- Mục tiêu, đối tượng và phương pháp nghiên cứu của luận án. - Phương pháp nghiên cứu. - Lượng tử hóa tín hiệu. - Lượng tử hóa vectơ. - Điều kiện lượng tử hóa tối ưu. - Thiết kế bảng mã cho bộ lượng tử hóa vectơ. - Các tính chất và ứng dụng của kỹ thuật lượng tử hóa vectơ. - Đặc điểm của kỹ thuật lượng tử hóa vectơ. - Lượng tử hóa các tham số của các bộ mã hóa tiếng nói. - Phương pháp lượng tử hóa vectơ tối ưu theo kênh COVQ. - Phương pháp tối ưu hóa thứ tự bảng mã. - KẾT HỢP MÃ NGUỒN VÀ MÃ KÊNH BẰNG PHƯƠNG PHÁP TỐI ƯU HÓA THỨ TỰ BẢNG MÃ CỦA BỘ LƯỢNG TỬ HÓA. - Phương pháp tối ưu hóa thứ tự bảng mã (phương pháp IA. - Các bước triển khai phương pháp IA. - Các thuật toán IA. - Thuật toán mô phỏng luyện kim SA. - Cơ sở của thuật toán SA. - Thuật toán SA và các tham số. - Thuật toán ISA cho bài toán tối ưu IA. - Cải tiến thuật toán SA. - Những hạn chế của thuật toán SA. - Các giải pháp cải tiến thuật toán SA cho bài toán IA. - Thuật toán SA cải tiến – Thuật toán MSA. - Lựa chọn các tham số điều khiển cho thuật toán SA/MSA. - Cải tiến thuật toán MSA với cơ chế ngăn chặn tìm kiếm trùng lặp. - Khả năng tìm kiếm trùng lặp của thuật toán MSA. - Cải tiến cơ chế chống duyệt trùng lặp và áp dụng cho thuật toán MSA. - Thuật toán MSA sử dụng cơ chế tránh duyệt trùng lặp cải tiến. - KẾT HỢP MÃ NGUỒN VÀ MÃ KÊNH VÀ PHƯƠNG PHÁP ĐIỀU CHẾ SỬ DỤNG PHƯƠNG PHÁP TỐI ƯU HÓA THỨ TỰ BẢNG MÃ. - Kết hợp mã nguồn và mã kênh trong các hệ thống điều chế số nhiều mức bằng phương pháp IA. - Mở rộng bài toán IA có xét đến phương pháp điều chế số. - Phương pháp kết hợp mã nguồn và mã kênh và kỹ thuật điều chế. - ỨNG DỤNG CỦA PHƯƠNG PHÁP IA VÀO KỸ THUẬT LƯỢNG TỬ HÓA VECTƠ CÓ CẤU TRÚC VÀ TRONG MÃ HÓA TIẾNG NÓI. - Lượng tử hóa Vectơ có cấu trúc. - Kỹ thuật lượng tử hóa vectơ chuyển mạch phân đoạn SSVQ. - Thiết kế bộ lượng tử hóa SSVQ. - Bộ lượng tử hóa SSVQ. - Đề xuất phương pháp lượng tử hóa IA-SSVQ. - Lượng tử hóa các tham số LPC. - Bộ lượng tử hóa LSF-IA-SSVQ. - Mô phỏng bộ lượng tử hóa LSF băng rộng và kết quả. - Điều kiện và cách chọn các tham số điều khiển của thuật toán SA/MSA. - Các tham số điều khiển của thuật toán SA/MSA sử dụng trong mô phỏng. - So sánh thời gian chạy thuật toán SA và MSA (tính bằng giây. - So sánh kết quả D(π) của các thuật toán IA. - Các thông số của hệ thống sử dụng để mô phỏng thuật toán MSA và SATS. - Các tham số điều khiển của các thuật toán SA với 2 kịch bản mô phỏng. - Kết quả của 3 thuật toán SA, MSA và SATS sau 10000 lần thực hiện (kịch bản 1, số vòng lặp 434. - Kết quả của thuật toán MSA và SATS sau 10000 lần thực hiện (kịch bản 2, số vòng lặp 1604. - So sánh hoạt động của các bộ lượng tử hóa LSF SSVQ 46bit/khung. - So sánh hiệu của của các bộ lượng tử hóa LSF-SSVQ kết hợp với mã kênh. - Sơ đồ khối một bộ lượng tử hóa véctơ. - Ví dụ về các vectơ mã trong lượng tử hóa vectơ 2 chiều. - So sánh các kỹ thuật lượng tử hóa véctơ 2bit/mẫu với số chiều khác nhau. - Lượng tử hóa VQ với các nguồn tín hiệu có độ tương quan khác nhau. - 22 Hình 1.10. - 24 Hình 1.11. - 24 Hình 1.12. - So sánh hiệu quả hoạt động của phương pháp COVQ với phương pháp VQ truyền thống. - 27 Hình 1.13. - 27 Hình 1.14. - 28 Hình 1.15. - Phương pháp IA tối ưu với các mức nhiễu CSNR khác nhau. - Ba bước triển khai phương pháp IA. - Sự thay đổi D(π) qua các bước lặp của thuật toán MSA (trường hợp N=32, số bước lặp chọn đủ lớn. - Sự thay đổi D(π) qua các bước lặp của thuật toán MSA (trường hợp N=128, số bước lặp chọn không đủ lớn. - Sự thay đổi D(π) qua các bước lặp của thuật toán MSA (trường hợp N=256, số bước lặp chọn không đủ lớn. - Kết quả hàm mục tiêu D(π) theo các lần lặp của thuật toán SA. - Kết quả hàm mục tiêu D(π) theo các lần lặp của thuật toán MSA. - 55 Hình 2.11. - 61 xi Hình 2.12. - 62 Hình 2.13. - Kết quả ước lượng các tham số PC(a,b) bằng các phương pháp khác nhau. - So sánh hoạt động của các phương pháp IA khác nhau. - 86 Hình 3.10. - 88 Hình 