اقرأ في هذا المقال
تنقل أنظمة الاتصالات الرقمية المعلومات في شكل رقمي، حيث في البث التلفزيوني والإذاعي على سبيل المثال يكون مصدر المعلومات تماثلياً، لذلك يجب تحويل المعلومات إلى شكل رقمي حتى تكون مناسبة للإرسال أو التخزين، كما يتم تنفيذ هذه العملية عن طريق ترميز المصدر التمثيلي وتحقق الأكواد كفاءة إرسال عالية عن طريق خفض معدل البتات اللازم؛ لتمثيل المعلومات مع الحفاظ على دقة ومتانة مقبولة ضد تشوهات القناة.
تعريف معدل التحويل التكيفي
يمكن أن تعاني برامج ترميز المصدر الحالية من محدودية نسبة الإشارة إلى الضوضاء (SNR) وأداء النطاق الديناميكي، وتطور هذه الأطروحة مجموعة متنوعة من الهياكل لمعدلات دلتا وسيجما دلتا التكيفية التي تعالج هذه الصعوبات، كما يتم تحقيق ذلك من خلال إدخال مخطط جديد لتكييف حجم الخطوة للمكمم أحادي البت في حلقة التشكيل.
من أجل الحصول على مزيد من التحسين في الأداء يتم توسيع هذه الأنظمة لتشمل حالة متعددة البت حيث يتم استخدام أجهزة الكم متعددة البت، كما أنّ الأنظمة الناتجة تحافظ على نفس الخصائص الجذابة مثل الحالة أحادية البت أي تحسين نسبة الإشارة إلى الضوضاء (SNR) والنطاق الديناميكي الفائق، ويتم تحليل جميع الأنظمة من الناحية التحليلية والمحاكاة.
كما أنّ متطلبات التحكم في القدرة في قناة الوصلة الصاعدة لنظام (DS-CDMA) هي قيد حرج، حيث هناك حاجة إلى التحكم في الطاقة؛ لأنّ جميع المستخدمين يتشاركون نفس النطاق الترددي لنقل البيانات وبالتالي سيحدث تداخل بين المستخدمين، ومع ذلك فإنّ السلوك الشبيه بالتعديل في دلتا للتحكم في طاقة الحلقة المغلقة يجعله يعاني من التتبع البطيء في وجود تلاشي سريع وعميق لحالة القناة اللاسلكية.
مع تطوير تقنية أجهزة العرض أصبحت العديد من أجهزة العرض عالية الأداء متاحة للمستخدمين وفي حين تم تحديد العديد من مواصفات الترميز، ونقل الفيديو الحالية للأجهزة القديمة نسبيًا ذات الدقة المكانية عالية الدقة ومعدل زمني يبلغ (30) إطارًا في الثانية، وأصبحت الدقة المكانية والزمانية أعلى، وعلاوةً على ذلك تعد طرق تحويل معدل الإطارات (FRU) مناسبة للمعالجة اللاحقة لأجهزة العرض من أجل جودة إدراكية عالية، حيث يمكن لخوارزميات (FRU) تحسين الجودة الزمنية دون زيادة معدلات البت.
ملاحظة:“DS-CDMA” هي اختصار لـ “direct sequence spread spectrum modulation”.
ملاحظة:“FRU” هي اختصار لـ “Frame rate unit”.
ملاحظة:“SNR” هي اختصار لـ “signal-to-noise ratio”.
معدل الإطارات في التحويل التكيفي
يمكن استخدام طرق التحويل الأعلى في المحور الزمني لإنتاج رتل بيني بين رتلين متتاليين في جانب مفكك الترميز دون أي معلومات مباشرة لتوليد الرتل البيني من الكود، كما تم تطوير العديد من خوارزميات (FRU) ويمكن تصنيفها إلى فئتين، ويستخدم أحد الأساليب تكرار الإطار أو الاستيفاء الخطي بغض النظر عن حركة الكائن.
على الرغم من أنّ هذا الأسلوب يوفر جودة فيديو مقبولة في حالة عدم وجود حركة سريعة بأقل قدر من التعقيد يمكن بسهولة رؤية اهتزاز الحركة وعدم وضوحها من الكائنات المتحركة في إطار محرف، بالنسبة للفئة الثانية تُستخدم تقنيات تعويض الحركة (MC)؛ لتقليل هذه القطع الأثرية بناءً على خوارزمية مطابقة الكتلة (BMA) بناءً على التكرار بين الإطارات المتتالية.
يمكن أن يحسن هذا النهج الجودة الإدراكية لمقاطع الفيديو عن طريق تقليل الانقطاع المزعج بين الإطارات المعاد بناؤها والإطارات المقحمة، حيث يتم إنشاء الإطارات المقحمة عن طريق استكشاف افتراض الحركة الخطية بين الإطارات المتتالية، ومع ذلك ليس من السهل تقدير الحركة الحقيقية للأشياء والخلفية لأنّ تقدير الحركة يعتبر مشكلة غير محددة.
