日韩成人黄色,透逼一级毛片,狠狠躁天天躁中文字幕,久久久久久亚洲精品不卡,在线看国产美女毛片2019,黄片www.www,一级黄色毛a视频直播

數(shù)據(jù)壓縮裝置和數(shù)據(jù)壓縮方法

文檔序號:10694424閱讀:668來源:國知局
數(shù)據(jù)壓縮裝置和數(shù)據(jù)壓縮方法
【專利摘要】維壓縮部(13)通過將從圖像中提取出的特征量與由0和1的2元的元素構(gòu)成的糾錯碼的檢查矩陣進行乘法計算來進行壓縮。
【專利說明】
數(shù)據(jù)壓縮裝置和數(shù)據(jù)壓縮方法
技術(shù)領(lǐng)域
[0001 ]本發(fā)明設(shè)及用于將數(shù)據(jù)壓縮得較短的數(shù)據(jù)壓縮裝置和數(shù)據(jù)壓縮方法。
【背景技術(shù)】
[0002] 將圖像、聲音及傳感器等的數(shù)據(jù)本身、或從該數(shù)據(jù)提取出的特征量與具有隨機數(shù) 作為元素的矩陣相乘,從而生成壓縮數(shù)據(jù)。將維壓縮所設(shè)及的數(shù)據(jù)的元素數(shù)稱作維數(shù)。在現(xiàn) 有的維壓縮中,將mXn矩陣的元素設(shè)定為實數(shù)值,將隨機選擇的值用作元素,構(gòu)成矩陣。η是 原來的數(shù)據(jù)的維數(shù),m是壓縮后的數(shù)據(jù)的維數(shù)。并且,n>m。
[0003] 如上述那樣,通過壓縮圖像、聲音及傳感器等的數(shù)據(jù)本身、或其特征量來減少檢 索、識別、預(yù)測等所設(shè)及的數(shù)據(jù)處理量,實現(xiàn)高速化,能夠在短時間內(nèi)處理一個作業(yè)、或者能 夠在某個一定時間內(nèi)執(zhí)行更多作業(yè)或更復(fù)雜的作業(yè)。
[0004] 例如,圖4所示的圖像匹配系統(tǒng)是運樣的系統(tǒng):從服務(wù)器裝置200的圖像數(shù)據(jù)庫 下,DB)201所保持的多個樣本圖像中檢索與終端裝置100拍攝的照片(檢索圖像101)等接近 的圖像。在該系統(tǒng)中,終端裝置100的特征量提取部102從檢索圖像101中提取特征量。在特 征量提取中使用SIFT (Scale-Invar iant化日1:11'0 Transform:尺度不變特征變換)的情況 下,對于1個圖像提取多個(通常幾十至幾百個)128字節(jié)/個的特征量向量。
[0005] 現(xiàn)有的維壓縮部103使用隨機投影矩陣對上述特征量進行維壓縮。在此使用的隨 機投影矩陣是式(1),隨機投影矩陣的元素 a(r,c)為a(r,c)~N(0,1),遵從平均為0、差異值 為1的正態(tài)分布。
[0006] Aerxn (1)
[0007] 在設(shè)特征量為X= (X1,X2, . . .,Xn)時,根據(jù)yT = AxT計算壓縮后的特征量y= (yi, 72,...,ym)。運里,yT,xT的「τ」表示轉(zhuǎn)置。
[0008] 在如上述那樣使用SIFT的情況下,則字節(jié)=8位來表現(xiàn)特征量向量X的元素 Xi,表 現(xiàn)為n=128。此外,在能夠W8位來表現(xiàn)隨機投影矩陣A的各元素 a(r,c)的情況下,壓縮后的 特征量向量y的元素 yk能夠用式(2)進行計算。
[0009] yk = xi · a化,1)+X2 · a化,2)+...+Xi · a化,i)+...+Xn · a化,η) (2)
[0010] 因此,在隨機投影矩陣A的元素與特征量向量X的元素相乘中,將與列數(shù)的量相應(yīng) 的128 = 27個加到2字節(jié)=16位中,因此,最大16巧=23位成為壓縮后的特征量向量y的元素 yk的量化尺寸。壓縮后的特征量向量y的長度能夠表述為m維的向量,在將維設(shè)定為m=40的 情況下,能夠從壓縮前的128壓縮至40。
[0011] 而且,在非專利文獻1中,關(guān)于縮小壓縮后的特征向量y的元素 yk的量化尺寸的方 式進行了討論,示出了例如在上述的示例中將元素 yk的尺寸從最大23位壓縮至1~5位左右 的方式。在該方法中,在維持特征量間的距離的條件下進行維壓縮。
