Cet ouvrage traite particulièrement les domaines de codage de source, de codage de canal et de codage conjoint source-canal (CCSC). Son objectif principal est de présenter en détails le concept de base et les approches du CCSC destiné à la protection implicite des paramètres des systèmes de transmission numériques. Il s'agit d'éclaircir la problématique du CCSC par rapport à la théorie conventionnelle de la conception source/canal séparée et de montrer, du point de vue théorique et pratique, comment faire intégrer au processus de codage de source les effets du bruit de canal. Des résultats expérimentaux, qui seront présentés tout au long de cet ouvrage, montreront que la cascade traditionnelle d'un codeur de source et d'un codeur de canal peut être remplacée efficacement par un seul bloc codeur source-canal optimisé conjointement.
Ce livre s'adresse aux chercheurs et ingénieurs travaillant dans le domaine des télécommunications. Il s'adresse aussi aux étudiants de second cycle des universités et écoles d'ingénieurs qui souhaiteraient se familiariser avec les techniques de codage de source et de canal séparé et/ou conjoint.
Table des Matières
Chapitre 1 : Principe de base et approches du codage conjoint source-canal
1.1 Système de communication numérique
1.2 Fondements de base du codage conjoint source-canal
1.2.1 Principaux théorèmes de codage de Shannon
1.2.2 Problématique du codage conjoint source-canal
1.3 Prémices du codage conjoint source-canal
1.3.1 Protection inégale des données source
1.3.2 Equilibrage des débits
1.4 Approches du codage conjoint source-canal
1.4.1 Assignation d'indice
1.4.2 Quantification optimisée pour un canal bruité
1.4.3 Optimisation conjointe du quantificateur et de l'assignation d'indice
1.4.4 Optimisation conjointe du quantificateur, de l'assignation d'indice et de la modulation
1.5 Résumé
Chapitre 2: Codage de Source : Quantification
2.1 Codage de Source
2.1.1 Définitions
2.1.1.1 Codage de source sans perte
2.1.1.2 Codage de source avec perte
2.1.2 Principe de base du codage de source
2.2 Quantification scalaire
2.2.1 Principe de codage par quantification scalaire
2.2.2 Mesure de performance d’un quantificateur scalaire
2.2.3 Quantificateur scalaire optimal
2.3 Quantification Vectorielle
2.3.1 Principe de la quantification vectorielle
2.3.2 Quantificateur vectoriel optimal
2.3.2.1 Algorithme de Lloyd-Max généralisé
2.3.2.2 Performances du quantificateur vectoriel
2.4 Quantification vectorielle divisée
2.5 Quantification codée par treillis
2.5.1 Théorie débit-distorsion avec contrainte sur l’alphabet
2.5.2 Quantification scalaire codée par treillis
2.5.2.1 Conception d'un quantificateur codée par treillis
2.5.2.1.1 Sélection des treillis
2.5.2.1.2 Alphabet étendu
2.5.2.1.3 Partition d'ensemble
2.5.2.1.4 Etiquetage des branches du treillis
2.5.2.2 Principe de fonctionnement du codeur TCQ
2.5.2.3 Performances de la TCQ
2.5.2.4 Optimisation de la quantification codée par treillis
2.5.3 Quantification vectorielle codée par treillis
2.5.3.1 Performance de la TCVQ
2.5.3.2 Procédure d'optimisation de la TCVQ
2.6 Résumé
Chapitre 3 : Codage de canal redondant
3.1 Principe de base du codage de canal
3.2 Pouvoir de détection/correction des erreurs
3.2.1 Opérations sur les codes
3.2.2 Représentations des codes
3.2.2.1 Poids d'un code
3.2.2.2 Représentation polynomiale
3.2.2.3 Représentation géométrique
3.2.3 Capacité de correction
3.3 Canal de transmission
3.3.1 Capacité du canal
3.3.2 Modèles de canaux
3.3.2.1 Canal binaire symétrique
3.3.2.2 Canal à bruit blanc gaussien additif
3.4 Classes de codes de canal
3.5 Codes en blocs
3.5.1 Codes en blocs linéaires
3.5.1.1 Procédure de codage des codes linéaires
3.5.1.2 Capacité de correction des codes en blocs linéaires
3.5.1.3 Procédure de décodage: détection/correction d'erreur
3.5.1.3.1 Décodage par le tableau standard
3.5.1.3.2 Décodage par syndrome
3.5.1.4 Codes de Hamming
3.5.2 Codes cycliques
3.5.2.1 Construction des codes cycliques
3.5.2.2 Procédure de codage des codes cycliques
3.5.2.3 Procédure de décodage des codes cycliques
