导读:本文包含了最优量化器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:最优,均匀,信源,信道,步长,分布式,系统。
最优量化器论文文献综述
王付艳,卜春芬,陈旻[1]（2015）在《基于动态规划算法的最优Context量化器设计》一文中研究指出提出一种针对多进制信源的最优Context量化器设计方法.该方法不仅综合考虑了量化前后条件概率分布的相似性,同时又将条件位符号的取值相关性作为量化合并的依据,从而使得量化后的Context模型能够最大限度地利用信源间相关性,然后动态规划算法被应用于合并相似的条件概率分布,从而实现Context量化.最后量化器被用于图像的小波压缩编码应用.实验结果表明,量化器能够获得与其他优化量化器相近甚至更好的压缩效果.(本文来源于《昆明学院学报》期刊2015年06期）
李牧[2]（2015）在《网络化系统最优动态量化器设计与稳定性分析》一文中研究指出网络化系统是指通过实时通信网络实现系统中各个组成部分之间的信息交换的系统。在这类系统中,系统信号在网络化传输前通常需要使用量化器进行量化,量化器能够根据事先设定或者实时计算得到的量化参数,将系统实际信号转换成在一个给定集合中取值的定量信号。近年来,网络化量化系统成为了网络化系统研究领域的一个重要研究方向。事实上,由于实际系统中量化器件和量化算法的广泛使用,一切使用数字信号实现控制任务的网络化系统都属于网络化量化系统。本文以网络化量化系统为研究对象,利用Lyapunov稳定性理论,矩阵不等式方法,随机过程方法,时滞和切换系统方法,研究了不同情况下网络化系统的动态量化器设计和稳定性分析方法。提出了一种新颖的含缩放因子最优动态量化器,通过采用量化误差动态补偿结构,该量化器能够实现对量化误差的动态补偿,且可以得到系统最大量化输出误差的上界;借助对量化器动态缩放因子的调整,可以实现系统的渐近稳定,并以矩阵不等式形式给出了系统渐近稳定的充分条件。针对存在伯努利丢包的网络化量化系统,设计了该系统的最优动态量化器,分析了系统的均方渐近稳定性,给出了系统均方渐近稳定的充分性条件,并进一步给出了能够镇定系统的控制器求解方法,最后给出了系统仿真对比结果。考虑了存在时变延时的网络化量化系统,得到了该系统的最优动态量化器,给出了系统渐近稳定性的充分条件,并给出了系统仿真对比结果。分别采用随机过程和时滞系统方法,建立了同时存在时变延时和随机丢包的网络化量化系统的模型,设计了能够有效处理时序错乱的信号选取策略,得到了系统的最优动态量化器,并进一步利用Lyapunov方法和切换系统方法分析了系统的渐近稳定性,最后,仿真对比了所提出方法和传统方法的差异,证明了本文提出方法的优越性。研究了存在丢包和时变延时的网络化量化系统的预测控制问题,通过设计量化预测控制策略,实现了对丢包与延时的补偿,并结合系统需要设计了多入多出的最优动态量化器。以电机模型为研究对象,利用仿真和网络化实验从理论和实际两个角度验证了所提出方法的切实可行性。(本文来源于《北京理工大学》期刊2015-06-01）
郑婷一,程永强[3]（2013）在《一种分布式信源编码中最优量化器的设计》一文中研究指出针对传统的向量量化压缩的不足性,提高量化效果的方法主要是增加向量的维数,但同时增加了计算的复杂性。为了解决分布式编码中量化器的设计问题,在联合条件熵约束的条件下,着重从WZ量化器的最优条件分析,提出了一种Lloyd迭代算法,通过实验证明,该算法比传统的算法更可以保证量化器的局部最优性。(本文来源于《电视技术》期刊2013年07期）
曾祥华,倪少杰,张勇虎,王飞雪[4]（2013）在《直接序列扩频接收机最优量化器设计》一文中研究指出通常的ADC量化分析模型均基于均匀量化器,并忽略前端抗混迭滤波器的影响。针对扩频接收机伪随机码相关特性,建立一种新的最优量化器模型,整体考虑前端滤波器的影响,同时适用于均匀和非均匀量化器的设计。理论和仿真结果表明:当采样率满足奈奎斯特定理时,滤波器损耗和量化损耗可分离;在此基础上,利用极值理论直接推导出最优量化损耗计算公式及其最优量化值的解析解。最后,以数值形式给出量化损耗随量化字长、量化电平的变化关系,可用于指导直扩接收机的工程设计。(本文来源于《信号处理》期刊2013年01期）
庄刘,曾艳[5]（2010）在《基于模糊C-均值聚类的最优量化器设计》一文中研究指出分布式估计融合是多传感器系统研究的一项重要内容.在实际应用中,各传感器观测的统计信息往往未知,同时,由于受到通讯带宽的限制,又需要对传感器的观测和估计进行有效的压缩编码.针对观测统计量的联合概率分布未知的多传感器分布式估计融合系统,利用V.Megalooikonomou等提出的直和估计思想,基于模糊C-均值聚类方法设计一种分站最优量化器,显着地改进了基于硬C-均值聚类方法设计量化器的融合效果.计算机模拟表明了此方法的有效性.(本文来源于《四川师范大学学报(自然科学版)》期刊2010年04期）
