜索和下载很容易占用过多的网络带宽,造成网络拥塞和丢包,降低网络性能。本文针对无线网络,提出了一种基于UDP的带自适应冗余编码数据的无线P2P传输模型,其具体工作包括:(1)设计并实现了一套使用TCP传输控制信息,使用UDP传输数据信息的完整的数据传输协议;(2)设计并实现了基于固定时间内网络丢包率的UDP速率控制算法;(3)设计并实现了能根据整体丢包率进行冗余比调整的两种不同编码格式的冗余编码数据传输机制,能够恢复部分丢失数据包,减少重传次数;(4)设计并实现了数据包层面上的数据重传,保证了文件传输的完整性;(5)最后,我们还搭建了一个小型无线P2P网络,对模型的性能进行了不同网络场景下的对比测试。实验数据最终表明,在网络拥塞程度较高,丢包率较高的无线网络环境下以及在网络存在较高网络延时和网络抖动的情况下,本文提出的P2P传输模型相对于应用最为广泛的BitTorrent和D-LAN具有更高的传输速度,能够更好的适应变化多端的无线网络,提供更稳定的传输性能。同时,实验数据表明,本模型由于传输了部分冗余编码数据,丢失的数据包有较高概率能够被接收端恢复,因此大大的减少了由于拥塞和延时等负面因素引起的丢包重传,避免了再重传加剧网络环境恶化,提高了传输效率。(本文来源于《华南理工大学》期刊2019-04-10)
自适应编码论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
对于卫星移动通信系统,由于卫星与地面终端之间的相对运动以及星地间传输延迟,传统的基于理想信道信息的预编码方法是不适用的。针对这一问题,提出了一种基于开环信道估计的预编码方法。卫星端利用开环获取的部分信道信息实现多波束联合预编码,并导出了系统传输速率的闭合解析表达式。此外,为了克服强干扰环境下多波束预编码系统性能恶化问题,提出了一种自适应预编码传输方法。卫星发射机依据开环获得的慢时变用户位置信道信息和信道统计量信息,自适应地选择预编码方法或传统频率复用方法,实现最优的系统性能。理论分析和仿真结果表明,与传统的干扰抑制方法相比,所提方法能实现更优的系统性能,同时也克服了传统预编码方法的局限性。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
自适应编码论文参考文献
[1].韩丽,刘书宁,徐圣斯,朴京钰.自适应稀疏编码融合的非刚性叁维模型分类算法[J].计算机辅助设计与图形学学报.2019
[2].安泽亮,宋高俊,陈慧慧.多波束移动卫星系统的自适应开环预编码方法[J].电讯技术.2019
[3].王华,潘力,尹晓宇.基于监督式编码分类架构的自适应超限学习机[J].电脑编程技巧与维护.2019
[4].朱益中,陈勇,杨煜红,王建伟.内容自适应编码的研究与应用实践[J].广播与电视技术.2019
[5].杨静媛.自适应编码学习的人工蜂群算法研究及应用[D].西安理工大学.2019
[6].张文硕.基于监督学习的自适应调制编码和功率分配算法研究[D].哈尔滨工业大学.2019
[7].苏桐.基于卫星通信系统的信道预测及自适应编码调制的研究[D].北京邮电大学.2019
[8].张京.基于自适应QP和CU深度范围预测的虚拟现实视频编码优化算法研究[D].北方工业大学.2019
[9].严涛,闻辉,黄金火,陈德礼,林元模.自适应多视点视频编码预测结构算法[J].莆田学院学报.2019
[10].陈韬羽.基于UDP的带自适应冗余编码的无线P2P传输模型研究与实现[D].华南理工大学.2019