[0012] 在量化尺寸縮小部104使用上述非專利文獻1的方法壓縮特征量的量化尺寸的情 況下,將一個特征量為128 X 8 = 1024位的數(shù)據(jù)量壓縮至m=40、量化尺寸4位時,壓縮后的數(shù) 據(jù)量為128 X40/128 X4 = 160位,將數(shù)據(jù)量壓縮至160/1024 = 15.6%。
[0013] 在服務(wù)器裝置200側(cè),特征量提取部102也從圖像數(shù)據(jù)庫201保存的樣本圖像中提 取特征量,維壓縮部103和量化尺寸縮小部104對特征量進行壓縮。
[0014] 例如,如果在圖像數(shù)據(jù)庫201中有10000個樣本圖像,則服務(wù)器裝置200針對各樣本 圖像進行特征量提取和數(shù)據(jù)壓縮,檢索部205將各樣本圖像與從終端裝置100傳送來的檢索 圖像101的被壓縮后的特征量進行比較,檢索出接近檢索圖像101的樣本圖像。
[0015] 現(xiàn)有技術(shù)文獻
[0016] 非專利文獻
[0017] 非專利文獻 1 :Mu Li,Shantanu Rane,Pet;ros Boufounos,"Quantized Embeddings of Scale Invariant Image Features for Mobile Augmented Reality'', Multimedia Signal Processing(MMSP),2012IEEE 14th International Workshop on Digital Object Identifier,p.1-6

【發(fā)明內(nèi)容】

[0018] 發(fā)明要解決的課題
[0019] 可是,在上述方法的情況下,存在下述運樣的課題:在為了維壓縮而計算yT時需要 mXn個乘法計算,因此,壓縮前的數(shù)據(jù)量增大,在壓縮率為相同程度的情況下,計算量呈指 數(shù)函數(shù)的形式增大。
[0020] 例如,在n = 128、m=40的情況下,需要mXn = 5120個乘法計算,在n = 1280、m = 400 的情況下,需要mXn = 512000個乘法計算。運樣,壓縮前的數(shù)據(jù)量變成10倍,計算量變成100 倍。此外,由于隨機地選擇矩陣的元素而導(dǎo)致壓縮后的性質(zhì)產(chǎn)生偏差,會發(fā)生檢索時的正解 率劣化的情況。
[0021] 本發(fā)明是為了解決上述的課題而完成的,其目的在于減少數(shù)據(jù)壓縮時的計算量。
[0022] 用于解決課題的手段
[0023] 本發(fā)明的數(shù)據(jù)壓縮裝置是下述運樣的裝置:在壓縮從信息通信設(shè)備取得的數(shù)據(jù)或 數(shù)據(jù)的特征量時,利用數(shù)據(jù)或特征量和糾錯碼的檢查矩陣的運算來生成壓縮數(shù)據(jù)。
[0024] 本發(fā)明的數(shù)據(jù)壓縮方法是下述運樣的方法:在壓縮從信息通信設(shè)備取得的數(shù)據(jù)或 數(shù)據(jù)的特征量時,利用數(shù)據(jù)或特征量和糾錯碼的檢查矩陣的運算來生成壓縮數(shù)據(jù)。
[0025] 發(fā)明的效果
[0026] 根據(jù)本發(fā)明,在壓縮數(shù)據(jù)時,使用糾錯碼的檢查矩陣作為隨機投影矩陣,因此,能 夠減少計算量。
【附圖說明】
[0027] 圖1是示出組裝有本發(fā)明實施方式1的數(shù)據(jù)壓縮裝置的信息通信設(shè)備的結(jié)構(gòu)的框 圖。
[0028] 圖2是示出組裝有實施方式1的數(shù)據(jù)壓縮裝置的信息通信設(shè)備的動作的流程圖。
[0029] 圖3是用于說明確定實施方式1的維壓縮部的壓縮維的方法的曲線圖。
[0030] 圖4是示出使用現(xiàn)有的數(shù)據(jù)壓縮方法的圖像匹配系統(tǒng)的結(jié)構(gòu)的框圖。
【具體實施方式】
[0031] W下,為了更加詳細地說明本發(fā)明,根據(jù)附圖對用于實施本發(fā)明的方式進行說明。
[0032] 實施方式1.
