Décodage conjoint source-canal : optimisation d'une chaîne de transmission pour images fixes

• Auteur / Autrice : Abdessamad El Baz
• Direction : Ramesh Pyndiah
• Type : Thèse de doctorat
• Discipline(s) : Électronique
• Date : Soutenance en 2002
• Etablissement(s) : Brest

Mots clés

Mots clés contrôlés

Codage

Turbo-codes

Résumé

Dans cette thèse nous avons considéré l'optimisation d'un système de transmission pour images fixes sur un canal bruité. Le système de transmission adopte la quantification vectorielle comme codeur de source. Le dictionnaire utilisé est construit avec la méthode de Kohonen qui confère une organisation topologique à ses vecteurs. Ces derniers sont associés de manière optimale aux points de la constellation de la modulation MAQ-16 utilisée pour transmettre les données. Par cette association le système devient robuste aux erreurs de transmission. Nous avons ensuite introduit un codeur correcteur d'erreur de type BCH tout en préservant la robustesse du système de transmission aux erreurs. Ainsi nous avons contraint les paramètres du codeur de canal. Une contrainte supplémentaire est imposée à ce même codeur pour exploiter les statistiques de la source. Nous avons tenu compte dans la règle de décision pour le décodage du code BCH de la loi de probabilité des vecteurs générés par la source que nous avons considéré dans un premier temps comme indépendants mais non équiprobables, et dans un deuxième temps comme formant une chaîne de Markov d'ordre 1. Les gains obtenus en termes de TEB et de PSNR de l'image décodée sue le canal de Gauss et le canal de Rayleigh que nous avons traités, sont appréciables. Nous avons ensuite remplacé le codeur BCH par un turbo code en bloc. Nous avons tenu compte de la statistique de la source dans le calcul de la règle de décision et de l'information extrinsèque. Le gain en PSNR de l'image Lenna décodée par les nouveaux algorithmes atteint les 11dB pour certains rapport signal sur bruit. De nombreuses images ont été étudiées dans ce cadre, les résultats dépendent des caractéristiques de ces images mais restent supérieurs aux algorithmes classiques.

In this thesis we considered the optimisation of a still image transmission system over noisy channel. The transmission system adopts a vector quantizer as a source encoder. The codebook used is built using kohonen's self organisation feature map algorithm which confers a topological organisation to the codebook vectors. Those vectors are associated in an optimal way to the constellation points of 16-QAM modulation used to transmit the data. By this association, the system becomes robust to the transmission errors. We then introduced a BCH forward error correction (FEC) code without altering the transmission system robustness to the errors. For this reason we have constrained the channel encoder. An additional constraint is imposed to this encoder to exploit the statistics of the source. When computing the BCH decoding decision rule, we take into account the probability distribution of the vectors generated by the source which we first regarded as independent but with non uniform distribution, and which we modelled in a second step as a first order Markov chain. The gain obtained in terms of BER and PSNR of the decoded image over the Gaussian channel and Rayleigh channel which we considered, are appreciable. We then replaced BCH FEC code by a BCH block turbo code. We took into account the statistics of the source in the calculation of the decision rule and the extrinsic information. The additional gain obtained in terms of PSNR of Lenna image decoded when using the new algorithms approaches the 11dB for low signal noise ratios, as compared to the classical algorithms. Many other images have been considered and the results show that the gain is highly dependent of the characteristics of the images but remains superior to classical algorithms.