导读:本文包含了预测解码论文开题报告文献综述及选题提纲参考文献,主要关键词:编码解码模型,线性模型,风速预测,多分类预测
预测解码论文文献综述
娄杰丽,彭来湖,吴震宇[1](2019)在《融合编码解码和线性回归的短期风速预测》一文中研究指出风电场风速的准确预测对电力系统的稳定运行至关重要。提出了一种融合编码解码和线性回归的短期风速预测模型。为了减小前一时刻的风速数值与预测值的强相关性,采用多分类建模方法构建编码解码结构的多步风速预测模型。编码解码模型的风速预测输出值与线性回归风速预测值进行加权,获得最终的风速预测结果。在近五年内的风速数据上进行实验的验证与测试。结果表明,相比较已有的编码解码模型、线性模型、神经网络模型等四种风速预测方法,提出的模型在短期风速预测方面,具有更优的预测性能。(本文来源于《工业控制计算机》期刊2019年02期)
罗伯特·布拉德韦[2](2018)在《解码健康挑战 “预测预防”势在必行》一文中研究指出一直以来,世界各地的就医模式都囿于“有病才求医”的思维误区。无论是心肌梗塞或髋骨骨折等突发急诊,还是偏头痛等慢性病症,人们一般只有在感到身体不适时,才会想到要去看医生。但现在,科学的突发猛进与创新成果的不断涌现,让我们有机会打破这种“被动”的医(本文来源于《健康报》期刊2018-09-17)
邱守彬[3](2016)在《HEVC帧间预测解码VLSI的研究与实现》一文中研究指出由于现有的H.264标准不能满足超高清分辨率的视频实时传输及播放需求,国际JCT-VC组织制定并发布了新的视频编解码标准High Efficiency Video Coding(HEVC)。在编码质量相近的情况下,HEVC相对于H.264在编码效率方面有了明显的提高,码率可节省近50%。但是随着视频计算复杂度及数据量的增加,HEVC软件解码很难满足实时解码的需求。其中,HEVC帧间解码又是整个解码器中耗时最多的模块之一,需要设计专用硬件加速单元来满足高分辨率、高帧率的解码性能要求。论文针对以上分析和实际需求,围绕HEVC帧间解码及其专用硬件加速模块展开研究和设计:研究了HEVC标准协议,分析码流结构。针对HEVC软件模型HM12.0的运动补偿步骤和运动补偿优化算法,对运动信息融合技术、先进的运动矢量预测技术、基于Merge的Skip模式预测技术、亚像素插值滤波技术以及预测像素点的权值处理等关键技术进行了深入的研究。结合硬件电路设计规则,论文提出了HEVC帧间解码器的VLSI设计架构和模块组成。为了提高硬件加速电路的并行执行性能和解码效率,整体架构上采用pipeline技术,模块设计上采用亚像素插值并行处理、预测块并行处理算法、参考像素伸缩性读取和运动信息分类存储等关键技术。针对所设计的帧间硬件加速解码模块,搭建了仿真验证平台,完成对设计的调试和分析。仿真结果表明,所设计的HEVC帧间硬件加速解码模块符合高性能高清视频解码的需求,并且硬件解码模块执行的数据结果与软件运行产生的数据结果一致。通过对帧间预测技术的研究,论文实现了帧间硬件加速解码模块,其技术进步之处体现在:一、采用专用硬件实现帧间解码单元;二、使用并行处理、伸缩性读取参考像素等高效的设计方法。(本文来源于《济南大学》期刊2016-06-01)