[0033] 在實施方式1中,如圖1所示,W使用組裝有本發(fā)明的數(shù)據(jù)壓縮裝置的信息通信設(shè) 備(終端裝置10、服務(wù)器裝置20)構(gòu)成的圖像匹配系統(tǒng)為例對數(shù)據(jù)壓縮方法進行說明。終端 裝置10是平板電腦(Personal Computer)、智能手機、監(jiān)視錄像機等,具有檢索圖像取得部 11、特征量提取部12、維壓縮部13(數(shù)據(jù)壓縮裝置)和量化尺寸縮小部14。能夠在與該終端裝 置10之間進行通信的服務(wù)器裝置20具有圖像數(shù)據(jù)庫21、特征量提取部12、維壓縮部13(數(shù)據(jù) 壓縮裝置)、量化尺寸縮小部14和檢索部25。
[0034] 終端裝置10、服務(wù)器裝置20分別由未圖示的CPU(Central Processing Unit:中央 處理單元)構(gòu)成,該CPU通過執(zhí)行內(nèi)部存儲器所存儲的程序來實現(xiàn)作為特征量提取部12、維 壓縮部13、量化尺寸縮小部14、檢索部25的功能。并且,維壓縮部13也可W由專用的運算電 路構(gòu)成。
[0035] 圖像數(shù)據(jù)庫21由皿D化ard Disk化ive:硬盤驅(qū)動器)等構(gòu)成。
[0036] 接下來,參照圖2所示的流程圖,對終端裝置10的詳細情況進行說明。
[0037] 在終端裝置10中,檢索圖像取得部11取入從照相機等接收的圖像作為匹配對象的 檢索圖像,輸出至特征量提取部12 (步驟ST1)。
[0038] 特征量提取部12提取檢測圖像的特征,輸出至維壓縮部13(步驟ST2)。作為特征量 提取方法,雖然大多是SIFT等的應(yīng)用例,但可W是任何特征量提取方法。例如,在SIFT中,選 擇圖像中的幾十至幾百個特征點(稱作關(guān)鍵點),針對各個該關(guān)鍵點輸出128字節(jié)的特征量 向量。在此,將該128字節(jié)的特征量向量的維設(shè)為128,看作128維的向量。
[0039] 維壓縮部13使用糾錯碼的檢查矩陣對特征量提取部12所輸出的特征量向量進行 維壓縮(步驟ST3)。在此所使用的糾錯碼的檢查矩陣是具有2元{0,1}作為元素的矩陣,設(shè)定 為式(11)。并且,糾錯碼的檢查矩陣也可W由式(12)那樣的具有非2元作為元素的矩陣。
[0040] 在W下的說明中,作為糾錯碼的檢查矩陣,使用如式(11)那樣的、具有2元{0,1}作 為元素的隨機碼的檢查矩陣。
[0043] 在此,P為2 W外的自然數(shù)。
[0044] 在設(shè)特征量提取部12提取的特征量為x=(xi,x2,. . .,xn)時,根據(jù)y=(yi,y2,..., ym)=化計算維壓縮部13進行維壓縮后的壓縮后特征量。
[0045] 在特征量提取部12使用SIFT的情況下,字節(jié)=8位來表述特征量向量X的元素 xi,可W表述為n= 128。此外,能夠位來表述檢查矩陣Η的各元素 Mr, C),壓縮后的特征 量向量y的元素 yk能夠用式(13)進行計算。
[0046] yk = xi · h化,1 )+X2 · Mk,2)+...+Xi · h化,i)+...+Xn · h化,η) (13)
[0047] 在由2元的元素構(gòu)成的檢查矩陣的情況下,元素為0的位置刪除計算,僅在1所處的 位置對XI進行加法即可。因此,針對特征量向量X的元素8位,對最大列數(shù)的量的128 = 27個進 行加法,因此,最大扣7 = 15位成為壓縮后的特征量向量y的元素 yk的量化尺寸。此外,壓縮 后的特征量向量y的長度能夠表述為m維的向量,在將維設(shè)定為m=40的情況下,能夠從壓縮 前的128壓縮至40。
