Ứng dụng của xử lý số tín hiệu trong thông tin số – Tối ưu hóa sự kết hợp mã nguồn và mã kênh

TÓM TẮT KẾT LUẬN MỚI CỦA LUẬN ÁN 1.     Đề xuất hai thuật toán là MSA và SATS sử dụng trong phương pháp IA (một phương pháp kết hợp mã nguồn mã kênh) với độ tối ưu và tính ổn định cao. Thuật toán SATS là một phiên bản cải tiến của thuật toán MSA với cơ chế chống tìm kiếm lặp lại, cho kết quả tốt hơn nhưng có độ phức tạp cao hơn. Hai thuật toán cải tiến được xét trong trường hợp tổng quát không bị hạn chế bởi các giả thiết đơn giản hóa như các công trình trước đó và có khả năng hội tụ nhanh, do đó có thể áp dụng trong nhiều trường hợp thực tế nhất là với các trường hợp bảng mã có kích thước lớn. Luận án cũng phân tích và đưa ra phương pháp lựa chọn các tham số điều khiển của các thuật toán này tùy thuộc vào kích thước của bảng mã nhằm phát huy được ưu thế của các thuật toán và đảm bảo được độ tối ưu của kết quả. 2.     Đề xuất phương pháp kết hợp mã nguồn mã kênh và phương pháp điều chế số sẵn có sử dụng phương pháp IA để giảm thiểu được méo tín hiệu gây ra bởi nhiễu kênh. Phương pháp đề xuất có thể linh hoạt áp dụng trong nhiều trường hợp và còn có thể dùng để nâng cấp các hệ thống sẵn có mà không phải thay đổi hay thiết kế lại hệ thống. Nghiên cứu ứng dụng của phương pháp IA vào các kỹ thuật lượng tử hóa vectơ có cấu trúc, đề xuất phương pháp IA-SSVQ dựa trên sự kết hợp phương pháp IA với kỹ thuật lượng tử hóa vectơ chuyển mạch phân đoạn SSVQ để tăng chất lượng của tín hiệu trong truyền dẫn.

BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI TRẦN NGỌC TUẤN ỨNG DỤNG CỦA XỬ LÝ SỐ TÍN HIỆU TRONG THÔNG TIN SỐ – TỐI ƯU HÓA SỰ KẾT HỢP MÃ NGUỒN VÀ MÃ KÊNH Chuyên ngành : Kỹ thuật viễn thông Mã số : 62520208 LUẬN ÁN TIẾN SĨ KỸ THUẬT VIỄN THÔNG NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS NGUYỄN QUỐC TRUNG Hà Nội - 2017 MỤC LỤC LỜI CAM ĐOAN i LỜI CẢM ƠN ii MỤC LỤC iii DANH MỤC CÁC THUẬT NGỮ VIẾT TẮT vi DANH MỤC CÁC BẢNG ix DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ x CÁC KÝ HIỆU TOÁN HỌC DÙNG TRONG LUẬN ÁN xii MỞ ĐẦU 1 Giới thiệu đề tài Những vấn đề tồn 3 Mục tiêu, đối tượng phương pháp nghiên cứu luận án 3.1 Mục tiêu nghiên cứu 3.2 Đối tượng phạm vi nghiên cứu 3.3 Phương pháp nghiên cứu 4 Ý nghĩa khoa học ý nghĩa thực tiễn luận án 4.1 Ý nghĩa khoa học 4.2 Ý nghĩa thực tiễn 5 Các đóng góp luận án Cấu trúc luận án CHƯƠNG TỔNG QUAN VỀ HỆ THỐNG THÔNG TIN SỐ VÀ KỸ THUẬT KẾT HỢP MÃ NGUỒN VÀ MÃ KÊNH 1.1 Kết hợp mã nguồn mã kênh thông tin số 1.1.1 Hệ thống thông tin số truyền thống 1.1.2 Kỹ thuật kết hợp mã nguồn mã kênh JSCC 1.2 Lượng tử hóa tín hiệu 14 1.2.1 Lượng tử hóa vectơ 14 1.2.2 Điều kiện lượng tử hóa tối ưu 15 1.2.3 Thiết kế bảng mã cho lượng tử hóa vectơ 16 1.3 Các tính chất ứng dụng kỹ thuật lượng tử hóa vectơ 18 1.3.1 Đặc điểm kỹ thuật lượng tử hóa vectơ 18 1.3.2 Lượng tử hóa tham số mã hóa tiếng nói 20 1.4 Kết hợp mã nguồn mã kênh – mã chống lỗi không dư thừa 25 1.4.1 Phương pháp lượng tử hóa vectơ tối ưu theo kênh COVQ 25 1.4.2 Phương pháp tối ưu hóa thứ tự bảng mã 27 1.5 Kết luận chương 29 CHƯƠNG KẾT HỢP MÃ NGUỒN VÀ MÃ KÊNH BẰNG PHƯƠNG PHÁP TỐI ƯU HÓA THỨ TỰ BẢNG MÃ CỦA BỘ LƯỢNG TỬ HÓA 31 2.1 Giới thiệu chương 31 iii 2.2 Phương pháp tối ưu hóa thứ tự bảng mã (phương pháp IA) 32 2.2.1 Mô hình toán học toán IA 32 2.2.2 Các bước triển khai phương pháp IA 33 2.2.3 Các khái niệm toán IA 34 2.2.4 Các thuật toán IA 34 2.3 Thuật toán mô luyện kim SA 36 2.3.1 Cơ sở thuật toán SA 36 2.3.2 Thuật toán SA tham số 38 2.3.3 Thuật toán ISA cho toán tối ưu IA 39 2.4 Cải tiến thuật toán SA 39 2.4.1 Những hạn chế thuật toán SA 39 2.4.2 Các giải pháp cải tiến thuật toán SA cho toán IA 40 2.4.3 Thuật toán SA cải tiến – Thuật toán MSA 43 2.4.4 Lựa chọn tham số điều khiển cho thuật toán SA/MSA 44 2.4.5 Kết mô bàn luận 51 2.5 Cải tiến thuật toán MSA với chế ngăn chặn tìm kiếm trùng lặp 55 2.5.1 Khả tìm kiếm trùng lặp thuật toán MSA 55 2.5.2 Cơ chế chống duyệt trùng lặp thuật giải tìm kiếm Tabu 57 2.5.3 Cải tiến chế chống duyệt trùng lặp áp dụng cho thuật toán MSA 58 2.5.4 Thuật toán MSA sử dụng chế tránh duyệt trùng lặp cải tiến 64 2.5.5 Mô bàn luận 66 2.6 Kết luận chương 68 CHƯƠNG KẾT HỢP MÃ NGUỒN VÀ MÃ KÊNH VÀ PHƯƠNG PHÁP ĐIỀU CHẾ SỬ DỤNG PHƯƠNG PHÁP TỐI ƯU HÓA THỨ TỰ BẢNG MÃ 70 3.1 Đặt vấn đề 70 3.2 Kết hợp mã nguồn mã kênh hệ thống điều chế số nhiều mức phương pháp IA 71 3.2.1 Mô hình hệ thống tham số 71 3.2.2 Xác suất chuyển đổi ký tự (Symbol Transition Probability) 74 3.2.3 Xác suất chuyển đổi từ mã (Codeword Transition Probability) 76 3.2.4 Mô kết 78 3.3 Kết hợp mã nguồn mã kênh kỹ thuật điều chế 84 3.3.1 Mở rộng toán IA có xét đến phương pháp điều chế số 84 3.3.2 Mô hình hệ thống tham số 85 3.3.3 Ước lượng xác suất chuyển đổi từ mã PC(a,b) 87 3.3.4 Phương pháp kết hợp mã nguồn mã kênh kỹ thuật điều chế 89 3.3.5 Các thí nghiệm mô kết 90 3.4 Kết luận chương 94 CHƯƠNG ỨNG DỤNG CỦA PHƯƠNG PHÁP IA VÀO KỸ THUẬT LƯỢNG TỬ HÓA VECTƠ CÓ CẤU TRÚC VÀ TRONG MÃ HÓA TIẾNG NÓI 96 4.1 Giới thiệu 96 4.2 Lượng tử hóa Vectơ có cấu trúc 96 4.3 Kỹ thuật lượng tử hóa vectơ chuyển mạch phân đoạn SSVQ 98 4.3.1 Thiết kế lượng tử hóa SSVQ 98 4.3.2 Bộ lượng tử hóa SSVQ 99 4.3.3 Đề xuất phương pháp lượng tử hóa IA-SSVQ 100 4.3.4 Kết mô bàn luận 101 iv 4.4 Ứng dụng kỹ thuật IA-SSVQ mã hóa tiếng nói 102 4.4.1 Lượng tử hóa tham số LPC 102 4.4.2 Bộ lượng tử hóa