3.5.2.4 Classes des codes cycliques
3.6 Codes convolutifs
3.6.1 Principe de base du codage convolutif
3.6.2 Représentation des codeurs convolutifs
3.6.2.1 Diagramme en arbre
3.6.2.2 Diagramme en treillis
3.6.2.3 Diagramme d'état
3.6.3 Décodage des codes convolutifs
3.6.3.1 Algorithme de Viterbi
3.6.3.2 Capacité de correction des codes convolutifs
3.7 Résumé
Chapitre 4 : Codage conjoint source-canal: quantification des sources sans mémoire
4.1 Codage conjoint par assignation d'indice
4.1.1 Principe de la méthode d'assignation d'indice
4.1.2 Critère d'erreur : formulations préliminaires
4.1.3 Assignation d'indice par permutation binaire
4.1.3.1 Principe de base
4.1.3.2 Formulation du critère d'erreur
4.1.3.3 Algorithme de permutation binaire
4.1.3.3.1 Etape d'initialisation
4.1.3.3.2 Etape de permutation et condition d'acceptation
4.1.3.3.3 Condition d’arrêt
4.1.3.4 Performance de l'IA par BSA
4.1.4 Assignation d'indice par recuit simulé
4.1.4.1 Optimisation combinatoire
4.1.4.2 Méthode du recuit simulé
4.1.4.2.1 Principe de simulation du recuit
4.1.4.2.2 Procédure de base du recuit simulé
4.1.4.3 Critère d'erreur approprié
4.1.4.4 Algorithme du recuit simulé
4.1.4.4.1 Etape d'initialisation
4.1.4.4.2 Procédure de Metropolis
4.1.4.4.3 Etape du recuit
4.1.4.4.4 Conditions d'arrêt
4.1.4.5 Simplification de l'algorithme du recuit simulé
4.1.4.6 Performance de l'IA par RS
4.2 Quantification vectorielle optimisée pour un canal bruité
4.2.1 Principe de conception d'un système à QVOC
4.2.2 Algorithme du système COVQ
4.2.3 Performances du système COVQ
4.2.3.1 Structure géométrique des dictionnaires COVQ
4.2.3.2 Performances du système COVQ
4.2.3.3 Evaluation comparative entre le COVQ et l'IA
4.3 Résumé
Chapitre 5 : Codage conjoint source-canal appliqué à la parole
5.1 Mesures de distorsion
5.1.1 Mesures objectives
5.1.2 Mesures subjectives
5.2 Prédiction linéaire
5.2.1 Estimation des coefficients LPC
5.2.1.1 Méthode d'autocorrélation
5.2.1.2 Méthode de covariance
5.2.2 Fréquences de raies spectrales
5.2.2.1 Calcul des paramètres LSF
5.2.2.2 Principales propriétés des paramètres LSF
5.3 Codage efficace des paramètres LSF: application de la technique OTCVQ
5.3.1 Conception du codeur LSF-OTCVQ
5.3.2 Performance du codeur LSF-OTCVQ
5.4 Codage efficace et robuste des paramètres LSF du standard fédéral FS1016
5.4.1 Robustesse du codeur LSF-OTCVQ: cas des transmissions par canal bruité
5.4.1.1 Conception du LSF-OTCVQ avec CCSC par QVOC
5.4.1.1 Performance du système de codage LSF-COTCVQ
5.4.2 Codeur LSF-COTCVQ avec codage de canal redondant
5.5 Résumé
Objectifs et thématiques de la recherche
L'ouvrage explore les stratégies permettant d'optimiser conjointement le codage de source et le codage de canal (CCSC) pour améliorer l'efficacité et la fiabilité des systèmes de transmission numérique, en cherchant à minimiser la distorsion totale sans augmenter indûment la complexité ou le débit de transmission.
- Le codage conjoint source-canal (CCSC) comme alternative à la séparation traditionnelle de Shannon.
- Les techniques d'assignation d'indice (IA) pour la protection robuste des données.
- La quantification vectorielle optimisée pour les canaux bruités (QVOC) et les quantificateurs codés par treillis (TCQ/TCVQ).
- L'application de ces méthodes au codage de la parole à bas débit, notamment les coefficients LPC et les fréquences LSF.
- L'utilisation d'algorithmes d'optimisation heuristiques comme la permutation binaire (BSA) et le recuit simulé (RS).
Auszug aus dem Buch
1.2.1 Principaux théorèmes de codage de Shannon
Shannon, dans ses travaux, a donné les limites théorique possibles, tant pour le codage de source [7, 8] que pour le codage de canal [7].
Son théorème du codage de source affirme qu’il existe un débit binaire R*s (limite théorique R(D)), vers lequel on peut tendre, mais en deçà duquel on ne peut comprimer davantage une source d’information. En d’autres termes, il existe un codeur de source dont le débit de source approche arbitrairement la limite R(D) [9, 10] pour une distorsion donnée D, en supposant que le canal est idéal (absence de bruit).