[0048] 此時,與不使用糾錯碼的檢查矩陣的現(xiàn)有維壓縮(圖4的維壓縮部103)之間的差異 是計算量。
[0049] 在現(xiàn)有示例中,為了求出一個壓縮后的特征量向量y的元素 yk,需要η次的乘法計 算和η-1次的加法計算,并且,需要將該計算重復(fù)特征量向量y的長度m次,因此,最終,需要 nm次的乘法計算和(n-1 )m次的加法計算。
[0050] 另一方面,在實施方式1中,在隨機編碼的情況下,檢查矩陣Η的各元素為1的概率 和為0的概率都為1/2,因此,為了求出一個元素 yk,平均進行n/2-l次的加法計算即可,即使 將該計算重復(fù)特征量向量y的長度m次,最終,平均進行(n/2-l)m次的加法計算就夠了。
[0化1 ] 在此次的示例的情況下,在現(xiàn)有示例中,需要nm= 128 X 40 = 5120次的乘法計算和 (n-l)m = 5080次的加法計算。另一方面,在實施方式1中,只要進行(n/2-l)m=2520次的加 法計算即可,能夠大幅減少計算量。
[0052] 然后,如上述非專利文獻1那樣,量化尺寸縮小部14縮小壓縮后的特征量向量y的 元素 yk的量化尺寸,從最大15位壓縮至1~5位左右(步驟ST4)。此時,W能夠大致維持特征 量間的相對距離的大小關(guān)系的方式預(yù)先進行評價,預(yù)先確定能夠大致維持距離的大小關(guān)系 的壓縮維。
[0053] 目P,使用圖3對確定方法的一例進行說明。裝置的設(shè)計者準備了分別從4個不同的 角度來拍攝200種建筑物的照片800張( = 200X4),對相同的建筑物的照片分配相同的ID編 號。此外,作為目標,準備了拍攝該200種建筑物中的1個而得到的照片(與前面的800張照片 不同)。然后,利用k-鄰近法(取出距目標最近的k個數(shù)據(jù)并采取多數(shù)決定)從800張中檢測出 拍攝到距目標建筑物最近的建筑物的照片。圖3示出了其檢測結(jié)果,縱軸是檢測成功率,橫 軸是壓縮維。將k設(shè)定為10,對目標建筑物的特征量與800張照片的建筑物的特征量之間的 距離進行比較,將與相同的建筑物的特征量之間的距離較近的ID編號在k=10個中占多數(shù) 的情況作為檢測成功。在將目標性能設(shè)定為檢測成功率95%的情況下,壓縮后的維可W選 擇40。利用運種方法等確定的壓縮維被預(yù)先設(shè)定在維壓縮部13。
[0054] 將一個特征量為128X8 = 1024位的原來的數(shù)據(jù)量壓縮至m = 40和量化尺寸4位的 情況下,壓縮后的數(shù)據(jù)量為128X40/128X4 = 160位,能夠?qū)?shù)據(jù)量壓縮至160/1024 = 15.6%。
[0055] W上是通過終端裝置10實現(xiàn)的數(shù)據(jù)壓縮方法。
[0056] 并且,在上述說明中,雖然示出了壓縮檢索圖像的特征量的示例,但也可W壓縮檢 索圖像本身。
[0057] 在一方的服務(wù)器裝置20中,也針對圖像數(shù)據(jù)庫21所保存的樣本圖像,特征量提取 部12利用與上述相同的方法提取特征量,維壓縮部13利用與上述相同的方法進行使用了糾 錯碼的檢查矩陣的維壓縮,量化尺寸縮小部14利用與上述相同的方法進行量化尺寸的縮 小。此時,在服務(wù)器裝置20側(cè),在計算維壓縮時,也可W減少與終端裝置10側(cè)相同的計算量。
