基于假設集合設計分布式壓縮感知算法研究.pdf

1、1924年奈奎斯特推導出在理想低通信道的最高碼元傳輸速率。即為了不失真地恢復模擬信號，采樣頻率應不小于模擬信號頻譜中最高頻率的2倍，也稱為采樣定理[1]。然而，在一些編碼端資源(如能量、存儲設備等等)有限的場景下，以頻譜最高頻率的2倍采樣是難以實現(xiàn)或持續(xù)的。壓縮感知(Compressed sensing簡稱CS)理論的提出突破了奈奎斯特采樣速率的限制，將對數(shù)據(jù)的采樣和壓縮一步完成。CS所具有的壓縮效率高，操作簡單等特點使其非常適合用于編

2、碼端資源受限的應用場景。隨后，將壓縮感知與視頻編解碼相結合提出了壓縮視頻感知(Compressed video sensing簡稱CVS)。無論是從計算復雜度還是數(shù)據(jù)量方面來說，都大大降低了編碼端的負擔。
　　盡管基于壓縮感知的視頻方案取得了大量的研究成果，但對于低采樣率的的重構性能依然不夠理想。雖然較高的采樣率可以得到優(yōu)異的重構性能，但這對編碼端的儲存設備，計算開銷的資源造成了較大的負擔。這有違使用壓縮感知理論的初衷，并在無線網(wǎng)

3、絡的底層一些能量有限的結點中實現(xiàn)也是很困難的。
　　本文通過提出的假設集合更新算法(Hypothesis set update,簡稱 HSU)和動態(tài)參考幀選擇算法(Dynamic reference select,簡稱 DRS)，對現(xiàn)有的基于多假設預測的基于壓縮感知的分布式視頻編解碼技術(Distribute Compressed Video Sensing，簡稱DCVS)進行改進。在不增加編碼端復雜度的情況下，使得視頻的重構質量

4、得到改善。其中假設集合更新算法，借鑒構造字典的方法，對原預測集合的進行更新。用擴展預測集中的與目標塊相關性更高的預測替換原預測集中相關性低的預測。從而使得目標塊在預測集的表示下獲得更好的稀疏性，更加充分的利用了幀內(nèi)的空間相關性，進而提高重構質量。參考幀選擇算法在二次重構的基礎上通過為當前幀選則更合適的參考幀來更加充分的利用幀間的相關性，提高重構的質量。仿真結果表明，在低采樣率的情況下，提出的基于預測集更新和參考幀選擇的分布式編解碼系統(tǒng)(