王志杰[4](2015)在《H.264帧内预测解码标准的研究与实现》一文中研究指出视频编码是采用压缩技术对帧内、帧间图像编码及熵编码等环节进行去相关性操作,减少图像中的冗余信息,实现高信息量图片的低数据量存储和传输。因网络视频的广泛应用,视频压缩技术也得到了快速发展。联合视频组于2003年发布的H.264标准因其具有较高的压缩比和优异的网络亲和性而受到人们的广泛青睐,该标准的硬件实现一直是视频研究领域的热点。本文以H.264标准的基本档次的帧内预测解码为研究对象,对H.264的帧内解码原理进行深入研究,设计了宏块级的帧内解码硬件电路。采样格式除了 42:0外,还涵盖了 4:4:4和4:2:2格式,可为日后进行主要档次和扩展档次的研究做好准备。本文使用模块化的设计技巧实现帧内解码系统,通过二级状态机来实现模块和模块之间的时序控制;通过复用Plane模式下的运算单元来实现多种采样格式的帧内解码,有效降低了硬件资源的开支。同时,层次化设计存储器模块,采用窗口化的移动来实现对存储器中参考像素的读写,并且以4X4小块为基本运算单元,将17种不同的预测模式运算单元合并成10种情况实现。本设计采用VerilogHDL语言进行硬件电路设计,用ModelSim6.6d软件进行功能仿真验证。将设计的硬件解码结果与通过JM参考模型软件解码结果进行比较,验证系统功能的正确性。最后,对本设计的代码进行基于SIMC的0.18μm工艺的DC综合,综合优化得到本设计的时钟可以达到的频率为150MHz,能够满足1080P格式(1920×1080,60帧/s,,多种压缩格式)视频序列的实时解码要求。本文在设计中的创新与特色主要体现在以下叁个方面:(1)采用基于4X4小块为基本单元进行硬件设计,所有预测算法都是在这基本单元里进行处理,通过预测模式的不同而选择不同的参考像素和复用单元进行预测和像素的重建,降低了硬件的资源消耗,有效节省了面积;(2)实现了不同采样格式下的帧内解码,优化了亮度预测和色度预测下Plane模式的算法,并且提出了一种Plane模式下的复用结构,并对该模式进行预处理,提高了帧内预测解码的效率;(3)采用叁级流水线二级状态机结构、亮度和色度串并行交替解码等方案实现像素预测和重构。实现的帧内解码器支持QCIF、CIF、720P和1080P等格式的实时解码,具有较好的灵活性和通用性。(本文来源于《福州大学》期刊2015-06-01)
孔祥军[5](2015)在《基于多视点解码流分析的视差预测方法研究》一文中研究指出伴随着科学技术的发展进步,视频和图像在现代人的工作和生活之中起到了越来越重要的作用,提高了现代人的工作效率和生活质量。视频图像的获取、压缩和显示技术都在快速发展,能给观视者带来更强烈真实感的立体视觉技术也越来越受到人们的关注,目前,立体视觉技术已经广泛的应用到了远程医疗、虚拟现实、电影卡通等领域,受到了人们的欢迎。然而,立体视频与二维视频相比,一个突出的问题就是视觉疲劳的加剧。在观看传统二维视频时,长时间观看,也会使人产生疲劳感,然而在观看立体视频时,这种疲劳感增强了。许多观看者在看完立体视频后,会出现眼睛疼痛、头晕、视力模糊等症状,极大地影响了人们的观看兴趣。观看立体视频产生的强烈视觉疲劳感,也成为了阻碍立体视频技术更进一步广泛应用的一大难题。导致立体视频视觉疲劳的因素主要有外界环境因素、观视者生理因素和观视者心理因素。外界环境因素主要是播放环境、立体视频显示设备的显示情况,这些可以通过优化播放环境和显示设备的显示性能来消除。观视者生理因素主要是指垂直视差、辐辏与调节不一致等由立体视频引起的与生理特点不一致的因素,这些因素需要通过科学系统的研究来进行消除,目前国内外学者已针对辐辏与调节不一致这个因素进行了广泛而深入的研究,并取得了巨大的突破,而在垂直视差方面的研究相对较少。在实际情况下,人在观看同一场景时,这一场景会在双眼中各自成像,根据成像的差别,人们能获取到该场景的叁维信息。利用摄像机获取立体视频时,就是在模拟这一过程,此时这个差别就是视差。