[0058] 例如,如果在圖像數(shù)據(jù)庫21中有10000張樣本圖像,則特征量提取部12、維壓縮部 13W及量化尺寸縮小部14針對各個樣本圖像進行特征量提取和數(shù)據(jù)壓縮,將壓縮后的特征 量向檢索部25輸出。
[0059] 檢索部25對從終端裝置10傳送來的檢索圖像的被壓縮后的特征量與從量化尺寸 縮小部14輸入的各樣本圖像的被壓縮后的特征量進行比較,檢索出接近檢索圖像的樣本圖 像。
[0060] 目P,維壓縮部13的壓縮大致維持了特征量間的相對距離的大小關(guān)系,因此,檢索部 25利用k-鄰近法(取出距目標最近的k個數(shù)據(jù)并采取多數(shù)決定)等方法能夠判別終端裝置10 的檢索圖像與圖像數(shù)據(jù)庫21中所保存的哪個樣本圖像接近。其結(jié)果是,具有能夠抑制由壓 縮所導(dǎo)致的正解率劣化的特征。該情況下,k-鄰近法的檢索對象成為壓縮后的特征量,因 此,在基于單純的比較的檢索中,能夠?qū)⑻幚頃r間縮短至15.6%。
[0061] 根據(jù)W上內(nèi)容,根據(jù)實施方式1,維壓縮部13通過將數(shù)據(jù)或從該數(shù)據(jù)提取出的特征 量與糾錯碼的檢查矩陣相乘而生成壓縮數(shù)據(jù),因此,能夠減少計算量。
[0062] 特別是,通過使用由0和1的2元元素構(gòu)成的隨機碼的檢查矩陣作為糾錯碼的檢查 矩陣,能夠?qū)⒂糜趬嚎s的計算量從使用現(xiàn)有的隨機投影矩陣的情況下的nm次的乘法計算和 (n-l)m次的加法計算減少至只有(n/2-l)m次的加法計算。
[0063] 實施方式2.
[0064] 引用圖1所示的圖像匹配系統(tǒng)對實施方式2的數(shù)據(jù)壓縮裝置進行說明。
[0065] 在該實施方式2中,使用如上式(11)那樣由2元{0,1}的元素構(gòu)成的LDP"Low- Density Parity-化eck)碼的檢查矩陣作為維壓縮部13(數(shù)據(jù)壓縮裝置)在維壓縮中使用的 糾錯碼的檢查矩陣。
[0066] 并且,雖然省略說明,也可W使用如上式(12)那樣由非2元的元素構(gòu)成的LDPC碼的 檢查矩陣。
[0067] 通常,LDPC碼的列的平均權(quán)重是4,行的平均權(quán)重是(列的平均權(quán)重)X n/m。即,列 的權(quán)重是包含在矩陣的1列中的1的數(shù)量。此外,行的權(quán)重是包含在矩陣的1行中的1的數(shù)量。 例如,在n= 128、m=40的情況下,行的權(quán)重為4 X 128/40 = 12.8。在LDPC碼的情況下,具有運 樣的特征:即使η或m增大,運些列的權(quán)重、行的權(quán)重也不會變化。
[0068] 在上述實施方式1中說明的隨機碼的檢查矩陣的情況下,列內(nèi)的1的數(shù)量平均為η/ 2,行內(nèi)的1的數(shù)量平均為m/2,與LDPC碼的檢查矩陣成比例地,列、行的1的數(shù)量增多,并且, 矩陣內(nèi)的1的總數(shù)為平方,因此,該總數(shù)也增多。另一方面,在LDPC碼的檢查矩陣的情況下,1 的數(shù)量始終是固定且稀疏的,因此,與隨機碼的檢查矩陣相比,1的總數(shù)壓倒性地減少。
[0069] 例如,在n=128、m = 40的情況下,隨機碼中的1的總數(shù)是(列的平均權(quán)重)X(列數(shù)) = 40/2X 128 = 2560個。另一方面,在LDPC碼的情況下,1的總數(shù)成為(列的平均權(quán)重)X(列 數(shù))=4 X 128 = 516個,壓倒性地少。