LSF-IA-SSVQ 104 4.4.3 Mô lượng tử hóa LSF băng rộng kết 105 4.5 Kết luận chương 107 KẾT LUẬN VÀ HƯỚNG NGHIÊN CỨU TIẾP THEO 109 DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA LUẬN ÁN 111 TÀI LIỆU THAM KHẢO 112 v DANH MỤC CÁC THUẬT NGỮ VIẾT TẮT Thuật ngữ viết tắt Thuật ngữ tiếng Anh Giải thích tiếng Việt ADPCM Adaptive Differential Pulse Code Modulation Điều chế xung mã vi sai thích nghi AMR-WB Adaptive Muti-Rate Wideband Băng rộng đa tốc độ thích ứng AWGN Additive White Gaussian Noise Nhiễu Gauss trắng cộng tính BER Bit Erorr Rate Tỷ lệ lỗi bit BSA Binary Switching Algorithm Thuật toán hoán đổi cặp BSC Binary Symetric Channel Kênh nhị phân đối xứng COQ Channel Optimized Quantization Lượng tử hóa tối ưu theo kênh COSQ Channel Optimized Scalar Quantization Lượng tử hóa vô hướng tối ưu theo kênh COVQ Channel Optimized Vector Quantization Lượng tử hóa véctơ tối ưu theo kênh COSC Channel-Optimized Source Coding Mã nguồn tối ưu theo kênh COSSVQ Channel Optimized Switched Split Vector Quantization Lượng tử hóa vectơ chuyển mạch phân đoạn tối ưu theo kênh CSNR Channel Signal-to-Noise Ratio Tỷ số tín hiệu tạp âm kênh DMC Discrete Memoryless Channel Kênh rời rạc không nhớ DPCM Differential Pulse Code Modulation Điều chế xung mã vi sai EAIAA Evolutionary Algorithm Based Index Thuật toán gán số dựa thuật Assignment Algorithm toán tiến hóa EEP Equal Error Protection Mức độ bảo vệ FEC Forward Error Correction Mã sửa lỗi GA Genetic Algorithm Giải thuật di truyền GCD Greatest Common Divisor Ước chung lớn GLA Generalized Lloyd Algorithm Thuật toán Lloyd tổng quát IA Index Assignment Đánh (gán) số IRCC Irregular Convolutional Code Mã xoắn không vi ISA Improved Simulated Annealing Mô luyện kim cải tiến ISF Immittance Spectral Frequency Tần số phổ hỗ dẫn JSCC Joint Source-Channel Coding Phối hợp mã nguồn mã kênh LBG Linde-Buzo-Gray Tên thuật toán đặt chữ đầu tên tác giả LPC Linear Predictive Coding Mã hóa dự đoán tuyến tính LSF Line Spectral Frequency Tần số phổ vạch LTP Long Term Prediction Dự đoán thời gian dài MAP Maximum A Posteriori Hậu nghiệm cực đại MGF Moment Generating Function Hàm sinh mô-men MSA Modified Simulated Annealing Mô luyện thép sửa đổi MTS Modified Tabu Search Tìm kiếm Tabu sửa đổi PCM Pulse Code Modulation Điều chế xung mã PDF Probability Density Function Hàm mật độ xác suất PGA Parallel Genetic Algorithm Giải thuật di truyền song song PSK Phase Shift Keying Khóa dịch chuyển pha QAM Quadrature Amplitude Modulation Điều chế biên độ cầu phương QPSK Quadrature Amplitude Phase Shift Keying Khóa dịch pha cầu phương RCPC Rate-Compatible Punctured Convolution Code Mã xoắn đột lỗ tốc độ thích ứng SA Simulated Annealing Mô luyện thép SATS Simulated Annealing - Tabu Search Mô luyện thép - Tìm kiếm Tabu SOCC Source-Optimized Channel Coding Mã kênh tối ưu theo mã nguồn SOVQ Source Optimized Vector Quantization Lượng tử hóa véctơ tối ưu hóa theo nguồn SED Squared Euclidean Distance Khoảng cách Euclid bình phương SD Spectral Distortion Độ méo phổ SNR Signal to Noise Ratio Tỷ lệ tín hiệu tạp âm vii SNqR Signal to Quantization Noise Ratio Tỷ lệ tín hiệu tạp âm lượng tử SQ Scalar Quantization Lượng tử hóa vô hướng SSVQ Switched Split Vector Quantization Lượng tử hóa Vectơ chuyển mạch phân đoạn SVQ Split Vector Quantization Lượng tử hóa Véctơ phân đoạn TS Tabu Search Tìm kiếm Tabu TSCC Tandem Source Channel Coding Mã nguồn mã kênh nối tiếp UEP Unequal Error Protection Mức độ bảo vệ không VQ Vector Quantization Lượng tử hóa Véctơ WED Weighted Euclidean Distance Khoảng cách Euclid có trọng số viii DANH MỤC CÁC BẢNG Bảng 2.1 Điều kiện cách chọn tham số điều khiển thuật toán SA/MSA 50 Bảng 2.2 Ví dụ cách chọn tham số điều khiển 51 Bảng 2.3 Các tham số điều khiển thuật toán SA/MSA sử dụng mô 52 Bảng 2.4 So sánh thời gian chạy thuật toán SA MSA (tính giây) 52 Bảng 2.5 So sánh kết thuật toán IA 54 Bảng 2.6 Danh sách cặp vị trí K_LIST với trường hợp N = 63 Bảng 2.7 Các thông số hệ thống sử dụng để mô thuật toán MSA SATS 66 Bảng 2.8 Các tham số điều khiển thuật toán SA với kịch mô 67 Bảng 2.9 Kết thuật toán SA, MSA SATS sau 10000 lần thực (kịch 1, số vòng lặp 434) 67 Bảng 2.10 Kết thuật toán MSA SATS sau 10000 lần thực (kịch 2, số vòng lặp 1604) 67 Bảng 3.1 Các thông số hệ thống mô 78 Bảng 3.2 Các tham số đầu vào trường hợp mô 79 Bảng 3.3 Các thông số hệ thống có sử dụng mã kênh dùng cho mô 90 Bảng 3.4 Các khả phân phối từ mã b bit vào ký tự bit (hệ thống sử dụng mã Hamming (7,4) điều chế 16-QAM) 91 Bảng 3.5 Các khả phân phối từ mã b bit vào ký tự bit (hệ thống sử dụng mã Hamming (7,4) điều chế 64-QAM) 92 Bảng 4.1 So sánh hoạt động lượng tử hóa LSF SSVQ 46bit/khung 106 Bảng 4.2 So sánh hiệu của lượng tử hóa LSF-SSVQ kết hợp với mã kênh 106 ix DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ Hình 1.1 Sơ đồ khối hệ thống thông tin số truyền thống Hình 1.2 Sơ đồ khối lượng tử hóa véctơ 14 Hình 1.3 Ví dụ vectơ mã lượng tử hóa vectơ chiều 16 Hình 1.4 So sánh kỹ thuật lượng tử hóa véctơ 2bit/mẫu với số chiều khác 19 Hình 1.5 Lượng tử hóa VQ với nguồn tín hiệu có độ tương quan khác 19 Hình 1.6 Dạng sóng tín hiệu tiếng nói hữu vô 20 Hình 1.7 Phổ tín hiệu tiếng nói băng hẹp băng rộng 21 Hình 1.8 Cấu tạo máy phát âm 22 Hình 1.9 Mô hình phát âm 22 Hình 1.10 Đồ thị thời gian tín hiệu gốc, tín hiệu sai số LPC sai số Pitch 24 Hình 1.11 Mô hình bên thu bên phát tiếng nói 