静止图象的多值分块编码

本文在分析二值分块编码分块效应的基础上,提出了一种新的多值分块编码方法。理论分析与实验结果均表明该方法使编码图象的分块失真减小到几乎不能察觉,输出码率降低到1.36比特/象素左右,而且文中提出的分类算法十分简便。     

一种适合于遥感图像的逐行扫描压缩算法

在ChristosChrysafis基于逐行小波变换编码的基础上,提出了一种低复杂性基于逐行扫描的图像压缩算法。该算法不需要对图像分块,在对小波系数进行均匀量化之后,根据不同子带的上下文统计特征进行概率建模,采用改进的低复杂性Golomb Rice算法进行熵编码。试验表明,采用这种算法,在对大幅面图像压缩时存储器需求远小于基于SPIHT等算法的存储器需求的同时,其熵编码复杂性也大幅降低,特别适合于功率和空间受限的遥感图像压缩系统中。     

基于网络编码的空间DTN LTP协议改进

随着空间通信技术与应用的不断发展,空间DTN (Delay Tolerant Network,容延迟网络)中节点之间数据传输的重要性日益明显。针对空间DTN的可靠信息传输需求,首先介绍了空间DTN的特点及信息传输协议体系,并对LTP (Licklider Transmission Protocol,立克里德传输协议) 进行了重点分析。然后针对空间DTN中LTP协议的缺点和不足,研究提出了基于网络编码的空间DTNLTP传输协议改进策略——NC-LTP协议,并通过数学仿真对算法性能进行了分析评估。仿真结果表明,相比于LTP协议,NC-LTP协议在不同信道传输时延、不同丢包率等条件下的适应性方面表现出较大的优势,因此NC-LTP协议更适用于具有高动态特性、高信道误码率、带宽受限的空间DTN环境。     

G.723.1语音编解码算法的ARM实现

阐述G．723．1语音编解码算法的ARM实现，主要分析系统的硬件结构和软件结构。     

通信系统试飞中语音清晰度判定研究

描述了飞机通信系统试飞中语音清晰度的概念以及"SINPO"等级划分。介绍了国内目前在试飞中语音清晰度判定的方法及其不足之处,通过对国外"同韵词表格法"的分析和研究,在此基础上提出了适合我国通信系统试飞的"近音词表格法"。该方法用定量计算的结果来判定语音清晰度的等级进而准确判定通信系统的功能符合性,可为从事飞机通信系统试飞领域的人员提供一种新的思路和方法。     

CCSDS建议在某新型航天器测控中的应用

CCSDS(空间数据系统咨询委员会)建议的AOS(高级在轨系统)数据传输机制和TM(遥测)信道编码,较好地满足了某新型航天器遥测功能服务于多数据源、信号格式采用帧结构以及链路采用高性能信道编码的要求。某新型航天器测控采用AOS建议的插入业务和位流业务专用虚拟信道分别解决了多个不同特征数据源的遥测数据等时传输问题;采用CCSDS建议的传送帧结构满足了非相干测量功能对下行信号的要求;同时参考CCSDS遥测同步和信道编码建议中Turbo码的码型设计和码块同步方法,完成了下行链路高性能信道编码设计。     

韧性语音识别技术

在实际环境中,背景噪声是广泛存在的,而且严重损害诸如语音理解与识别技术应用的效果。本文主要讨论噪声分布是近正态分布的情况。噪声的概率密度函数(p、d、f)为如下形式:f(x)=(1-ε)g(x)+εg(x)其中,g(x)是正态概率密度函数,h(x)是任意对称的概率密度函数,ε是一个常数,0<ε<1。借助于Robust的基本思想,我们对线性预测的残差进行了韧性处理,得到Robust M估计。减少了噪声中语言参数的估计偏差,而且导出了Robust M估计的格点算法并给出了实验数据和结果。     

高速TCM传输技术及其应用

首先讨论了传统数字传输体制的特点，找出传统调制与编码的分离独立设计是制约数字通信系统性能进一步提高的本质根源；并由此论述了编码与调制相结合的高速数字传输体制，重点讨论了网格编码调制(TCM)技术的基本特点、集合分割映射原理、性能估算，并对TCM在AWGN信道中的性能进行了仿真。     

一种基于SPIHT的ROI图像编码

感兴趣区域的ROI（Region of Interest）编码是正在制订的静止图像压缩国际新标准JPEG2000支持的一种创新方法,在渐进重构的初始阶段,ROI的保真度高于图像其余部分（背景）,该方法可观地节省了传输时间和存储空间。由于SPIHT是嵌入式编码,所以在按一定比例放大ROI系数（或者按一定比例缩小背景系数）后,ROI便可以比背景更快更清晰的重构出来。     

一种航空噪声背景下的语音增强方法

依据航空噪声的频谱特性，提出将自适应滤波算法与改进的谱减法相级联的方法来增强语音。在强航空噪声背景下，处理后的语音不仅信噪比得到了很大提高，而且在有效抑制背景噪声和音乐噪声的同时，其清晰度和可懂度也得到了很大的改善。