视差矢量包含水平视差和垂直视差,水平视差是因为摄像机水平放置而产生的,是实现叁维重建的重要依据,人的眼睛对水平视差已有了适应性;垂直视差是因为获取立体视频的摄像机摆放或者工艺等因素而带入的,不仅不会有助于叁维重建,而且还会让人产生不适应感,引起视觉疲劳,影响立体视频的效果,是需要消除的。垂直视差消除算法消耗时间较长,而且在消除的过程中容易引起水平视差的变化,所以垂直视差消除之前需要将垂直视差预测出来,实现垂直视差消除算法的恰当调用,避免耗时过长或者水平视差的变化。目前,国内外对视差预测方法的研究大多集中在编码端,大多用于快速编码算法。在实际应用时,垂直视差消除模块应用于解码播放时,视差也需要在解码播放时进行预测。本文首先在解码端利用解码流将JMVC中的视差矢量预测出来,随后研究预测出来的视差矢量和视频中每帧的立体匹配视差,建立二者关系模型,最终实现视差的预测。本文算法在Visual Studio2008平台下,通过C++和OpenCV编程实现。以ballet、ballroom、exit、crowd和vassar序列作为实验序列,实验结果表明,本文所提出的视差预测模型能够准确地对立体视频中每帧的视差进行预测。(本文来源于《吉林大学》期刊2015-06-01)
田婷[6](2015)在《视频解码复杂度建模及动态预测研究》一文中研究指出视频解码是一类最典型的多媒体应用,其计算量大、耗能高。现代多媒体计算平台可利用视频解码复杂度固有的动态变化特征来自适应地调整所需资源,从而节省能耗,其前提是对视频解码复杂度进行准确估计。本文基于解码复杂度与压缩视频帧长之间的线性关系,提出了一套完整的视频解码复杂度建模及预测体系,目标是对各种应用场景下具有不同特征的压缩码流进行解码复杂度预测。首先根据线性模型系数在视频语义层参数作用下的统计特征,为帧内编码帧抽象出两条模型系数随视频语义层参数变化的定量规律:当视频分辨率保持不变时,模型系数不随视频内容和压缩码率的变化而改变;当视频分辨率发生变化时,模型系数一个保持不变,一个随分辨率的变化呈比例变化,且比例为视频分辨率的比值。基于上述规律提出了一种利用离线分析对帧内编码帧解码复杂度进行预测的算法。分别对H.264.MPEG-4压缩码流在基于Simplescalar的软件仿真平台和基于DSP的嵌入式硬件平台上进行测试,实验结果表明预测精度很高,预测误差呈现明显的正态分布且对所有测试序列解码复杂度预测误差均小于4%,在实验所选用的TI TMS20DM642嵌入式平台上算法在线开销仅为54个时钟周期/帧。之后给出了一种采用状态变量分析法对系统进行理论建模和在线估计的方法以实现对帧间编码帧解码复杂度预测。区别于传统的直接对输入和输出之间的依赖关系进行研究,本算法将解码系统定义为表征视频内容特征的状态所驱动的系统,状态的变迁作用于输入输出之间的依赖关系。通过建立状态方程描述系统状态的变迁轨迹以实现对解码复杂度动态估计。对解码器各模块解码复杂度进行建模分析和化简,最终得到作用于线性模型的状态变量——即模型系数的物理含义,再结合压缩视频流中相邻帧编码信息(预测或编码模式,运动矢量精度及运动矢量范围)和被编码残差之间质与量的关系,将系统状态方程定义为以解码复杂度估计误差为约束条件的分段线性函数,估计误差阈值通过离线分析获得。使用该状态方程对解码复杂度进行在线估计,分别对H.264、MPEG-4压缩码流在基于Simplescalar的软件仿真平台和基于DSP的嵌入式硬件平台上进行测试,实验结果表明预测精度非常高,对解码复杂度的平均估计误差在7%以内,而且状态方程更新过程简单,在线运行复杂度非常低,特别适用于嵌入式移动设备。最后,为解决控制参数需通过离线分析获得,不适用于云环境下多媒体应用这一问题,采用卡尔曼滤波器在线计算控制参数。