具有资源可扩展性的网络化多描述估计与压缩
信息论
2007-08-28 v1 math.IT
摘要
我们提出了一种联合信源 - 信道多描述（JSC-MD）框架，用于资源受限的网络通信（如传感器网络），其中一个或多个受限编码器将马尔可夫源编码以对抗比特错误和擦除错误，并传输给多个异构解码器（部分强大，部分受限）。为保持编码器复杂度最低，信源通过简单的多描述量化器（MDQ）编码为 K 个描述，无需熵编码或信道编码。解码器利用 MDQ 的码字多样性和网络的路径多样性来纠正传输错误并提高编码效率。关键设计目标是资源可扩展性：网络中的强大节点可在最大后验概率（MAP）或最小均方误差（MMSE）准则下执行 JSC-MD 分布式估计/解码，而原始节点则采用更简单的 MD 解码，所有节点均使用相同的 MDQ 码字。我们展示了 JSC-MD 在传感器网络中隐藏马尔可夫模型分布式估计的应用。提出的 JSC-MD MAP 估计器是加权有向无环图中最长路径的算法，而 JSC-MD MMSE 解码器则是将著名的前向 - 后向算法扩展至多描述。这两种算法同时利用了信源记忆、固定速率 MDQ 的冗余度以及描述间的相关性。它们比现有的硬判决 MDQ 解码器性能大幅提升（高达 8dB）。对于高斯马尔可夫信源，JSC-MD 分布式 MAP 序列估计的复杂度可低至典型单描述维特比类算法的水平。
引用
@article{arxiv.0708.3531,
title = {Networked Multiple Description Estimation and Compression with Resource Scalability},
author = {Xiaolin Wu and Xiaohan Wang and Zhe Wang},
journal= {arXiv preprint arXiv:0708.3531},
year = {2007}
}