24 Hình 1.12 So sánh hiệu hoạt động phương pháp COVQ với phương pháp VQ truyền thống 27 Hình 1.13 Một phương án gán số cho vectơ mã bảng mã kích thước N 27 Hình 1.14 So sánh hiệu phương án đánh số khác 28 Hình 1.15 Phương pháp IA tối ưu với mức nhiễu CSNR khác 29 Hình 2.1 Quá trình truyền dẫn tác động nhiễu 32 Hình 2.2 Ba bước triển khai phương pháp IA 33 Hình 2.3 Sự thay đổi D(π) qua bước lặp thuật toán MSA (trường hợp N=32, số bước lặp chọn đủ lớn) 45 Hình 2.4 Sự thay đổi D(π) qua bước lặp thuật toán MSA (trường hợp N=128, số bước lặp chọn không đủ lớn) 46 Hình 2.5 Sự thay đổi D(π) qua bước lặp thuật toán MSA (trường hợp N=256, số bước lặp chọn không đủ lớn) 46 Hình 2.6 Quan hệ số bước lặp nT (số trạng thái) αT 48 Hình 2.7 Mô hình tham số hệ thống mô 51 Hình 2.8 Kết hàm mục tiêu D(π) theo lần lặp thuật toán SA 55 Hình 2.9 Kết hàm mục tiêu D(π) theo lần lặp thuật toán MSA 55 Hình 2.11 Cơ chế hoạt động danh sách Tabu cải tiến, mục bao gồm thành phần, trường hợp N = 4, LTB = 61 x Hình 2.12 Ví dụ khả duyệt trùng lặp sử dụng điều kiện yêu cầu giống hoàn toàn so sánh cặp giá trị 62 Hình 2.13 Cơ chế hoạt động danh sách cấm Tabu cải tiến, mục bao gồm thành phần, trường hợp N = 4, LTB = 64 Hình 3.1 Sơ đồ khối hệ thống 72 Hình 3.2 Các khả phân phối từ mã n bit b1b2 bn vào ký tự m bit 72 Hình 3.3 Vùng định điểm tín hiệu điều chế 74 Hình 3.4 Hai loại vùng tạo thành vùng định 75 Hình 3.5 Các khả phân phối từ mã bit vào ký tự bit (M=16, N=128) 79 Hình 3.6 Kết ước lượng tham số PC(a,b) phương pháp khác 81 Hình 3.7 So sánh hoạt động phương pháp IA khác 83 Hình 3.8 Sơ đồ khối hệ thống 86 Hình 3.9 Ví dụ trình truyền từ mã n bit sử dụng điều chế số 86 Hình 3.10 Ví dụ khả phân phối từ mã b độ dài n bit vào ký tự m bit 88 Hình 3.11 So sánh phương pháp đánh số IA kết hợp với mã Hamming (7,4) 93 Hình 4.1 Quá trình thiết kế lượng tử hóa SSVQ 98 Hình 4.2 Sơ đồ khối lượng tử hóa SSVQ 99 Hình 4.3 So sánh hoạt động phương pháp SSVQ khác 101 xi lượng tín hiệu lượng tử hóa lượng tử hóa SSVQ nguyên vốn thiết kế điều kiện kênh lý tưởng 4.4 Ứng dụng kỹ thuật IA-SSVQ mã hóa tiếng nói Trong phần này, luận án nghiên cứu ứng dụng kỹ thuật lượng tử hóa vectơ chuyển mạch phân đoạn SSVQ lượng tử hóa tham số LPC mã hóa tiếng nói Đặc biệt mã hóa tham số LPC mã hóa tiếng nói, kỹ thuật SSVQ có nhiều ưu điểm so với phương pháp khác [61,71] Trong phần này, luận án khảo sát ứng dụng SSVQ lượng tử hóa tham số LPC mã hóa tiếng nói tham số quan trọng định chất lượng tín hiệu tiếng nói đồng thời mã hóa tiếng nói giành nhiều bit để mã hóa 4.4.1 Lượng tử hóa tham số LPC Hầu hết chuẩn mã hóa tiếng nói tốc độ thấp sử dụng mô hình dự đoán tuyến tính LPC, máy phát âm mô hình hóa lọc toàn điểm cực trình bày Mục 1.3.2 Việc lượng tử hóa tham số lọc chiếm vai trò quan trọng mã hóa tiếng nói, nên chuẩn mã hóa tiếng nói thường giành phần lớn số bit để biểu diễn mã hóa tham số LPC Tuy nhiên, thực tế chuẩn mã hóa tiếng nói không thực lượng tử hóa trực tiếp tham số LPC, lượng tử hóa trực tiếp tham số LPC có nhiều nhược điểm sau: • Các tham số LPC nhạy cảm với nhiễu, cần tham số LPC có thay đổi nhỏ dẫn thay đổi lớn đáp ứng phổ biên độ lọc HLPC(z) • Các tham số LPC có dải giá trị rộng, hiệu lượng tử hóa không cao sai số lớn Từ dẫn đến lọc LPC tính ổn định, mà lọc không ổn định dùng để tổng hợp tín hiệu tiếng nói ban đầu phía thu sử dụng hệ thống số nói chung • Không dễ dàng để kiểm tra độ ổn định lọc LPC Cách thông thường để kiểm tra độ ổn định tìm tất nghiệm A(z) A(z) có bậc lớn Do bất cập nên tham số LPC chuyển sang cách biểu diễn khác với tham số khác tương ứng có nhiều ưu điểm việc lượng tử hóa độ nhạy với nhiễu thấp dễ dàng đảm bảo kiểm tra ổn định lọc LPC Trong số tham số thay cho tham số LPC, tham số tần số phổ vạch LSF (Line Spectral Frequency) sử dụng rộng rãi [64] Để tính tham số LSF, ta thành lập hai đa thức P(z) Q(z) sau: P(z) = A(z) + z− (p+1)A(z) 102 (4-6) Q(z) = A(z) – z− (p+1)A(z) (4-7) Hai đa thức có tính chất sau [68]: • Tất điểm không P(z) Q(z) nằm vòng tròn đơn vị mặt phằng Z • Các điểm không P(z) Q(z) đan xen vòng tròn đơn vị • Tính chất pha tối thiểu lọc HLPC(z) đảm bảo hai tính chất thỏa mãn Từ tính chất (1) dẫn đến điểm không P(z) Q(z) có dạng z = ejω tần số tương ứng ω gọi tần số LSF Từ tính chất (2) ta thấy hệ số LSF xếp theo thứ tự tăng dần Do hai đa thức P(z) Q(z) có hai điểm không ±1 tương ứng với tần số π, nên thứ tự hệ số LSF sau: = ω0 < ω1 < ω2 < < ωp < ωp+1 = π (4-8) Từ thấy hệ số LSF có dải động hẹp chúng tồn tương quan lớn, thích hợp cho lượng tử hóa, đặc biệt lượng tử hóa theo vectơ Từ tính chất (3) ta thấy điều kiện (4-8) điều kiện ổn định lọc LPC Điều kiện dễ dàng kiểm tra đảm bảo trình lượng tử hóa Trên ưu sử dụng biểu diễn LSF cho tham số LPC, lý đó, chuẩn mã hóa ngày hầu hết sử dụng kỹ thuật lượng tử hóa vectơ để lượng tử hóa tham số LSF Để đánh giá chất lượng lượng tử hóa LPC, phương pháp thông dụng đánh giá dựa vào độ méo phổ SD (Spectral Distortion) Độ méo phổ đánh giá khung tín hiệu SDi dựa khác biệt đáp ứng biên độ (phổ biên độ đáp ứng tần số) lọc LPC với tham số gốc với tham số lượng tử Với khung thứ i độ méo phổ SDi (tính theo dB) định nghĩa sau[63]:  k −1 H LPC e j kπ 1 SDi = ∑ 20 log10 Hˆ e j 2kπ k1 − k0  k = k0 LPC  ( ( ( H LPC e j kπ N ) j kπ Hˆ LPC e ( N ) N N ) )     (4-9) đáp ứng biên độ rời rạc lọc LPC với tham số gốc tham số sau lượng tử hóa tương