بررسی کران های افزونگی کد هافمن
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان - دانشکده برق و کامپیوتر
- نویسنده محمد جوادکلباسی
- استاد راهنما محمدعلی خسروی فرد
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1393
چکیده
یکی از بخش های مهم هر سیستم مخابراتی، کدگذار منبع می باشد که موجب کاهش هزینه ارسال داده می گردد. در بسیاری از کاربردها، لازم است کدبرداری به صورت آنی انجام پذیرد. برای دست یابی به این هدف باید از کد بدون پیشوند استفاده شود که در آن هیچ کلمه کدی پیشوند کلمه کد دیگر نیست. افزونگی مهم ترین معیار برای ارزیابی کارآیی یک کد بدون پیشوند است. کد بدون پیشوند بهینه، کدی است که دارای کم ترین مقدار افزونگی باشد. این کد توسط الگوریتم معروف هافمن به دست می آید. شانون نشان داد که در حالت کلی افزونگی کد بدون پیشوند بهینه مقداری بین صفر و یک است. اگر اطلاعاتی در مورد احتمال وقوع سمبل های منبع در اختیار باشد، کران های صفر و یک قابل بهبود هستند. در این خصوص تا کنون کران هایی بر حسب بزرگ ترین، کوچک ترین و یک احتمال دلخواه از سمبل های منبع به دست آمده است که در این پایان نامه بررسی می گردند. در این پایان نامه با بررسی روش های موجود در محاسبه کران ها، دیدگاه های متفاوتی پیشنهاد می شود که از طریق آن ها می توان کران های بالا و پایین جدیدی بر حسب دو احتمال دلخواه از سمبل های منبع به دست آورد. همچنین با تعمیم دیدگاه ارائه شده در مورد کران پایین، کران های پایین جدیدی برای کدهای بدون پیشوند-پسوند و کد های با مجموع کرافت مشخص ارائه می گردد.
منابع مشابه
فشرده سازی اطلاعات متغیر با زمان با استفاده از کد هافمن
Abstract: In this paper, we fit a function on probability density curve representing an information stream using artificial neural network . This methodology result is a specific function which represent a memorize able probability density curve . we then use the resulting function for information compression by Huffman algorithm . the difference between the proposed me then with the general me...
متن کاملافزایش مقاومت ویدئو فشردهشده با H.264نسبت به خطای کانال، با استفاده از شبکه عصبی و کد هافمن
در حالاتی که کد کردن منبع و کانال به صورت جدا و بدون بازخورد نسبت به یکدیگر انجام میشوند، کدگذار منبع به دنبال افزایش بازدهی در حذف افزونگی دادههای منبع اطلاعاتی میباشد، در حالی که کدگذار کانال قابلیت اطمینان دادههای ارسالی در کانال را بالا میبرد. میدانیم، ظرفیت کانال باعث محدود شدن دادههای ارسالی میشود، بنابراین بسته به شرایط باید مصالحهای بین کدگذار منبع و کانال صورت پذیرد. در این م...
متن کاملفشرده سازی اطلاعات متغیر با زمان با استفاده از کد هافمن
چکیده: در این مقاله با استفاده از شبکه عصبی مصنوعی، تابعی بر منحنی چگالی احتمال رشته اطلاعات منطبق نموده ایم و با این کار توانستیم تابع چگالی احتمال رشته اطلاعات را به منظور حافظه دار کردن منحنی چگالی احتمال تقریب بزنیم .از این تابع چگالی احتمال برای استفاده در فشرده سازی اطلاعات با روش هافمن بهره برده ایم . با این تفاوت که در این روش می توان چندین بار از الگوریتم هافمن برای کد کردن رشته اطلاعا...
متن کاملافزایش مقاومت ویدئو فشرده شده با h.۲۶۴نسبت به خطای کانال، با استفاده از شبکه عصبی و کد هافمن
در حالاتی که کد کردن منبع و کانال به صورت جدا و بدون بازخورد نسبت به یکدیگر انجام میشوند، کدگذار منبع به دنبال افزایش بازدهی در حذف افزونگی دادههای منبع اطلاعاتی میباشد، در حالی که کدگذار کانال قابلیت اطمینان دادههای ارسالی در کانال را بالا میبرد. میدانیم، ظرفیت کانال باعث محدود شدن دادههای ارسالی میشود، بنابراین بسته به شرایط باید مصالحهای بین کدگذار منبع و کانال صورت پذیرد. در این م...
متن کاملبروز نادر خانوادگی وردینگ هافمن
Background: Werding-Hoffmann disease is a degenerative disease of motor neurons that begins in fetus and continues to be progressive in infancy and childhood. Most of them die by 2 years of age because of respiratory failure. The simplest and most accurate method of diagnosis is detection of serum genetic marker of SMA. Case report: In this article a neonate with Werding-Hoffmann disease is...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان - دانشکده برق و کامپیوتر
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023