در این رساله برای اولین بار طراحی کد برای مسئله imtsc/ceo با بیش از دو کدکننده اجرا شده است. روش پیشنهادی برای طراحی فوق مبتنی بر قالب کاری swcq چند سطحی است. tcq نزدیک ترین رفتار عمل کردی را به کوآنتیزه کننده برداری با بعد بالا دارد و قابل پیاده سازی هم هست. لذا در این رساله کوآنتیزه کننده tcq در قالب کاری swcq به کار گرفته شده است. از طرف دیگر برای پیاده سازی عملی swc، کدهای ldpc قوی ترین کدهای شناخته شده اند. از این رو برای پیاده سازی swcq در این رساله از swc چند سطحی مبتنی بر سندرم با کدهای ldpc استفاده شده است. روش پیشنهادی این رساله برای طرح سیستم کد کردن عملی برای حصول به کران های نظری مسئلهimtsc/ceo روش موفقی می باشد. این روش با انعطاف مناسبی برای حالات مختلف مسئله imtsc/ceo با تعداد بیش دو کد کننده و شرایط دلخواه برای نویزهای مشاهدات قابل به کار گیری است. مقدار تلفات مجموع نرخ (فاصله با کران نظری) روش پیشنهادی بسیار اندک است. سیستم mmbmsc به عنوان کاربردی مهم و ملموس از مسئله imtsc می باشد. با توجه به ارائه روشی در این رساله برای طرح کد برای مسئله imtsc/ceo با وجود تعداد دلخواهی کدکننده، ما سیستم mmbmsc را برای بیش از دو کامپیوتر سرویس دهنده توسعه داده ایم. نتایج شبیه سازی با سیگنال های مختلف مثل دیتا، تصویر ثابت و ویدئو نشان دهنده بهتر بودن عمل کرد سیستمmmbmsc با تعداد کامپیوترهای سرویس دهنده بیش از دو در قیاس با عمل کرد روش های چند پخشی معمول و عمل کرد سیستم mmbmsc با دو کامپیوتر سرویس دهنده می باشد. همچنین ما گونه ای ازdvc را معرفی می کنیم که مسائل imtvc و dmtvc را بتوان با آن حل کرد. در این شرایط به جای استفاده ازwzc از مفهوم mtsc که قالب کاری کلی تر و منعطف تری است استفاده می کنیم. با استفاده از روش کوآنتیزاسیون کارا و استفاده از قالب dsc قوی تر، نقصان در عمل کرد نرخ- اعوجاج را، که تقریباً در همه کارهای گزارش شده قبلی مرتبط با dvc موجود است، تخفیف داده شده است. سپس کارهای انجام یافته در عرصه سیستم های کدینگ توزیع شده مقاوم یا rdsc مورد بررسی قرار می گیرد. واقعیت این است که تا کنون در این عرصه کار زیادی انجام نشده است. ما مسئله rdsc عام را تعریف کرده و مثال هایی از آن را بررسی می کنیم. نشان می دهیم که معدود مدل های مطرح شده توسط دیگران و همچنین مدل های کلی تر مطرح شده توسط ما همگی حالت هایی خاص از مسئله rdsc عام هستند که در این رساله قالب کلی آن طرح شده است. سپس روش عملی طرح کد برای پیاده سازی مسئله rdsc را مبتنی بر قالب کاری swcq بحث می کنیم. این راه کار اولین راه کاری است که برای اجرای rdsc پیشنهاد شده و نتایج حاصل از اجرای آن موید این نکته است که روشی موفق می باشد. در ادامه ایده مسئله rdsc عام برای منابع ویدئویی و تصویری مطرح و جزئیات سیستم مربوطه معرفی می گردند. با توجه به نتایج شبیه سازی، سیستم rdsc برای منابع تصویر و ویدئو موفق بوده و دارای خواص مقاوم بودن و مقیاس پذیری مناسبی می باشد.

یک دسته از رویکردها برای تخمین حالت ? بعدی بدن انسان، رویکرد تمایزی است که با یادگیری مدلی، حالت ? بعدی را از ویژگی های تصویر ورودی تخمین می زند. به دلیل نبود اطلاعات عمق در تصویر، این رویکرد با چالش ابهام در عمق روبرو شده است. برای حل این چالش که یکی از اساسی ترین چالش های مساله تخمین حالت ? بعدی است، روش های نظارتی متعددی ارایه شده است. اما این روش ها به داده ها ی آموزشی بسیار زیادی (بیش از هزاران) نیاز دارند. بنابراین در سال های اخیر به منظور کاهش این نیاز، روش های نیمه نظارتی برای حل چالش ابهام در عمق مورد توجه قرار گرفتند. یک دسته از روش های نیمه نظارتی، روش های مبتنی بر گراف است که برای تخمین برچسب داده ها از گراف که تخمینی از منیفولد داده ها است، استفاده می کنند. یکی از مولفه های اصلی این روش ها، ساخت گراف همسایگی است به طوری که این گراف همسایگی از داده های بدون برچسب و برچسب دار ساخته می شود. بهبود کیفیت ساخت گراف تاثیر به سزایی در کارایی و دقت این روش ها دارد. اما به دلیل استفاده از فاصله ی اقلیدسی در ساخت گراف، گراف ساخته شده شامل یال های میان بر می باشد. این یال های میان بر، داده ها با برچسب های متفاوت را به یکدیگر متصل می نمایند. در این پایان نامه روشی نیمه نظارتی مبتنی بر گراف جهت تخمین حالت ?بعدی از دنباله ای از سیاه نماها ارایه شده است. اما به دلیل استفاده از فاصله ی اقلیدسی و چالش ابهام در عمق، گراف ساخته شده شامل یال های میان بر است. با بهره گیری از پنجره های زمانی لغزنده و مقایسه شباهت بین پنجره های زمانی، یال های میان بر در گراف همسایگی را کشف و حذف می نماییم. علاوه بر رفع چالش ابهام در عمق، به واسطه استفاده از رابطه ی بین داده های بدون برچسب و برچسب دار چالش نیاز به داده ی آموزشی زیاد نیز مرتفع می شود. روش پیشنهادی را بر روی فعالیت های گوناگونی آزمایش کردیم و نتایج حاصل از آن را با چند روش های نیمه نظارتی اخیر مقایسه نمودیم. کاهش میانگین مربع خطا (mse) روش پیشنهادی نسبت به روش های اخیر و همچنین گراف اولیه نشان دهنده ی بهبود عملکرد روش پیشنهادی است.