ứng với khung thứ i tín hiệu tiếng nói Độ méo phổ đánh giá cho lượng tử hóa giá trị trung bình độ méo phổ theo khung tính tất khung Tuy nhiên sử dụng thông số SD trung bình chưa đủ, tai người nhạy cảm với khung có sai khác lớn phổ biên độ lọc LPC Vì vậy, để đánh giá chất lượng lượng tử hóa cần đánh giá thêm số 103 lượng (theo %) khung có SD cao Một tiêu chuẩn thông dụng cho lượng tử hóa chất lượng tốt gồm tiêu chí sau: • Mức SD trung bình nhỏ 1dB • Dưới 2% số khung có mức SD khoảng ÷ 4dB • Không có khung có mức SD lớn 4dB Tiêu chí sử dụng cho mã hóa tiếng nói băng hẹp [63] băng rộng [72] Ngoài sử dụng LSF để biểu diễn tham số LPC, có phương pháp biểu diễn khác dùng chuẩn mã hóa tiếng nói băng rộng tần số phổ hỗ dẫn ISF [67] Tuy nhiên theo [37] phương pháp SSVQ lượng tử hóa tham số LSF hiệu nên phần luận án xét tham số LSF 4.4.2 Bộ lượng tử hóa LSF-IA-SSVQ Như trình bày Mục 4.2, ta để lượng tử hóa vectơ LSF trực tiếp số chiều lớn (10 phần tử với mã hóa bãng hẹp 16 phần tử với mã hóa băng rộng), cần dùng đến kỹ thuật lượng tử hóa vectơ có cấu trúc Kỹ thuật mã hóa SSVQ ưu điểm nêu phần trước, sử dụng để mã hóa tham số LSF có thuận lợi sau: • Có thể dễ dàng đảm bảo thứ tự tăng dần tham số LSF trình mã hóa giải mã, đảm bảo lọc LPC ổn định • Có thể sử dụng phương pháp đo khoảng cách có trọng số trình thiết kế bảng mã, làm tăng chất lượng lượng tử hóa LSF Do việc áp dụng phương pháp IA-SSVQ vào việc lượng tử hóa tham số LSF (gọi lượng tử hóa LSF-IA-SSVQ) làm giảm thiểu ảnh hưởng nhiễu kênh Để tăng chất lượng mã hóa tiếng nói, ta sử dụng phương pháp đo khoảng cách hai véctơ LSF sử dụng trọng số WED (Weighted Euclidean Distance) [63] thay cho phương pháp dùng khoảng cách SED sau: p ( ) d f , fˆ = ∑  wi fi − fˆi    i =1 ( ) (4-10) wi trọng số phổ tương ứng với tần số LSF thứ i tính sau: wi =  H LPC ( f i )    r với r số xác định thực nghiệm r = 1,5 [63] 104 (4-11) Khoảng cách WED sử dụng việc thiết kế bảng mã việc lượng tử hóa để tăng hiệu mã hóa tiếng nói 4.4.3 Mô lượng tử hóa LSF băng rộng kết Để so sánh đánh giá hiệu kỹ thuật IA-SSVQ, phần luận án thực mô mã hóa LSF băng rộng (bậc p=16) công cụ Matlab phiên R2010a Thư viện TIMIT [66] gồm đoạn tiếng nói có tần số lấy mẫu 16KHz sử dụng để xây dựng tập vectơ huấn luyện vectơ thử nghiệm hệ thống Để thu vectơ LSF, thủ tục tiền xử lý tín hiệu phân tích LPC chuẩn mã hóa băng rộng đa tốc độ thích nghi AMR-WB (Adaptive Multirate Wideband speech coder, ITU-T G.722.2) [65] áp dụng Tín hiệu tiếng nói 16KHz chia làm hai dải gồm dải tần số thấp từ 50-6400Hz dải tần số cao 6400÷7000Hz Các tham số LPC phân tích từ dải tần số thấp, bước thay đổi tần số lấy mẫu tín hiệu từ 16KHz xuống 12,8KHz Quá trình thay đổi tần số lấy mẫu thực cách tăng tốc độ lấy mẫu tín hiệu lên lần, cho qua lọc thông thấp Hdecim(z) có tần số cắt 6,4Khz Sau lại giảm tốc độ lấy mẫu lần, tần số lấy mẫu tín hiệu thay đổi thành 12,8KHz Bước tiền xử lý tín hiệu, sử dụng hai lọc thông cao lọc nhấn Ngoài tín hiệu giảm biên độ hai lần để giảm khả tràn số trình tính toán xử lý Bộ lọc thông cao lọc thứ lọc bỏ thành phần chiều thành phần tần số thấp 50Hz (trong có nhiễu) Hàm truyền đạt lọc sau [65]: 0,989502 − 1,979004z −1 + 0,989502z −2 H h1 ( z ) = − 1,978882z −1 + 0,9799126z −2 (4-12) Có thể kết hợp với việc giảm biên độ tín hiệu hai lần cách chia tất hệ số tử số hàm truyền đạt Hh1(z) cho Bộ lọc nhấn lọc thông cao bậc dùng để nhấn mạnh thành phần formant tần số cao phổ tín hiệu tiếng nói, có hàm truyền đạt sau [65]: H pre-emph ( z ) = − 0, 68 z −1 (4-13) Tín hiệu sau tiền xử lý chia thành khung để thực phân tích LPC Một khung tín hiệu dài 20ms, để đảm bảo tính liên tục tín hiệu khung 30ms sử dụng (khung chồng lên hai khung trước sau khung 5ms) Thuật toán Levinson-Durbin [6] sử dụng để tìm tham số LPC, sau tham số LPC chuyển đổi thành LSF Tập vectơ huấn luyện LSF bao gồm 644.137 vectơ phân tích từ file 4620 file dạng WAV thư mục “train”, tập vectơ thử nghiệm bao gồm 235.603 vectơ phân tích từ 1680 file WAV thư mục “test” 105 Tất lượng tử hóa SSVQ có chung thông số: Số nhánh M=32 (m=5); số đoạn 16; số phần tử cho đoạn (3,3,3,3,4) số bit tương ứng mã hóa cho đoạn (9,8,8,8,8) Như khung sử dụng 5+9+8+8+8+8=46 bit để mã hóa tham số LSF (Trong chuẩn G.722.2 sử dụng 46 bit để biểu diễn cho 16 tham số LSF khung với tất tốc độ 8.85, 12.65, 14.25, 15.85, 18.25, 19.85, 23.05 23.85 Kbit/s, ngoại trừ với mức tốc độ thấp 6.6 Kbit/s sử dụng 36 bit/khung) Độ méo phổ SD (công thức (4-7)) dùng để đánh giá hiệu lượng tử hóa LSF Bảng 4.1 biểu diễn kết độ méo phổ trung bình số khung (theo %) có độ méo phổ khoảng 2÷4dB 4dB lượng tử hóa SSVQ Ta thấy kết mô phù hợp với kết mô Mục 4.3.4 Bộ lượng tử hóa IA-SSVQ cho kết tốt mã hóa SSVQ không tối ưu hóa thứ tự vectơ mã bảng mã, có SD trung bình số khung có SD > 4dB thấp xác suất lỗi bit tăng So sánh với lượng tử hóa COSSVQ, εb nhỏ mức ngưỡng lượng tử hóa IA-SSVQ cho kết tốt hơn, điều kiện kênh tốt εb nhỏ lượng tử hóa COSSVQ cho kết SSVQ truyền thống (SSVQ không sử dụng phương pháp tối ưu chống lỗi nào) Ngược lại mức εb thấp εb lớn mức ngưỡng, lượng tử COSSVQ cho kết tốt ba lượng tử hóa sử dụng mô Mức ngưỡng εb phần mô vào khoảng 0,004 Bảng 4.1 So sánh hoạt động lượng tử hóa LSF SSVQ 46bit/khung BER ε 0.001 0.002 0.003 0.004 0.005 0.01 0.1 SSVQ IA-SSVQ COSSVQ SD trung % số khung có SD trung % số khung có SD trung % số khung có