Link tải luận văn miễn phí cho ae Kết nối
Mục lục
Danh sách hình vẽ 2
Lời nói đầu. 3
A.Tóm tắt đề tài 4
B.Nội dung 5
1.Giới thiệu về Compressive sensing. 5
2..Lý thuyết cơ bản về Compressive sensing 7
2.1.Tính thưa và biểu diễn tín hiệu 7
2.2. Ma trận đo( Measurement matrix) 9
2.3.Điều kiện khôi phục lại tín hiệu trong Compressive sensing 11
2.4.Phương pháp khôi phục tín hiệu 12
2.5.Applications of Compressive sensing. 18
3.Ứng dụng lấy mẫu nén cho tín hiệu tiếng nói trong hệ thống thông tin di động 20
3.1.Giới thiệu tổng quan hệ thống 20
3.2.Triển khai thực hiện 20
C.Kết quả đạt được và công việc tiếp theo 25
TLTK 26
.Tóm tắt đề tài
Trong một hệ thống thông tin di động thông thường, các tín hiệu quan tâm được lấy mẫu theo tần số Nyquist. Định lý lấy mẫu của Shannon/Nyquist nói rằng để đảm bảo không bị mất thông tin và có thể khôi phục lại hoàn toàn tín hiệu thì phải lấy mẫu tín hiệu với tần số lấy mẫu cao hơn ít nhất 2 lần băng tần của tín hiệu.Tuy nhiên,đây không phải là phương pháp hiệu quả nhất để nén tín hiệu, vì nó đặt nhiều gánh nặng lên tín hiệu gốc trong khi chỉ một tỷ lệ nhỏ hệ số biến đổi là cần thiết để biểu diễn tín hiệu.Kết quả gần đây trong lấy mẫu nén cung cấp một phương pháp mới để tái tạo tín hiệu ban đầu với một lượng rất nhỏ các hệ số. Trong Compressive sensing ,các thông tin quan trọng về tín hiệu/ảnh được thu nhận trực tiếp, hơn là thu nhận các thông tin quan trọng khác rồi cuối cùng sẽ bỏ đi.
.Mục đích của đề tài lần này là đề xuất một hệ thống thông tin di động mới sử dụng Compressive sensing để nén tín hiệu tiếng nói ở bên phát và giải nén ở bên thu. Kết quả mong đợi từ hệ thống đề xuất sẽ làm tăng tốc độ truyền dữ liệu của các hệ thống này. Để mô phỏng Compressive sensing được áp dụng thế nào,một tín hiệu tiếng nói có dung lượng nhỏ sẽ được ghi trong Matlab. Trong trường hợp này,tín hiệu ở đầu ra sẽ được nhân với ma trận đo gồm các thành phần là các số được tạo ra ngẫu nhiên. Ma trận đo được chọn bằng một cách mà các tín hiệu thưa sẽ được khôi phục một cách chính xác ở bên thu bằng cách sử dụng một thuật toán tối ưu có sẵn khác nhau.Một khi tín hiệu đã trải qua quá trình lấy mẫu nén ,nó đã sẵn sàng để truyền đi thông qua hệ thống di động.Tín hiệu được truyền đi sau đó được khôi phục bởi bộ thu từ một số lượng nhỏ các mẫu quan trọng bằng cách sử dựng bất kỳ kĩ thuật nhân tối ưu hóa đã có sẵn.Thuật toán sẽ được mô phỏng trong MATLAB.Kết quả chỉ ra rằng nếu một cửa sổ ngưỡng được áp dụng cho tín hiệu tiếng nói được truyền và độ dài tín hiệu được giữ nguyên thì tốc độ nén của tín hiệu tiếng nói sẽ được tăng lên.
B.Nội dung
1.Giới thiệu về Compressive sensing.
Thông tin di động là một trong những lĩnh vực nghiên cứu quan trọng nhất trong lĩnh vực truyền thông. Người ta đoán rằng trong một vài thập kỉ nữa,một số lượng dữ liệu đáng kế các kết nối giọng nói và dữ liệu sẽ một phần hay hoàn toàn truyền bằng không dây.Một trong những các thách thức đề ra cho hệ thống không dây là cung cấp tốc độ dữ liệu cao hơn trong môi trường di động.Để đạt được mục tiêu này ,một kĩ thuật lấy mẫu mới gọi là “Compressive Sampling” có thể được sử dụng để thay thế kĩ thuật lấy mẫu truyền thống.Compressive sensing (CS) có thể được triển khai trong hệ thống di động bởi hầu hết tín hiệu trên thế giới hiện nay có một sự biểu diễn dạng thưa dưới cách biến đổi miền nhất định.Trong một hệ thống thông tin liên lạc điển hình,tín hiệu được lấy mẫu ít nhất bằng hai lần tần số cao nhất chứa trong tín hiệu .Tuy nhiên,điều này giới hạn các cách hiệu quả để nén tín hiệu ,vì nó đặt một gánh nặng lớn trong việc lấy mẫu tín hiệu gốc trong khi chỉ có một lượng nhỏ các hệ số biến đổi là cần thiết cho biểu diễn tín hiệu [1].
Do Drive thay đổi chính sách, nên một số link cũ yêu cầu duyệt download. các bạn chỉ cần làm theo hướng dẫn.