3.11. - So sánh các phương pháp đánh chỉ số IA khi kết hợp với mã Hamming (7,4). - Quá trình thiết kế bộ lượng tử hóa SSVQ. - Sơ đồ khối bộ lượng tử hóa SSVQ. - So sánh hoạt động của các phương pháp SSVQ khác nhau. - Trong những trường hợp hệ thống TSCC không đạt hiệu quả cao, nhiều nghiên cứu đã tập trung vào một phương pháp mới đó là kết hợp mã nguồn và mã kênh JSCC (Joint Source Channel Coding) nhằm đạt được hiệu quả hoạt động tốt hơn mà vẫn đảm bảo độ trễ và độ phức tạp ở một mức độ nhất định. - Tổng quan 2 về các phương pháp kết hợp mã nguồn và mã kênh được trình bày chi tiết ở Chương 1 của luận án này, trong đó kỹ thuật JSCC được phân loại thành các nhóm chính bao gồm: Mã kênh tối ưu theo mã nguồn, mã nguồn tối ưu theo kênh, và nhóm các kỹ thuật khác. - Phương pháp được nghiên cứu nhiều nhất là mã kênh tối ưu theo nguồn SOCC (Source Optimized Channel Coding), điển hình của phương pháp này là kỹ thuật mã hóa bảo vệ không đều UEP (Unequal Error Protection). - Nhóm phương pháp thứ hai là mã nguồn tối ưu theo kênh COSC (Channel Optimized Source Coding). - Ở nhóm phương pháp này, mã nguồn và mã kênh hợp thành một khối gọi là mã nguồn-kênh, khi đó bản thân mã nguồn có tính bền bỉ với các tác động của nhiễu. - Kỹ thuật điển hình của nhóm phương pháp này là tối ưu hóa bộ lượng tử hóa tín hiệu theo kênh truyền, khi đó quá trình lượng tử hóa và mã hóa tín hiệu sẽ được tối ưu để giảm thiểu méo tín hiệu khi tính đến tác động của nhiễu kênh. - Ngoài ra kỹ thuật này có khả năng ứng dụng linh hoạt hơn kỹ thuật UEP vì có thể sử dụng trong bất kỳ module nào của hệ thống có sử dụng lượng tử hóa tín hiệu. - Tuy nhiên bù lại để tìm được ra các giải pháp lượng tử hóa và mã hóa tối ưu cần khối lượng tính toán và bộ nhớ rất lớn, và để tìm ra phương án tối ưu nhất hầu như không khả thi. - Luận án này tập trung nghiên cứu một phương pháp của nhóm phương pháp thứ hai, là phương pháp tối ưu hóa phương pháp gán từ mã cho các mẫu tín hiệu lượng tử hay còn gọi là phương pháp tối ưu việc gán chỉ số IA (Index Assignment) áp dụng cho các hệ thống số truyền dẫn tín hiệu tương tự. - Phương pháp IA này bản chất là sắp xếp lại thứ tự bảng mã (Codebook) của bộ lượng tử hóa theo thứ tự tối ưu, do đó phương pháp có thể làm tăng hiệu quả hoạt động của hệ thống nhưng không tăng thêm độ phức tạp, tốc độ bit và độ trễ. - Do đó, phương pháp này có tính khả thi cao, và còn có thể áp dụng để nâng cấp các hệ thống sẵn có do chỉ thay đổi thứ tự bảng mã của bộ lượng tử hóa mà không làm ảnh hưởng đến các khối khác của hệ thống. - Những vấn đề còn tồn tại Trong phương pháp IA, để tìm được thứ tự tối ưu của bảng mã là điều không đơn giản, nhất là khi kích thước bộ lượng tử hóa lớn thì việc tìm ra bảng mã tối ưu là điều không thể. - Do vậy có rất nhiều nghiên cứu về lý thuyết và thuật toán để tìm ra các phương án cận tối ưu. - Tuy nhiên các phương pháp IA trước đây đều được nghiên cứu riêng lẻ và chưa được phát triển. - Hầu hết các phương pháp IA khó áp dụng trong trường hợp bảng mã có kích thước lớn, do các thuật toán IA có độ phức tạp cao. - Các thuật toán được đưa vào phần lớn là các thuật toán tổng quát chưa được tối ưu riêng cho bài toán IA. - Hầu hết các nghiên cứu về phương pháp IA đều giả thiết kênh truyền là kênh nhị phân đối xứng BSC (Binary Symetric Channel) và phương pháp đo méo tín hiệu sử dụng khoảng cách Euclid bình phương SED (Squared Euclidean Distance), đồng thời không xét đến kỹ thuật điều chế số. - Nhờ những ưu điểm đó, thuật toán SA có thể ứng dụng cả trong nhiều trường hợp cần tối ưu nhiều bộ lượng tử hóa mà vẫn đảm bảo độ tối ưu của kết quả. - Mục tiêu, đối tượng và phương pháp nghiên cứu của luận án 3.1. - Mục tiêu nghiên cứu • Nghiên cứu, cải tiến phương pháp tối ưu hóa thứ tự bảng mã của bộ lượng tử hóa (phương pháp IA) để làm tăng chất lượng tín hiệu truyền dẫn trong các hệ thống
Xem thử không khả dụng, vui lòng xem tại trang nguồn hoặc xem
Tóm tắt