bình SD khoảng bình SD khoảng bình SD khoảng (dB) (dB) (dB) 2-4 dB >4 dB 2-4 dB > dB 2-4 dB > dB 0.921 0.499 0.000 0.921 0.499 0.000 0.968 1.499 0.006 1.077 2.857 1.294 1.003 1.723 0.596 1.035 2.512 0.545 1.204 4.894 2.455 1.077 2.925 1.129 1.097 3.523 1.029 1.338 6.691 3.742 1.158 4.125 1.738 1.163 4.505 1.570 1.461 8.470 4.969 1.234 5.358 2.286 1.227 5.530 2.093 1.585 10.187 6.173 1.307 6.399 2.857 1.287 6.469 2.586 2.185 17.265 12.332 1.673 11.679 5.799 1.592 11.170 5.191 7.887 17.176 79.401 6.011 32.266 55.664 5.316 35.921 49.802 Bảng 4.2 biểu diễn kết mô có kịch với mô trên, sử dụng mã Hamming (7,4) để bảo vệ dòng bit Ta thấy kết mô giống kết trước, điểm khác kết SD tốt với thí nghiệm trước mức BER có bảo vệ mã kênh mức ngưỡng εb thí nghiệm tăng lên thành 0,03 106 Bảng 4.2 So sánh hiệu của lượng tử hóa LSF-SSVQ kết hợp với mã kênh SSVQ IA-SSVQ COSSVQ SD trung % số khung có SD trung % số khung có SD trung % số khung có BER bình SD khoảng bình SD khoảng bình SD khoảng (dB) (dB) (dB) ε 2-4 dB >4 dB 2-4 dB > dB 2-4 dB > dB 0.921 0.499 0.000 0.921 0.499 0.000 0.968 1.499 0.006 0.001 0.932 0.711 0.009 0.922 0.507 0.006 0.969 1.504 0.010 0.01 1.016 1.830 0.725 0.975 1.301 0.419 1.012 2.194 0.356 0.02 1.232 4.645 2.884 1.129 3.675 1.599 1.140 4.269 1.421 0.03 1.575 8.840 6.260 1.368 7.227 3.498 1.341 7.390 3.129 0.04 1.990 13.476 10.584 1.673 11.449 6.068 1.587 11.242 5.300 0.05 2.488 17.936 15.892 2.032 15.940 9.258 1.896 15.504 8.167 0.1 5.232 27.799 48.334 4.209 31.953 32.471 3.734 32.786 28.332 Như qua kết mô Mục 4.3.4 (trường hợp tổng quát) mục ta thấy hiệu áp dụng phương pháp IA vào kỹ thuật lượng tử hóa vectơ có cấu trúc, cụ thể nghiên cứu chương kỹ thuật SSVQ Kỹ thuật cải tiến IA-SSVQ giảm thiểu ảnh hưởng nhiễu kênh đến chất lượng tín hiệu sau giải mã, đặc biệt điều kiện kênh nhiễu không lớn Trong điều kiện kênh xấu, mức nhiễu cao kỹ thuật COSSVQ cho kết tốt kỹ thuật IA-SSVQ, nhiên kỹ thuật COSSVQ lại phải trả giá mức nhiễu thấp (chất lượng áp dụng kỹ thuật không tối ưu SSVQ truyền thống) Ngoài với độ linh hoạt cao, kỹ thuật IA-SSVQ lựa chọn thiết kế nâng cấp hệ thống sử dụng kỹ thuật lượng tử hóa véctơ có cấu trúc 4.5 Kết luận chương Chương nghiên cứu ứng dụng phương pháp IA vào kỹ thuật lượng tử hóa vectơ có cấu trúc dùng trường hợp thực tế kích thước bảng mã lớn số chiều vectơ lượng tử hóa lớn Luận án đề xuất phương pháp IA-SSVQ kết hợp phương pháp IA, phương pháp tối ưu hóa thứ tự bảng mã theo đặc tính kênh với kỹ thuật mã hóa có cấu trúc SSVQ sử dụng trường hợp lượng tử hóa vectơ với số chiều lớn Kỹ thuật IA-SSVQ kiểm chứng mô hai trường hợp lượng tử hóa nguồn tương quan ngẫu nhiên trường hợp cụ thể lượng tử hóa tham số LSF, đồng thời so sánh với phương pháp COSSVQ Kết phân tích kết mô cho hai trường hợp cho thấy, kỹ thuật IA-SSVQ hoạt động tốt điều kiện kênh không kém, có kết hợp bảo vệ mã hóa kênh Với ưu điểm đơn giản không làm tăng thêm độ phức tạp độ trễ, kỹ thuật IA có tính khả thi cao ứng dụng lượng tử hóa vectơ có cấu trúc 107 Ngoài ra, phương pháp đề xuất IA-SSVQ ứng dụng kỹ thuật lượng tử hóa vectơ có cấu trúc phức tạp Multi Switched Split Vector Quantization [69] nhằm đạt hiệu hoạt động tốt Các kết Chương công bố báo sau: Tran Ngoc Tuan, Nguyen Quoc Trung, Tran Hai Nam, Improving The Switched Split Vector Quantization Technique Using a Joint Source Channel Coding Approach Bài qua phản biện chấp nhận đăng tạp chí Khoa học Công nghệ trường Đại học (dự kiến đăng số tiếng Anh năm 2017) 108 KẾT LUẬN VÀ HƯỚNG NGHIÊN CỨU TIẾP THEO Mục tiêu nghiên cứu luận án phát triển phương pháp phối hợp mã nguồn mã kênh JSCC để cải tiến hệ thống thông tin số, đem lại hiệu hoạt động tốt tiết kiệm băng thông truyền dẫn Luận án tập trung nghiên cứu phát triển phương pháp IA, phương pháp kết hợp mã nguồn mã kênh JSCC So với phương pháp kết hợp mã nguồn mã kênh khác, mức độ hiệu phương pháp IA lợi khả sửa lỗi mà giảm thiểu méo tín hiệu tác động nhiễu kênh Tuy nhiên phương pháp IA lại có độ linh hoạt cao, trả giá băng thông độ phức tạp hệ thống phương pháp có tính ứng dụng cao áp dụng cho nhiều trường hợp khác Ngoài việc thiết kế tối ưu cho hệ thống, phương pháp IA nâng cấp hệ thống sẵn có, tận dụng thiết kế sẵn có mà không đòi hỏi phải thiết kế lại hệ thống tiết kiệm nhiều chi phí trình nâng cấp hệ thống Hơn nữa, phương pháp IA kết hợp với phương pháp điều khiển lỗi khác mã kênh để tăng khả chống lỗi cho hệ thống cần thiết Luận án nghiên cứu phát triển phương pháp thuật toán sử dụng trình triển khai phương pháp IA Phương pháp chấp nhận độ phức tạp bước thiết kế tối ưu cao, cần nhiều khối lượng tính toán nhớ, công nghệ máy tính vi xử lý phát triển nên phương pháp hoàn toàn khả thi Luận án có đóng góp sau: - Phát triển đề xuất hai thuật toán tìm thứ tự tối ưu cho bảng mã (giải toán gán số IA) MSA SATS dựa cải tiến thuật toán SA Các thuật toán cải tiến tận dụng điểm mạnh thuật toán SA khắc phục hạn chế thuật toán SA áp dụng vào giải toán IA, bao gồm điểm sau: • Khả hội tụ nhanh • Được xét trường hợp tổng quát, không bị ràng buộc giả thiết kênh truyền kênh BSC phương pháp đo độ méo tín hiệu sử dụng khoảng cách Euclid bình phương SED nhiều nghiên cứu trước • Có thể điều chỉnh mức độ tối ưu thuật toán • Độ tối ưu cải tiến đảm bảo kết tối thiểu cực tiểu địa phương Trong hai thuật toán cải tiến thuật toán SATS nâng cấp từ thuật toán MSA, có độ phức tạp cao