本文首先阐述了矩阵填充的应用背景,给出了矩阵填充的数学模型,详细分析了矩阵填充中的低秩特性和非相干特性,重点介绍了矩阵填充三种典型的重构算法:SVT(Singular Value Thresholding)算法、ADMiRA(Atomic Decomposition for Minimum R...本文首先阐述了矩阵填充的应用背景,给出了矩阵填充的数学模型,详细分析了矩阵填充中的低秩特性和非相干特性,重点介绍了矩阵填充三种典型的重构算法:SVT(Singular Value Thresholding)算法、ADMiRA(Atomic Decomposition for Minimum Rank Approximation)算法和SVP(Singular Value Projection)算法,文中的仿真实验对这三种算法的重构性能进行了比较;文章随后分析了矩阵填充和压缩感知的联系;最后介绍了矩阵填充在协同过滤、系统识别、传感器网络、图像处理、稀疏信道估计、频谱感知以及多媒体编码和通信等方面的的应用。展开更多
文中研究Polar码在图像传输系统中的应用,讨论Polar码的译码迭代次数、码长、码率等因素对恢复图像的影响,并与等同条件下的低密度奇偶校验码(Low Density Parity Check Code,LDPC)在图像传输中的性能进行比较。数值仿真表明:随着Polar...文中研究Polar码在图像传输系统中的应用,讨论Polar码的译码迭代次数、码长、码率等因素对恢复图像的影响,并与等同条件下的低密度奇偶校验码(Low Density Parity Check Code,LDPC)在图像传输中的性能进行比较。数值仿真表明:随着Polar码译码迭代次数增加、码长增长和码率减小,图像传输的误块率(Block Error Rate,BER)减小,峰值信噪比(Peak Signal to Noise Ratio,PSNR)增大。同时在码长为2 048,码率为0.5时,Polar码在图像传输中的性能比LDPC码的性能有明显地提高,在输入信噪比为3 dB时,Polar码的误块率有102增强,PSNR值有4倍的提高。展开更多
文摘本文首先阐述了矩阵填充的应用背景,给出了矩阵填充的数学模型,详细分析了矩阵填充中的低秩特性和非相干特性,重点介绍了矩阵填充三种典型的重构算法:SVT(Singular Value Thresholding)算法、ADMiRA(Atomic Decomposition for Minimum Rank Approximation)算法和SVP(Singular Value Projection)算法,文中的仿真实验对这三种算法的重构性能进行了比较;文章随后分析了矩阵填充和压缩感知的联系;最后介绍了矩阵填充在协同过滤、系统识别、传感器网络、图像处理、稀疏信道估计、频谱感知以及多媒体编码和通信等方面的的应用。
文摘文中研究Polar码在图像传输系统中的应用,讨论Polar码的译码迭代次数、码长、码率等因素对恢复图像的影响,并与等同条件下的低密度奇偶校验码(Low Density Parity Check Code,LDPC)在图像传输中的性能进行比较。数值仿真表明:随着Polar码译码迭代次数增加、码长增长和码率减小,图像传输的误块率(Block Error Rate,BER)减小,峰值信噪比(Peak Signal to Noise Ratio,PSNR)增大。同时在码长为2 048,码率为0.5时,Polar码在图像传输中的性能比LDPC码的性能有明显地提高,在输入信噪比为3 dB时,Polar码的误块率有102增强,PSNR值有4倍的提高。
