Skip to main content
SUPERVISOR
Ali-Mohamad Doost-Hoseini,Seyed MohammadAli Khosravifard
علی محمد دوست حسینی (استاد مشاور) سیدمحمدعلی خسروی فرد (استاد راهنما)
 
STUDENT
Hamed Narimani Zaman Abadi
حامد نریمانی

FACULTY - DEPARTMENT

دانشکده مهندسی برق و کامپیوتر
DEGREE
Master of Science (MSc)
YEAR
1385

TITLE

The overall performance of some suboptimal codes
One of the basic problems in source coding is to find a prefix-free code for a given source. A code is prefix-free if no codeword is a prefix of any other one. A sequence of prefix-free codewords can be decoded with the minimum possible delay. The prefix-free property is useful in applications such as video compression, where the encoded data must be decoded instantaneously. It is well known that the codeword lengths of any binary prefix-free code satisfy the Kraft inequality. Conversely, a prefix-free code can be constructed with any given set of codelengths satisfying the Kraft inequality. Another important constraint in encoding a source is minimizing the average codelength of the code. This constraint is useful because it helps reduce the consumption of expensive resources, such as hard disk space and transmission bandwidth. The Kraft inequality constraint makes the entropy a lower bound on the average codeword length. Hence the redundancy, which is defined as the difference between the average codelength and the entropy, is usually considered as a measure for evaluating the performance of a prefix-free code. An optimal code, i.e. the instantaneous code which has the minimum average codeword length (or equivalently the minimum redundancy) for an information source, can be obtained using the Huffman algorithm. However, sometimes we may need a faster but suboptimal algorithm for designing a code, for instance when the number of the symbols of a source is very large and the symbol probability vector varies quickly in time, or if we intend to encode just a few output symbols of a source. In such cases one may prefer to use a suboptimal code such as fixed-length code, uniform code, M code or Shannon code. In this thesis we intend to study the overall performance of these suboptimal codes. The redundancy of each code is considered as a random variable on the set of all sources with symbols, and the mean and the variance of the redundancy of each code is studied through exact formulation or simulation. Since all the information sources with symbols carry the same importanceredundancy of the Uniform code is less than . Words Redundancy, the Kraft inequality, the Huffman code, the Shannon code, M code, Minave Criterion
هدف اصلیِ یک سیستم مخابراتی، انتقال اطلاعات با بیشترین نرخ و دقت ممکن از یک مبداء، که آن را منبع اطلاعات می‌نامیم، به یک مقصد معین است. در هنگام ارسال یا ذخیره سازیِ داده‌های یک منبع اطلاعات، دنباله سمبل‌های تولید شده توسط منبع، به واحد کدگذار منبع داده می‌شود و در آن، هر یک از سمبل‌ها با یک کلمه کد جایگزین می‌شود. در هنگام کدگذاریِ منبع، سعی بر کدگذاری اطلاعات با کمترین تعداد بیت ممکن است و به همین دلیل در برخی موارد به عملیات کدگذاری منبع، فشرده سازی نیز گفته می‌شود. با فشرده‌سازی، در استفاده از منابع با ارزشی مانند پهنای باندِ انتقال یا فضای ذخیره‌سازی (مانند دیسک‌های سخت) صرفه جویی به عمل می‌آید. از طرف دیگر در بسیاری از کاربردها، مانند ارسال اطلاعات ویدئویی، لازم است که کدبرداری به صورت آنی و یکتا صورت گیرد. کد بهینه (از دیدگاه این معیارها) از الگوریتم شناخته شده‌ی هافمن به دست می‌آید. اما اگر تعداد سمبل‌های منبع زیاد باشد و/یا بردار احتمال سمبل‌ها با زمان تغییر کند، تحمل بار محاسباتیِ اجرای الگوریتم هافمن، دشوار می‌گردد. در چنین شرایطی می‌توان به جای کد هافمن از کدهای شبه بهینه، نظیر کد با طول ثابت، کد یکنواخت،کد M و کد شانون بهره جست. هدف این پایان‌نامه، مطالعه کمّی میزان افزونگی این کدها نسبت به کد ‌بهینه است. بدین منظور افزونگی هر کد را به‌صورت یک متغیر تصادفی در نظر گرفته و میانگین و واریانس آنها را بررسی می‌کنیم. از آنجا که در این تحلیل، همه‌ی منابع با تعداد سمبل معین از اهمیت یکسانی برخوردارند، تابع چگالی احتمال روی مجموعه منابع به‌صورت یکنواخت تعریف می‌شود. به‌طور مشخص ثابت می‌کنیم که میانگین افزونگی کد شانون بسیار به 5/0 نزدیک است و با افزایش تعداد سمبل‌ها، میانگین افزونگی به‌سمت 5/0 و واریانس آن به‌سمت صفر میل می‌کند. همچنین نشان می‌دهیم که میانگین افزونگی کد M به‌سمت مقدار 0287/0 میل می‌کند. در انتها دو راهکار برای بهسازی کد شانون ارائه می‌شود و با استفاده از شبیه‌سازی، میانگین افزونگی آنها در حدود 03/0 به‌دست می‌آید که حاکی از عملکرد مناسب آنها از دیدگاه هر دو معیارِ کمترین بیشینه افزونگی و کمترین میانگین افزونگی است. کلمات کلیدی : 1- افزونگی 2- نامساوی کرافت 3 - کد هافمن 4- کد شانون 5- کد M 6- معیارکمترین میانگین افزونگی

ارتقاء امنیت وب با وف بومی