从卡尔曼滤波对状态变量更新具有滞后性这一问题出发,指出系统输出方程的选择应能体现压缩视频流瞬时特征变化。通过理论分析阐述了视频帧长作为视频内容,码率控制和率失真优化共同作用下的产物对压缩码流特征天然具有的表征性,线性模型作为连接帧长和解码复杂度的简洁关系式,具有必然性和理论基础。基于上述结论在卡尔曼滤波框架下定义线性模型为系统输出方程;模型系数为系统状态变量且其物理含义如帧间编码帧解码复杂度预测算法中所述;根据相邻帧物理特征的连续性,定义相邻帧状态变量相等,真实差别通过系统噪声体现。采用卡尔曼滤波流程对上述解码系统进行建模并提出了一套完整的预测算法,在线运行时可根据输入压缩码流特征动态计算状态变量初值、预测误差方差以及过程噪声方差等卡尔曼滤波参数。通过软仿真和硬仿真两种方式分别对H.264和MPEG-4全序列压缩码流进行测试。实验结果表明算法能很好的对各种特征的压缩码流解码复杂度进行预测,结果非常精确,对帧内编码帧预测误差绝对值均值不超过1%,对帧间编码帧预测误差绝对值均值不超过5%。预测过程不需要引入任何离线分析,算法适用于编码参数未知的云环境下多媒体应用。(本文来源于《华中科技大学》期刊2015-05-01)
胡倩[7](2015)在《一种线性预测编解码算法的研究》一文中研究指出在通信系统中,带宽往往是一种很宝贵的资源,而如何能够在有限的带宽下获得更高品质的语音效果和更好的用户体验正是低速率语音编码要解决的问题。低速率语音编码追求的目标是以更低的传输速率提供更好的语音服务,或者说在相同的服务质量前提下,占用最小的频带资源。语音编码将模拟信号转变为方便传输的数字信号,通常,语音编码从技术特点来说可分为以下叁类:波形编码、参数编码以及波形与参数结合的混合编码。波形编码将语音信号当作普通波形信号进行处理,尽可能地使重构出的语音信号与原始语音信号接近,参数编码通过提取语音的特征参数,并对这些参数进行编码,而混合编码则结合了二者的优势,本文所设计的声码器采用的编码方式就是混合编码。本文针对LPC-10声码器激励源过于简单、参数提取算法较复杂、合成语音自然度低等问题,作出一系列的优化改进。主要包括几方面的工作:采用混合激励替换简单的二元激励,细化了激励信号;简化了基音周期提取算法,降低了算法的时间复杂度和通信时延,提高了语音实时性;对子带声音强度的量化采用新的模糊聚类级联LBG二级码本训练算法,结合了模糊聚类和两级码本各自的优势,克服了LBG算法中初始码本选用随机法容易造成类空胞腔和易陷入局部最优等问题;并用本文提出的二级矢量量化算法对子带声音强度进行二级矢量量化,提高子带声音强度的量化精度(4bit,16级量化)。最后对本文提出的算法进行了仿真实验,并与线性预测编解码算法进行了对比。实验结果表明,本文提出的算法在算法时间复杂度、合成语音质量等方面表现优异。(本文来源于《青海师范大学》期刊2015-04-01)
邹涛,杨秀芝,陈建[8](2012)在《基于FPGA的AVS视频解码帧内预测的设计和实现》一文中研究指出根据AVS标准中帧内预测的算法,运用流水线设计方法,并合理安排缓冲存储器空间,利用FPGA实现了帧内预测系统;然后将该设计的ModelSim仿真结果与参考软件的解码输出进行了比较,结果表明本设计能够较好地完成帧内解码算法,方便地嵌入到整体AVS解码系统中。(本文来源于《电视技术》期刊2012年20期)