يجب تحديد الكتلة التي تحتوي على أقل مجموع فرق مطلق (SAD) حتى لو لم تكن هناك نقطة مطابقة مناسبة للكتلة المستهدفة، لذلك استخدمت العديد من الخوارزميات التقليدية مرشحات متوسطة مرجحة صفر (MVs) مرجح، وتقدير الحركة ثنائية الاتجاه لتحسين أو اختيار متجهات الحركة الحقيقية (MVs).
ملاحظة:“MV” هي اختصار لـ “motion vectors”.
ملاحظة:“SAD” هي اختصار لـ “sum Absolute difference”.
ملاحظة:“BMA” هي اختصار لـ “block matching algorithm”.
مجال معدل الإطارات في التحويل التكيفي
نظرًا لأنه من الصعب تحقيق أداء مُرضٍ مع قيد واحد فقط فقد تم استخدام قيدين أو أكثر في العديد من الخوارزميات التقليدية، ومن أجل إزالة القطع الأثرية التي يتم تأسيسها بشكل متكرر عند حدود الكتلة في إطار محرف يمكن استخدام طريقة تقدير وتعويض كتلة متداخلة (OBME / MC).
هناك العديد من الخوارزميات الحالية لتقدير مجال (MV) الحقيقي، ومن شأن (True MVs) أن يكون مفيدًا في إنشاء إطارات منحرفة، ومع ذلك تتطلب هذه الخوارزميات عددًا كبيرًا نسبيًا من الحسابات ومن أجل الاستفادة من تكرار الإطارات المتتالية، تم تصميم خوارزمية (FRU) جديدة تعتمد على (BMA).
ونظراً لأنّه من الصعب العثور على (MVs) حقيقي بقيم البكسل فقط، فإنّ الطريقة المقترحة لا تأخذ في الاعتبار قيم البكسل فحسب، بل أيضًا علاقات الحركة بين الكتلة المستهدفة والكتل المجاورة في تقدير الحركة، كما أنّ (MVs) المجاورة مترابطة بشكل كبير، وبالتالي يمكن أن تنشر (MVs) الدقيقة في تقدير الحركة تأثيرات إيجابية على المتجهات المجاورة، ممّا يؤدي إلى تحسين دقة (MVs) في الكتل المجاورة.
ملاحظة:“BMA” هي اختصار لـ “Board Management Agent”.
ملاحظة:“OBME / MC” هي اختصار لـ “overlapped block motion estimation and compensation”.
خوارزمية معدل التحويل التكيفي
يمكن تصنيف العديد من خوارزميات (FRU) التقليدية إلى فئتين وهي طرق (FRU) غير المعوضة والحركة وكما يتم اعتماد طرق قائمة على التكرار وطرق الاستيفاء الخطي، ويمكن تصنيفها على أنّها مناهج لا تعوض عن الحركة، وطريقة (FRU) القائمة على التكرار بسيطة للغاية ويمكن تشغيلها بسرعة.
ومع ذلك يمكن لطريقة الاستيفاء الخطي أن تقلل من التشويش مقارنة بطرق التكرار، وخوارزميات الاستيفاء الخطية ليست معقدة وسريعة بشكل معتدل، ومن المتوقع أن يكون (PSNR) مرتفعًا نسبيًا في العديد من الإطارات المستهدفة للفيديو بطيء الحركة، ومع ذلك يمكن بسهولة ملاحظة التشويش في الإطارات المقحمة لمقاطع الفيديو ذات الكائنات سريعة الحركة.
نظراً لأن الطرق التعويضية غير المتحركة لا تستفيد من معلومات الحركة فلا يمكنها استعادة إطارات محرف دقيقة لمقاطع الفيديو ذات النشاط العالي الحركة، ولاستعادة مكونات التردد العالي في المجال الزمني يتم اقتراح خوارزميات الاستيفاء المعوض بالحركة، ومن أجل تحسين دقة (MVs) بتم اعتماد خوارزميات تقليدية لتحديد (MVs) من خلال استخدام مرشح متوسط مرجح.
من ناحية أخرى يتم استخدام المرشح المتوسط المرجح لضبط (MVs) المقدرة ويتم تنفيذ هذا المرشح المتوسط الموزون، على أساس فرضية أنّ غالبية (MVs) المقدرة المجاورة من المحتمل أن تكون صحيحة وبالإضافة إلى ذلك تقوم خوارزمية (FRU) هذه بإجراء تقدير للحركة إلى الأمام؛ لتقدير إطار محرف أولي من الإطار (t) إلى الإطار (t – 1).
ملاحظة: “PSNR” هي اختصار لـ “Peak signal-to-noise ratio”.
في النهاية، تتشابه الإطارات المتتالية في معدل التحويل التكيفي وتم تطوير خوارزميات (FRU) التقليدية من خلال استخدام التكرار الزمني لأنّها تؤدي تقدير الحركة بكثافة البكسل.