Celui du codage de canal stipule qu'il est possible d'avoir une transmission fiable à travers un canal bruité à condition qu'un certain débit binaire R*c appelé capacité du canal ne soit pas dépassé. En général, la capacité d’un canal, notée C, représente la quantité maximale d’information que l’on peut transmettre à travers celui-ci. Ainsi, tant que le débit de codage de canal reste inférieur à la capacité du canal (cf. chapitre 3), alors il est toujours possible d'effectué des transmissions avec une probabilité d'erreur de codage arbitrairement faible.
Résumé des chapitres
Chapitre 1 : Principe de base et approches du codage conjoint source-canal: Ce chapitre présente les fondements des systèmes de communication numérique et expose les limitations de l'approche séparée de Shannon, introduisant la nécessité d'une optimisation conjointe.
Chapitre 2: Codage de Source : Quantification: Il détaille les méthodes de quantification scalaire et vectorielle, incluant des algorithmes de conception optimaux et des techniques de quantification structurée comme la quantification codée par treillis.
Chapitre 3 : Codage de canal redondant: Ce chapitre traite des principes du codage de canal, des modèles de transmission et des différentes classes de codes, tels que les codes en blocs (linéaires et cycliques) et les codes convolutifs.
Chapitre 4 : Codage conjoint source-canal: quantification des sources sans mémoire: Il se concentre sur l'application des techniques de CCSC, comme l'assignation d'indice et la quantification optimisée, pour protéger les sources sans mémoire contre les erreurs de canal.
Chapitre 5 : Codage conjoint source-canal appliqué à la parole: Ce chapitre adapte les concepts précédents au codage de la parole à bas débit, en étudiant spécifiquement la quantification robuste des paramètres LSF et l'application des méthodes CCSC dans ce contexte.
Mots-clés
codage conjoint source-canal, CCSC, théorie de l'information, quantification vectorielle, assignation d'indice, quantification codée par treillis, TCQ, TCVQ, codage de canal, algorithme de Viterbi, recuit simulé, codage de parole, LPC, LSF, robustesse.
Foire aux questions
Quel est l'objectif principal de cet ouvrage ?
L'ouvrage vise à présenter les concepts de base et les approches du codage conjoint source-canal (CCSC) pour améliorer la protection implicite des paramètres des systèmes de transmission numériques contre les erreurs de canal, en remplaçant la cascade traditionnelle séparée par un bloc optimisé conjointement.
Quels sont les thèmes centraux abordés ?
Les thématiques principales incluent la quantification de source (scalaire et vectorielle), le codage de canal (en blocs et convolutif), et le codage conjoint source-canal, avec une application spécifique au codage de la parole à bas débit.
Quel est le but de la recherche ?
La recherche cherche à démontrer qu'une conception conjointe des codeurs de source et de canal peut réduire la complexité globale tout en maintenant des performances proches de l'optimum théorique, particulièrement dans des conditions de transmission réelles bruitées.
Quelle méthode scientifique est principalement utilisée ?
L'ouvrage s'appuie sur la théorie de l'information, des modélisations mathématiques de canaux, et des méthodes d'optimisation itératives et heuristiques comme l'algorithme de Lloyd-Max généralisé (LBG), la permutation binaire (BSA) et le recuit simulé (RS).
Que traite le corps du document ?
Le corps traite des fondements théoriques des systèmes, des techniques de quantification (scalaire, vectorielle, divisée, en treillis), des méthodes de protection des données (codes en blocs, codes convolutifs) et de l'optimisation robuste appliquée à la parole.
Quels mots-clés caractérisent le mieux le travail ?
Les mots-clés incluent : codage conjoint source-canal (CCSC), quantification vectorielle, assignation d'indice, codage par treillis (TCQ/TCVQ), codage de parole, paramètres LSF et robustesse.
Comment le recuit simulé est-il utilisé dans ce travail ?
Le recuit simulé est utilisé comme une méthode d'optimisation globale pour résoudre le problème de l'assignation d'indice (IA) dans le but d'augmenter la robustesse des quantificateurs face au bruit de canal.
Quelle est l'importance des fréquences LSF dans les derniers chapitres ?
Les fréquences de raies spectrales (LSF) sont cruciales pour la modélisation et la quantification efficace de la parole (coefficients LPC). Leur quantification robuste via les méthodes de CCSC développées permet de maintenir une haute qualité de parole même à très bas débit sur des canaux bruités.
- Citation du texte
- Merouane Bouzid (Auteur), 2014, Codage conjoint source-canal, Munich, GRIN Verlag, https://www.grin.com/document/282555
