Sampling versus random binning for multiple descriptions of a bandlimited source

Adam Mashiach, Jan Østergaard, Ram Zamir

פרסום מחקרי: פרק בספר / בדוח / בכנספרסום בספר כנסביקורת עמיתים

תקציר

Random binning is an efficient, yet complex, coding technique for the symmetric L-description source coding problem. We propose an alternative approach, that uses the quantized samples of a bandlimited source as 'descriptions'. By the Nyquist condition, the source can be reconstructed if enough samples are received. We examine a coding scheme that combines sampling and noise-shaped quantization for a scenario in which only K <L descriptions or all L descriptions are received. Some of the received K-sets of descriptions correspond to uniform sampling while others to non-uniform sampling. This scheme achieves the optimum rate-distortion performance for uniform-sampling K-sets, but suffers noise amplification for nonuniform-sampling K-sets. We then show that by increasing the sampling rate and adding a random-binning stage, the optimal operation point is achieved for any K-set.

שפה מקוריתאנגלית
כותר פרסום המארח2013 IEEE Information Theory Workshop, ITW 2013
מזהי עצם דיגיטלי (DOIs)
סטטוס פרסוםפורסם - 2013
אירוע2013 IEEE Information Theory Workshop, ITW 2013 - Seville, ספרד
משך הזמן: 9 ספט׳ 201313 ספט׳ 2013

סדרות פרסומים

שם2013 IEEE Information Theory Workshop, ITW 2013

כנס

כנס2013 IEEE Information Theory Workshop, ITW 2013
מדינה/אזורספרד
עירSeville
תקופה9/09/1313/09/13

ASJC Scopus subject areas

  • ???subjectarea.asjc.1700.1710???

טביעת אצבע

להלן מוצגים תחומי המחקר של הפרסום 'Sampling versus random binning for multiple descriptions of a bandlimited source'. יחד הם יוצרים טביעת אצבע ייחודית.

פורמט ציטוט ביבליוגרפי