田婷,余胜生,郭红星,苏曙光[9](2012)在《视频解码计算复杂度的线性建模理论及在线预测方法》一文中研究指出视频解码是一类最典型的多媒体应用,其计算量大、耗能高.现代多媒体计算平台可利用视频解码计算复杂度固有的动态变化特征来自适应地调整所需计算资源,从而节省能耗,其前提是对视频解码计算复杂度进行准确估计.作者基于解码计算复杂度与帧长之间的线性关系,提出了一种利用状态变量法对解码计算复杂度进行理论建模和在线估计的方法.与传统的直接对帧长和计算复杂度之间的输入-输出依赖关系进行建模所不同,这里将视频解码系统表征为由视频内容特征的状态变化所驱动的系统.首先从语义层面对解码器各模块的解码复杂度进行分析,并导出各模块计算复杂度与语义参数间的依赖关系模型,总解码复杂度为各子模块的复杂度之和.经过化简得到解码计算复杂度与帧长之间的线性模型,其中模型系数为上述语义参数的函数,表征了视频内容特征的状态变化,被定义为状态变量.再结合压缩视频流中相邻帧语义参数之间的相关性,将系统状态方程定义为反映视频内容变化程度的分段线性函数.根据I帧和P帧状态轨迹特性及其在压缩码流中位置属性的不同,分别进行计算复杂度在线估计:对于I帧,采用统计分析方法获得其状态变量的均值并进行在线估计;而对P帧,则是在运行过程中利用状态方程对状态变量进行实时更新和计算复杂度估计.在基于SimpleScalar的软件仿真平台和基于DSP的嵌入式硬件平台上分别对H.264、MPEG-4压缩码流的解码计算复杂度进行在线估计,实验结果表明:对解码计算复杂度的平均估计误差在7%以内,预测精度非常高,而且状态方程更新过程简单,在线运行复杂度低,特别适用于嵌入式移动设备.(本文来源于《计算机学报》期刊2012年10期)
王天剑[10](2012)在《PA对解码和拼写的预测效果在母语和外语学习中的比较》一文中研究指出本研究的主要目的是,考察汉语儿童英语学习过程中PA对解码或拼写的预测效果,以及这些预测效果与美国NELP关于母语学习者的对应研究发现的异同。研究采用元分析技术,收集了国内关于PA与解码或拼写相关的实证研究论文,并对相关性结果进行了综合处理。结果表明,综合以后的相关均为正值,且达到显着水平。PA对解码和拼写的预测效果量属于中等级别;这些结果与NELP对母语学习者进行的有关研究发现无显着统计差别。(本文来源于《吕梁教育学院学报》期刊2012年03期)
预测解码论文开题报告
(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:
一直以来,世界各地的就医模式都囿于“有病才求医”的思维误区。无论是心肌梗塞或髋骨骨折等突发急诊,还是偏头痛等慢性病症,人们一般只有在感到身体不适时,才会想到要去看医生。但现在,科学的突发猛进与创新成果的不断涌现,让我们有机会打破这种“被动”的医
(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。
预测解码论文参考文献
[1].娄杰丽,彭来湖,吴震宇.融合编码解码和线性回归的短期风速预测[J].工业控制计算机.2019
[2].罗伯特·布拉德韦.解码健康挑战“预测预防”势在必行[N].健康报.2018
[3].邱守彬.HEVC帧间预测解码VLSI的研究与实现[D].济南大学.2016
[4].王志杰.H.264帧内预测解码标准的研究与实现[D].福州大学.2015
[5].孔祥军.基于多视点解码流分析的视差预测方法研究[D].吉林大学.2015
[6].田婷.视频解码复杂度建模及动态预测研究[D].华中科技大学.2015
[7].胡倩.一种线性预测编解码算法的研究[D].青海师范大学.2015
[8].邹涛,杨秀芝,陈建.基于FPGA的AVS视频解码帧内预测的设计和实现[J].电视技术.2012
[9].田婷,余胜生,郭红星,苏曙光.视频解码计算复杂度的线性建模理论及在线预测方法[J].计算机学报.2012
[10].王天剑.PA对解码和拼写的预测效果在母语和外语学习中的比较[J].吕梁教育学院学报.2012