[0070] 在此,作為一例,在式(14)中示出了 n = 28、m = 21的LDPC碼的檢查矩陣H。
[0071]
[0072] 與上述實施方式1相同,能夠位來表述LDPC碼的檢查矩陣Η的各元素 h(r,c),壓 縮后的特征量向量y的元素 yk能夠用上式(13)進行計算。
[0073] LDPC碼的檢查矩陣Η的元素為0的位置刪除計算,僅在1所處的位置對XI進行相加 即可,因此,針對壓縮前的特征量向量X的元素1字節(jié)=8位,對作為與行權(quán)重的量相應(yīng)的(列 的平均權(quán)重)Xn/m=12.8個而所需的二進制數(shù)表述24的4位進行加法,最大8+4=12位成為 壓縮后的特征量向量y的元素 yk的量化尺寸。此外,壓縮后的特征量向量y的長度能夠表述 為m維的向量,在將維設(shè)定為m = 40的情況下,能夠從壓縮前的128壓縮至40。
[0074] 此外,在實施方式2中,為了求出一個元素 yk,在此次的實例中,平均進行行權(quán)重= 12.8次的加法計算即可,即使將該加法計算重復(fù)特征量向量y的長度m次,平均進行(12.8- l)Xm = 472次的加法計算就夠了。由此,與使用現(xiàn)有的隨機投影矩陣的情況下的計算量(nm = 5120次的乘法計算和(n-l)m = 5080次的加法計算)相比,能夠大幅減少計算量。此外,使 用LDP邱馬的檢查矩陣的情況下的計算量比使用隨機碼的檢查矩陣的情況下的計算量更少。
[0075] 根據(jù)W上內(nèi)容,根據(jù)實施方式2,維壓縮部13在壓縮數(shù)據(jù)或從該數(shù)據(jù)提取出的特征 量時,通過使用稀疏的LDPC碼的檢查矩陣,能夠大幅減少計算量。此外,LDPC碼的檢查矩陣 的元素是規(guī)則的,因此,還能夠期待抑制壓縮性能的偏差的效果。而且,壓縮前的特征量的 維數(shù)η越大,則壓縮效率越高,因此,LDPC碼的檢查矩陣特別是在處理幾百W上的較長的特 征量時是有效的。
[0076] 并且,在上述實施方式1中示出了使用隨機碼的檢查矩陣的示例,在上述實施方式 2中示出了使用LDP邱馬的檢查矩陣的示例,但是,除此W外,還可W使用BCH碼、里德-索羅口 碼、循環(huán)碼等。運些碼具有運樣的特征:在處理較短的特征量時能夠在抑制成功率降低的情 況下進行壓縮。此外,也可W是除上述列舉的糾錯碼W外的碼,可W根據(jù)條件應(yīng)用適當?shù)募m 錯碼。
[0077] 此外,在上述實施方式1、2中,作為檢查矩陣,雖然例示了由2元{0,1}的元素構(gòu)成 的矩陣,但也可W是由3個元素{-1,0,1}構(gòu)成的矩陣。例如,也可W是通過將上式(14)的矩 陣中的ο直接設(shè)定為0、將1的部分分配為-1或1而成的下式(15)的矩陣。在使用式(15)那樣 的檢查矩陣的情況下,維壓縮部13在數(shù)據(jù)或從該數(shù)據(jù)提取出的特征量中W行為單位對與檢 查矩陣的元素為1或-1的位置對應(yīng)的值進行加法或減法,生成壓縮數(shù)據(jù)。
[0078] 無論使檢查矩陣的元素為2元{0,1}還是3個元素{-1,0,1},計算量自身都沒有什 么較大的差異,因此,只要選擇在性能評價中顯示出更好的性能的一方即可。
[0079]