có nhiều khả cho kết tốt thuật toán MSA Do thuật toán MSA thích hợp sử dụng trường hợp bảng mã có kích thước lớn, cần tối ưu nhiều bảng mã Còn thuật toán SATS thích hợp sử dụng trường hợp kích thước bảng mã nhỏ, yêu cầu độ tối ưu cao 109 - Nghiên cứu, phát triển phương pháp kết hợp mã nguồn mã kênh phương pháp điều chế số sử dụng phương pháp IA Phương pháp kết hợp với mã kênh để điều khiển lỗi trường hợp cần thiết trường hợp nâng cấp hệ thống sử dụng mã kênh sẵn có Phương pháp cho hiệu hoạt động tốt phương pháp IA mà không xét đến kỹ thuật điều chế số trước Ngoài phương pháp ứng dụng để thiết kế nâng cấp hệ thống sẵn có mà không làm thay đổi thiết kế hệ thống, nhờ tiết kiệm nhiều công sức chi phí việc nâng cấp hệ thống - Đề xuất kỹ thuật IA-SSVQ dựa kết hợp phương pháp IA với kỹ thuật lượng tử hóa vectơ chuyển mạch phân đoạn SSVQ để tăng khả giảm thiểu ảnh hưởng nhiễu kênh truyền dẫn Hướng nghiên cứu tiếp theo: - Phương pháp ước lượng tham số phản ánh đặc tính kênh cho toán IA đề xuất Chương bị hạn chế giả thiết kênh truyền không nhớ kết hợp với mã kênh kết hợp với mã kênh có tính hệ thống Hướng nghiên cứu mở rộng cho mô hình kênh khác (như kênh có nhớ) loại mã kênh khác, nghiên cứu phương án áp dụng vào hệ thống cụ thể - Nghiên cứu ứng dụng phương pháp IA kết hợp với kỹ thuật lượng tử hóa vectơ có cấu trúc khác, áp dụng cụ thể cho ứng dụng mã hóa tiếng nói, audio, hình ảnh 110 DANH MỤC CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ CỦA LUẬN ÁN [1] Tran Ngoc Tuan, Nguyen Quoc Trung (2014), Improving the Simulated Annealing Algorithm for the Index Assignment Method to Enhance the Robustness of Communication Systems, Special Issues on Research, Development and Application on Information & Communication Technology, Journal on Information Technology & Communication, Vol E-3, No 7(11), pp 13-20 [2] Tran Ngoc Tuan, Nguyen Quoc Trung (2015), Index Assignment Optimization for Digital Communication Systems using M-ary Modulation Schemes, Special Issues on Research and Development on Information & Communications Technology, Journal on Information Communications Technology, Vol E-3, No 8(12), pp 38-47 [3] Tran Ngoc Tuan, Nguyen Quoc Trung (2016), Joint Source-Channel Coding and Digital Modulation Technique with Index Assignment Optimization, Special Issues on Research and Development on Information & Communications Technology, Journal on Information Communications Technology, Vol E-3, No 9(13), pp 54-62 [4] Tran Ngoc Tuan, Nguyen Quoc Trung, Tran Nguyen Khanh (2016), Improving the Simulated Annealing Algorithm for Source Codeword Index Assignment by Using the Mechanism of Tabu Search Algorithm, The 2016 International Conference on Advanced Technologies for Communications (ATC’16), Hanoi, pp 91-96 [5] Tran Ngoc Tuan, Nguyen Quoc Trung, Tran Hai Nam, Improving The Switched Split Vector Quantization Technique Using A Joint Source Channel Coding Approach Bài gửi cho tạp chí Khoa học Công nghệ trường Đại học chấp nhận đăng (dự kiến đăng số tiếng Anh năm 2017) 111 TÀI LIỆU THAM KHẢO [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] C.E Shannon (1948), A Mathematical Theory of Communication, Bell System Techical Journal, vol 27, pp 379-423, 623-656 S B Z Azami, P Duhamel and O Rioul (1996), Joint Source-Channel Coding: Panorama of Methods, Proceedings of CNESWorkshop on Data Compression, pp 1232-1254 A Gersbo, R Gray (1992) Vector Quantization and Signal Compression, Boston, Ma Kluwer Academic Publishers Y Linde, A Buzo, and R M Gray (1980), An Algorithm for Vector Quantization Design, IEEE Transasction on Communications, Vol COM-28, pp 84-95 Tzu-Chuen Lu, and Ching-Yun Chang (2010), A Survey of VQ Codebook Generation, Journal of Information Hiding and Multimedia Signal Processing, Ubiquitous International, vol 1, no 3, pp 190-203 A M Kondoz (2004), Digital Speech: Coding for Low Bit Rate Communication Systems, 2nd Edition, John Wiley and Sons J Proakis, M Salehi (2008), Digital Communication, Fifth Edition, Mc Graw-Hill C.G Clark Jr., J.B Cain (2013), Error-Correction Coding for Digital Communications, Springer Science & Business Media J W Modestino and D G Daut (1979), Combined Source-Channel Coding of Images, IEEE Transactions on Communication, vol COM-27, pp 1644-1659 J W Modestino, D.G Daut and A.L Vickers (1981), Combined Source-Channel Coding of Images Using the Block Cosine Transform, IEEE Transactions on Communications, vol COM-29, pp 1261-1274 B Hochwald and K Zeger (1997), Tradeoff Between Source and Channel Coding, IEEE Transactions on Information Theory, vol 43, pp.1412-1424 B Hochwald (1998), Tradeoff Between Source and Channel Coding on a Gaussian Channel, IEEE Transactions on Information Theory, vol 44, pp.3044-3055 J Hagenauer (1988), Rate-Compatible Punctured Convolutional Codes (PCPC codes) and Their Applications, IEEE Transactions on Communications, vol 36, no 4, pp 389–400 J Wang, N.S Othman, J Kliewer, L.L Yang and L Hanzo (2005), Turbo-Detected Unequal Error Protection Irregular Convolutional Codes Designed for the Wideband Advanced Multirate Speech Codec, IEEE VTC'05 (Fall), Intercontinental Hotel, Dallas, Texas, USA, pp 927-931 N Favardin, V Vaishampayan (1987), Optimal Quantizer Design for Noisy Channels: an Aproach to Combined Source-Channel Coding, IEEE Transactions on Information Theory, vol IT-33, No 6, pp 827-838 