Password giải nén nếu cần: ket-noi.com | Bấm trực tiếp vào Link để tải:
Mục lục
Danh sách hình vẽ 2
Lời nói đầu. 3
A.Tóm tắt đề tài 4
B.Nội dung 5
1.Giới thiệu về Compressive sensing. 5
2..Lý thuyết cơ bản về Compressive sensing 7
2.1.Tính thưa và biểu diễn tín hiệu 7
2.2. Ma trận đo( Measurement matrix) 9
2.3.Điều kiện khôi phục lại tín hiệu trong Compressive sensing 11
2.4.Phương pháp khôi phục tín hiệu 12
2.5.Applications of Compressive sensing. 18
3.Ứng dụng lấy mẫu nén cho tín hiệu tiếng nói trong hệ thống thông tin di động 20
3.1.Giới thiệu tổng quan hệ thống 20
3.2.Triển khai thực hiện 20
C.Kết quả đạt được và công việc tiếp theo 25
TLTK 26
.Tóm tắt đề tài
Trong một hệ thống thông tin di động thông thường, các tín hiệu quan tâm được lấy mẫu theo tần số Nyquist. Định lý lấy mẫu của Shannon/Nyquist nói rằng để đảm bảo không bị mất thông tin và có thể khôi phục lại hoàn toàn tín hiệu thì phải lấy mẫu tín hiệu với tần số lấy mẫu cao hơn ít nhất 2 lần băng tần của tín hiệu.Tuy nhiên,đây không phải là phương pháp hiệu quả nhất để nén tín hiệu, vì nó đặt nhiều gánh nặng lên tín hiệu gốc trong khi chỉ một tỷ lệ nhỏ hệ số biến đổi là cần thiết để biểu diễn tín hiệu.Kết quả gần đây trong lấy mẫu nén cung cấp một phương pháp mới để tái tạo tín hiệu ban đầu với một lượng rất nhỏ các hệ số. Trong Compressive sensing ,các thông tin quan trọng về tín hiệu/ảnh được thu nhận trực tiếp, hơn là thu nhận các thông tin quan trọng khác rồi cuối cùng sẽ bỏ đi.
.Mục đích của đề tài lần này là đề xuất một hệ thống thông tin di động mới sử dụng Compressive sensing để nén tín hiệu tiếng nói ở bên phát và giải nén ở bên thu. Kết quả mong đợi từ hệ thống đề xuất sẽ làm tăng tốc độ truyền dữ liệu của các hệ thống này. Để mô phỏng Compressive sensing được áp dụng thế nào,một tín hiệu tiếng nói có dung lượng nhỏ sẽ được ghi trong Matlab. Trong trường hợp này,tín hiệu ở đầu ra sẽ được nhân với ma trận đo gồm các thành phần là các số được tạo ra ngẫu nhiên. Ma trận đo được chọn bằng một cách mà các tín hiệu thưa sẽ được khôi phục một cách chính xác ở bên thu bằng cách sử dụng một thuật toán tối ưu có sẵn khác nhau.Một khi tín hiệu đã trải qua quá trình lấy mẫu nén ,nó đã sẵn sàng để truyền đi thông qua hệ thống di động.Tín hiệu được truyền đi sau đó được khôi phục bởi bộ thu từ một số lượng nhỏ các mẫu quan trọng bằng cách sử dựng bất kỳ kĩ thuật nhân tối ưu hóa đã có sẵn.Thuật toán sẽ được mô phỏng trong MATLAB.Kết quả chỉ ra rằng nếu một cửa sổ ngưỡng được áp dụng cho tín hiệu tiếng nói được truyền và độ dài tín hiệu được giữ nguyên thì tốc độ nén của tín hiệu tiếng nói sẽ được tăng lên.
B.Nội dung
1.Giới thiệu về Compressive sensing.
Thông tin di động là một trong những lĩnh vực nghiên cứu quan trọng nhất trong lĩnh vực truyền thông. Người ta đoán rằng trong một vài thập kỉ nữa,một số lượng dữ liệu đáng kế các kết nối giọng nói và dữ liệu sẽ một phần hay hoàn toàn truyền bằng không dây.Một trong những các thách thức đề ra cho hệ thống không dây là cung cấp tốc độ dữ liệu cao hơn trong môi trường di động.Để đạt được mục tiêu này ,một kĩ thuật lấy mẫu mới gọi là “Compressive Sampling” có thể được sử dụng để thay thế kĩ thuật lấy mẫu truyền thống.Compressive sensing (CS) có thể được triển khai trong hệ thống di động bởi hầu hết tín hiệu trên thế giới hiện nay có một sự biểu diễn dạng thưa dưới cách biến đổi miền nhất định.Trong một hệ thống thông tin liên lạc điển hình,tín hiệu được lấy mẫu ít nhất bằng hai lần tần số cao nhất chứa trong tín hiệu .Tuy nhiên,điều này giới hạn các cách hiệu quả để nén tín hiệu ,vì nó đặt một gánh nặng lớn trong việc lấy mẫu tín hiệu gốc trong khi chỉ có một lượng nhỏ các hệ số biến đổi là cần thiết cho biểu diễn tín hiệu [1].
Do Drive thay đổi chính sách, nên một số link cũ yêu cầu duyệt download. các bạn chỉ cần làm theo hướng dẫn.
Password giải nén nếu cần: ket-noi.com | Bấm trực tiếp vào Link để tải:
You must be registered for see links