[0080] 除上述W外,本發(fā)明能夠在其發(fā)明的范圍內(nèi)對各實施方式進行自由的組合、或進 行各實施方式的任意的結(jié)構(gòu)要素的變形、或在各實施方式中進行任意的結(jié)構(gòu)要素的省略。
[0081] 產(chǎn)業(yè)上的可利用性
[0082] 如上所述,本發(fā)明的數(shù)據(jù)壓縮裝置使用糾錯碼的檢查矩陣W較少的計算量來壓縮 數(shù)據(jù),因此,適合用于根據(jù)圖像、聲音及傳感器等的數(shù)據(jù)來高速地執(zhí)行檢索、識別、預(yù)測等的 處理的裝置等。
[00削標號說明
[0084] 10、100:終端裝置;11:檢索圖像取得部;12、102:特征量提取部;13、103:維壓縮部 (數(shù)據(jù)壓縮裝置);14、104:量化尺寸縮小部;20、200:服務(wù)器裝置;21、201:圖像數(shù)據(jù)庫;25、 205:檢索部;101:檢索圖像。
【主權(quán)項】
1. 一種數(shù)據(jù)壓縮裝置,其對從信息通信設(shè)備取得的數(shù)據(jù)或所述數(shù)據(jù)的特征量進行壓 縮,其特征在于, 所述數(shù)據(jù)壓縮裝置利用所述數(shù)據(jù)或所述特征量和糾錯碼的檢查矩陣的運算來生成壓 縮數(shù)據(jù)。2. 根據(jù)權(quán)利要求1所述的數(shù)據(jù)壓縮裝置,其特征在于, 使用由〇和1的2元的元素構(gòu)成的檢查矩陣作為所述糾錯碼的檢查矩陣,在所述數(shù)據(jù)或 所述特征量中,以行為單位對與所述檢查矩陣的元素為1的位置對應(yīng)的值進行加法,生成壓 縮數(shù)據(jù)。3. 根據(jù)權(quán)利要求1所述的數(shù)據(jù)壓縮裝置,其特征在于, 使用由〇、1和-1的3個元素構(gòu)成的檢查矩陣作為所述糾錯碼的檢查矩陣,在所述數(shù)據(jù)或 所述特征量中,以行為單位對與所述檢查矩陣的元素為1或-1的位置對應(yīng)的值進行加法或 減法,生成壓縮數(shù)據(jù)。4. 根據(jù)權(quán)利要求2所述的數(shù)據(jù)壓縮裝置,其特征在于, 使用隨機碼的檢查矩陣作為所述糾錯碼的檢查矩陣。5. 根據(jù)權(quán)利要求2所述的數(shù)據(jù)壓縮裝置,其特征在于, 使用LDPC碼的檢查矩陣作為所述糾錯碼的檢查矩陣。6. 根據(jù)權(quán)利要求2所述的數(shù)據(jù)壓縮裝置,其特征在于, 使用BCH碼的檢查矩陣作為所述糾錯碼的檢查矩陣。7. 根據(jù)權(quán)利要求2所述的數(shù)據(jù)壓縮裝置,其特征在于, 使用里德-索羅門碼的檢查矩陣作為所述糾錯碼的檢查矩陣。8. 根據(jù)權(quán)利要求2所述的數(shù)據(jù)壓縮裝置,其特征在于, 使用循環(huán)碼的檢查矩陣作為所述糾錯碼的檢查矩陣。9. 一種數(shù)據(jù)壓縮方法,壓縮從信息通信設(shè)備取得的數(shù)據(jù)或所述數(shù)據(jù)的特征量,其特征 在于,包括以下步驟: 利用所述數(shù)據(jù)或所述特征量和糾錯碼的檢查矩陣的運算來生成壓縮數(shù)據(jù)。
【文檔編號】H03M7/30GK106063133SQ201480076704
【公開日】2016年10月26日
【申請日】2014年3月5日
【發(fā)明人】松本涉, 山崎貴司
【申請人】三菱電機株式會社
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1