V Vaishampayan, N Favardin (1990), Optimal Block Cosine Transform Image Coding for Noisy Channels, IEEE Transasctions on Communications, vol COM-38, No 3, pp 327-336 N Farvardin and V Vaishampayan (1991), On the Performance and Complexity of Channel-Optimized Vector Quantizers, IEEE Transasction on Information Theory, vol 37, no 1, pp 155–160 112 [18] P Floor, T Ramstad, and N Wernersson, Power Constrained Channel Optimized Vector Quantizers used for Bandwidth Expansion (2007), IEEE International Symposium on Wireless Communication Systems, pp 667-671 [19] J Karlsson and M Skoglund (2010), Optimized Low-Delay Source-Channel-Relay Mappings, IEEE Transactions on Communications, vol 58, no 5, pp 1397-1404 [20] D Persson and T Eriksson (2010), Power Series Quantization for Noisy Channels, IEEE Transactions on Communications, vol 58, no 5, pp 1405-1414 [21] D Persson and T Eriksson (2010), On Multiple Description Coding of Sources with Memory, IEEE Transactions on Communications, vol 58, no 8, pp 2242-2251 [22] F Gray (1953), Pulse Code Communications, United States Patent Number 2632058 [23] N Rydbeck and C.-E W Sundberg (1976), Analysis of Digital Errors in Nonlinear PCM Systems, IEEE Transactions on Communications, vol COM-24, pp 59-65 [24] J.R.B DeMarca and N S Jayant (1987), An Algorithm for Assigning Binary Indices to the Codevectors of Multidimensional Quantizers, Proceedings IEEE International Conf Commnunications, pp.1128-1132 [25] K Zeger and A Gersho (1990), Pseudo-Gray Coding, IEEE Transasction on Communications, Vol 38, No 12, pp 2147-2158 [26] G Ben-David and D Malah (2005), Bounds on the Performance of VectorQuantizers under Channel Errors, IEEE Transactions on Information Theory, 51(6), pp 2227-2235 [27] Xiaolin Wu, et al (2011), On Computation of Performance Bounds of Optimal Index Assignment, IEEE Transasction on Communications, vol 59, pp 3229-3233 [28] N Farvadin (1990), A Study of Vector Quantization for Noisy Channels, IEEE Transasction on Information Theory, Vol 36, No 4, pp 799-809 [29] L Tianhao, Y Songyu (2004), Evolutionary Algorithm Based Index Assignment Algorithm for Noisy Channel, Journal of Systems Engineering and Electronics, Shanghai, Vol 15, No 3, pp 431-435 [30] W Yue (2012), An Index Assignment Algorithm over Noisy Channel, Software Engineering and Knowledge Engineering: Theory and Practice, Springer Berlin Heidelberg, pp 663-671 [31] J S Pan, F R McInnes and M A Jack (1996), Application of Parallel Genetic Algorithm and Property of Multiple Global Optima to VQ Codevector Index Assignment, IEE Electronics Letters, Vol 32, No 4, pp 296-297 [32] J.S Pan, S.C Chu (1996), Non-Redundant VQ Channel Coding using Tabu Search Strategy, IEE Electronics Letter, Vol 32, No 17, pp 1545-1546 [33] P Knagenhjelm and E Agrell (1996), The Hadamard Transform – A Tool for Index Assignment, IEEE Transactions Information Theory, Vol 42, No 4, pp 1139–1151 [34] J S Pan, Z M Lu, S C Chu and S H Sun (1999), Non-redundant VQ Channel Coding Using Modified Tabu Search Approach With Simulated Annealing, Third International Conference on Knowledge-Based Intelligent Information Engineering Systems, Australia, pp 242-245 [35] R Iordache and I Tabus (1999), Index Assignment using an Ant System Approach, Proceedings CSCS-12, 12-th International Conference on Control Systems and Computer Science, Bucharest, Romania, pp 391-395 113 [36] J.S Pan, C.S Shieh and S.C Chu (1998), Comparison Study on VQ Codevector Index Assignment, in Proceedings 5th International Conference Spoken Language Processing (ICSLP’98), Sydney, Australia, pp Th4Q1-Th4Q4, paper 0031 [37] A Miri, E Hons and A.K Khandani (2005), Optimising the Combined Source and Channel Coding of a Discrete Communication System, IEE Proceedings Communication, vol 152, iss 3, pp 282-287 [38] G Zhang, J Klejsa, WB Kleijn (2012), Optimal Index Assignment for Multiple Description Scalar Quantization with Translated Lattice Codebooks, IEEE Transactions on Signal Processing, 60(8), pp 4444-4451 [39] H Oztoprak, S Villette and A Kondoz (2012), Index Assignment-Based Channel Coding, IET Communication , vol 6, iss 2, pp 172-178 [40] K Sayood and J C Borkenhagen (1991), Use of Residual Redundancy in the Design of Joint Source/Channel Coders, IEEE Transactions on Communications, vol 39, pp 838–846 [41] N Phamdo and N Farvardin (1994), Optimal Detection of Discrete Markov Sources over Discrete Memoryless Channels – Applications to Combined Source-Channel Coding, IEEE Transactions Information Theory, vol 40, pp 186–193 [42] K Ramchandran et al (1993), Multiresolution Broadcast for Digital HDTV using Joint Source/Channel Coding, IEEE Journal on Selected Areas in Communication, vol 11.1, pp 6-23 [43] K.P Ho and J M Kahn (1996), Combined Source-Channel Coding using Channel Optimized Quantizer and Multicarrier Modulation, Proceedings IEEE ICC’96, pp 1323-1327 [44] W Xiaohan and X Wu (2010), Index Assignment Optimization for Joint SourceChannel MAP Decoding, IEEE Transasction on Communications, Vol 58.3, pp 901910 [45] A J Goldsmith and M Effros (1998), Joint Design of Fixed-Rate Source Codes and Multiresolution Channel Codes, IEEE Transactions on Communications, vol 46, pp 1301-1312 [46] J Lim and D L Neuhoff (2003), Joint and Tandem Source-Channel Coding with Complexity and Delay Constraints, IEEE Transactions