宋耀莲,邵玉斌,徐明远[6]（2003）在《信源统计特性的最优量化器设计与性能分析》一文中研究指出文章讨论在模拟信源量化过程中 ,已知输入量化器的信号幅度统计特性时 ,如何采用标量量化使量化器达到最优 .从而使量化失真达到最小 .在对量化器优化设计的理论分析的基础上 ,以高斯分布特征的信源进行了最优标量量化 ,并得到了性能曲线 ,与香农率失真定理指出的理论下界进行了对比 .所得出的分析方法以及结论对量化器工程应用具有一定的价值(本文来源于《昆明理工大学学报(理工版)》期刊2003年06期）
李天昊,余松煜[7]（2002）在《基于部分失真定理的信道最优矢量量化器设计》一文中研究指出提出了一个使用进化算法、引入部分失真定理 (渐进划分理论 )的信道最优矢量量化器( COVQ)的设计算法 .采用该算法 ,在给定信道状态模型和存在信道噪声的情况下 ,可有效地提高矢量量化器的性能 ,实现了 COVQ的设计 .该算法利用进化策略调整各码矢所确定区域的子误差 ,从而进一步改善期望误差 .与常用的码书设计算法相比较 ,该算法能较好地调整各区域的子误差 ,获得比传统算法更高的性能增益 .(本文来源于《上海交通大学学报》期刊2002年06期）
最优量化器论文开题报告
（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：
网络化系统是指通过实时通信网络实现系统中各个组成部分之间的信息交换的系统。在这类系统中,系统信号在网络化传输前通常需要使用量化器进行量化,量化器能够根据事先设定或者实时计算得到的量化参数,将系统实际信号转换成在一个给定集合中取值的定量信号。近年来,网络化量化系统成为了网络化系统研究领域的一个重要研究方向。事实上,由于实际系统中量化器件和量化算法的广泛使用,一切使用数字信号实现控制任务的网络化系统都属于网络化量化系统。本文以网络化量化系统为研究对象,利用Lyapunov稳定性理论,矩阵不等式方法,随机过程方法,时滞和切换系统方法,研究了不同情况下网络化系统的动态量化器设计和稳定性分析方法。提出了一种新颖的含缩放因子最优动态量化器,通过采用量化误差动态补偿结构,该量化器能够实现对量化误差的动态补偿,且可以得到系统最大量化输出误差的上界;借助对量化器动态缩放因子的调整,可以实现系统的渐近稳定,并以矩阵不等式形式给出了系统渐近稳定的充分条件。针对存在伯努利丢包的网络化量化系统,设计了该系统的最优动态量化器,分析了系统的均方渐近稳定性,给出了系统均方渐近稳定的充分性条件,并进一步给出了能够镇定系统的控制器求解方法,最后给出了系统仿真对比结果。考虑了存在时变延时的网络化量化系统,得到了该系统的最优动态量化器,给出了系统渐近稳定性的充分条件,并给出了系统仿真对比结果。分别采用随机过程和时滞系统方法,建立了同时存在时变延时和随机丢包的网络化量化系统的模型,设计了能够有效处理时序错乱的信号选取策略,得到了系统的最优动态量化器,并进一步利用Lyapunov方法和切换系统方法分析了系统的渐近稳定性,最后,仿真对比了所提出方法和传统方法的差异,证明了本文提出方法的优越性。研究了存在丢包和时变延时的网络化量化系统的预测控制问题,通过设计量化预测控制策略,实现了对丢包与延时的补偿,并结合系统需要设计了多入多出的最优动态量化器。以电机模型为研究对象,利用仿真和网络化实验从理论和实际两个角度验证了所提出方法的切实可行性。
（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。
最优量化器论文参考文献
[1].王付艳,卜春芬,陈旻.基于动态规划算法的最优Context量化器设计[J].昆明学院学报.2015
[2].李牧.网络化系统最优动态量化器设计与稳定性分析[D].北京理工大学.2015
[3].郑婷一,程永强.一种分布式信源编码中最优量化器的设计[J].电视技术.2013
[4].曾祥华,倪少杰,张勇虎,王飞雪.直接序列扩频接收机最优量化器设计[J].信号处理.2013
[5].庄刘,曾艳.基于模糊C-均值聚类的最优量化器设计[J].四川师范大学学报(自然科学版).2010
[6].宋耀莲,邵玉斌,徐明远.信源统计特性的最优量化器设计与性能分析[J].昆明理工大学学报(理工版).2003
[7].李天昊,余松煜.基于部分失真定理的信道最优矢量量化器设计[J].上海交通大学学报.2002
论文知识图