on Communications, vol 51, no 5, pp 757–766 [47] Y Zhong, F Alajaji and L L Campbell (2006), On the Joint Source-Channel Coding Error Exponent for Discrete Memoryless Systems, IEEE Transactions on Information Theory, vol 52, no 4, pp 1450–1468 [48] S Kirkpatrick, C.D Gelatt Jr, M.P Vecchi (1983), Optimization by Simulated Annealing, Science 220 (4598), pp 671–680 [49] M Bouzid and A Djeradi (2001), Joint Channel-Source Coding for Robust Vector Quantization: Application to Speech Coding, 7th International Workshop on Digital Signal Processing for Space Communication (DSP2001), Portugal [50] W Qiang, Z Huoming, J Juan, G Wenjun & Z Zhou (2011), Study on the Application of Improved Simulated Annealing Algorithm for Several Types of Optimization Problem, 7th International Conference on Natural Computation (ICNC), IEEE, vol 3, pp 1574-1577 [51] L Xiao, X Dong (2005), The Exact Transition Probability and Bit Error Probability of Two-Dimensional Signaling, IEEE Transasction Wireless Communication, vol.4, pp 2600-2609 114 [52] D Yoon, K Cho, J LEE (2000), Bit Error Probability of M-ary Quadrature Amplitude Modulation, Vehicular Technology Conference, 2000 IEEE-VTS Fall VTC 2000 52nd IEEE, pp 2422-2427 [53] J.-K Han and H.-M Kim (2001), Joint Optimization of VQ Codebooks and QAM Signal Constellations for AWGN Channels, IEEE Transasction on Communications, Vol 49, Iss 5, pp 816-825 [54] H Elmeddeb, et al (2006), Combined Adaptive Modulation and Channel Optimized Vector Quantization, IEEEEURASIP-ISCCSP [55] H Skinnemoen (1994), Combined Source-Channel Coding with Modulation Organized Vector Quantization (MOR-VQ), Proceedings IEEE GLOBECOM, vol IEEE, pp 853–857 [56] A Fuldseth and J M Lervik (1994), Combined Source and Channel Coding for Channels with a Power Constraint and Multilevel Signaling, Proceedings ITG Conference, (Munchen, Germany), pp 429-436 [57] T.D Lookabaugh, R.M Gray (1989), High-Resolution Quantization Theory and the Vector Quantizer Advantage, IEEE Transasctions on Information Theory 35 (5), pp 1020–1033 [58] S So, K.K Paliwal (2004), Efficient Vector Quantisation of Line Spectral Frequencies Using the Switched Split Vector Quantiser, Proceedings International Conference Spoken Language Processing, Korea [59] S So, K.K Paliwal (2005), Switched Split Vector Quantisation of Line Spectral Frequencies for Wideband Speech Coding, INTERSPEECH-2005, Portugal, pp 2705-2708 [60] S So, K.K Paliwal (2007), Efficient Product Code Vector Quantization Using Switched Split Vector Quantizer, Digital Signal Processing Journal, Elsevier, 17(1), pp 138-171 [61] S So, K K Paliwal (2005), Comparison of LSF and ISP Representations for Wideband LPC Parameter Coding Using the Switched Split Vector Quantiser, in Signal Processing and Its Applications, Proceedings of the Eighth International Symposium, vol 2, pp 595-598 [62] M Bouzid, S Cheraitia (2012), Channel Optimized Switched Split Vector Quantization for Wideband Speech LSF Parameters, Proceedings 11th International Conference on Information Science, ISSPA2012, Canada, pp 1045-1050 [63] K K Paliwal, B S Atal (1993), Efficient Vector Quantization of LPC Parameters at 24 bits/frame, IEEE Transactions on Speech and Audio Processing, 1(1) pp 3-14 [64] F Itakura (1975), Line Spectrum Representation of Linear Predictive Coefficients of Speech Signals, Journal of Acoustical Society of America, vol 57, pp 525(a), p s35(A) [65] ITU-T Recommendation G.722.2 (2003), Wideband Coding of Speech at Around 16 kb/s Using Adaptive Muti-rate Wideband (AMR-WB) [66] J Garofol and al (1990), Darpa TIMIT, Acoustic-Phonetic Continuous Speech Corpus CD-ROM, National Institute of Standards and Technology, NISTIR 493, USA [67] Y Bistritz and S Pellerm (1993), Immittance Spectral Pairs (ISP) for Speech Encoding, Proceedings IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP-93), vol.2, pp 9-12 115 [68] F.K Soong, B.H Juang (1984), Line Spectrum Pair (LSP) and Speech Data Compression, Proceedings IEEE International Conference Acoustics, Speech Signal Processing, San Diego, CA, pp 37-40 [69] M Satya, Sai Ram, P Siddaiah, and M MadhaviLatha (2008), Multi Switched Split Vector Quantizer, International Journal of Computer, Information, and Systems science and Engineering, IJCISSE, WASET 2.1, pp 1-6 [70] Fred Glover and A Kochenberger (2003), Handbook of Metaheuristics, Kluwer Academic Publishers [71] S So and K.K Paliwal (2007), A Comparative Study of LPC Parameter Representations and Quantisation Schemes for Wide-band Speech Coding, Digital Signal Processing Journal, Elsevier, Vol 17, Issue 1, pp 114- 137 [72] G Guibé, H.T How, L Hanzo (2001), Speech Spectral Quantizers for Wideband Speech Coding, European Transactions on Telecommunications, 12(6), pp 535-545 116 ... THỐNG THÔNG TIN SỐ VÀ KỸ THUẬT KẾT HỢP MÃ NGUỒN VÀ MÃ KÊNH 1.1 Kết hợp mã nguồn mã kênh thông tin số 1.1.1 Hệ thống thông tin số truyền thống Nhiệm vụ hệ thống thông tin nói chung hệ thống thông tin. .. THỐNG THÔNG TIN SỐ VÀ KỸ THUẬT KẾT HỢP MÃ NGUỒN VÀ MÃ KÊNH 1.1 Kết hợp mã nguồn mã kênh thông tin số 1.1.1 Hệ thống thông tin số truyền thống 1.1.2 Kỹ thuật kết hợp mã. .. thống thông tin số kỹ thuật kết hợp mã nguồn mã kênh Chương giới thiệu tổng quan kỹ thuật kết hợp mã nguồn với mã kênh, ưu nhược điểm hệ thống kết hợp mã nguồn mã kênh hệ thống truyền thống Trong