Compressed sensing in mobile systems
Etude du paradigme acquisition compressée dans les systèmes mobiles
Abstract
We are interested in investigating the compressed sensing paradigm in the context of mobile systems to deal with the logistical and computational challenges in future communications. Due to the increasing number of connected objects (Internet of Things), the data exchanged in turn grows exponentially: this is the era of big data. This adds a level of intelligence to devices enabling them to communicate real-time data without a human being involved, effectively merging the digital and physical worlds. Hence the need to propose efficient techniques for compressing data from a variety of sources. Firstly, we propose simpler speech codecs based on quantization of compressed sensing measurements. The results show that the proposed codecs can be promising alternatives to current speech codecs. Secondly, we focus on the communication system. The behaviour of compressed sensing-source coding within the transmission chain is studied when undergoing real mobile communication-conditions. More specifically, we design new end-to-end mobile communication schemes based on compressed sensing. The proposed designs incorporate the compressed sensing-based speech codec instead of sampling signals at Nyquist rate then using a complex speech codec. Additionally, efficient techniques are chosen for channel compensation. The proposed systems show a simplified design, and allow reducing bit rate and processing load compared to actual communication systems based on adaptive multi-rate wideband (AMR-WB) speech codecs. The recovered speech has good quality and fair intelligibility scores when dramatic communication conditions are experienced (Rayleigh environment). In addition to reducing the computational burden for all the transmission steps, compressed sensing allows secure communications without additional costs. Thirdly, we consider the background noise coming from the environment. We propose a new speech enhancement method based on compressed sensing. In this approach we perform noise subtraction in the measurement domain before sparse recovery. Significant results are obtained showing that the proposed method is a good alternative to classical as well as prior compressed sensing-based speech enhancement methods, especially at
low signal-to-noise ratios.
Nous nous sommes intéressés par l’exploitation de l’acquisition compressée dans le contexte des systèmes mobiles pour faire face aux défis logistiques et calculatoires dans les communications futures. En raison du nombre croissant d’objets connectés (Internet of Things), les données échangées croissent à leur tour de façon exponentielle : c’est l’ère du big data. Cela ajoute une couche d’intelligence à ces objets leur
permettant de communiquer des données en temps réel sans qu’un être humain soit impliqué, fusionnant ainsi efficacement les mondes numérique et physique. D’où la nécessité de proposer des techniques efficientes de compression de données provenant de sources diverses. Tout d’abord, nous proposons des codecs vocaux plus simples basés sur la quantification des mesures détectées par l’acquisition compressée. Les résultats montrent qu’ils peuvent être des alternatives prometteuses aux codecs vocaux actuels. Deuxièmement, nous nous concentrons sur le système de communication. Le comportement du codage source basé sur l’acquisition compressée à l’intérieur de la chaîne de transmission est étudié dans des conditions réelles de communication mobile. Plus précisément, nous concevons de nouveaux systèmes de communication mobile de bout en bout basés sur l’acquisition compressée. Les conceptions proposées intègrent des codecs vocaux basés sur l’acquisition compressée au lieu d’acquérir des signaux au débit de Nyquist puis utiliser un codec vocal complexe. De plus, des techniques efficaces sont choisies pour la compensation de canal de transmission. Les systèmes proposés présentent une conception simplifiée et permettent de réduire les débits binaires et la charge de traitement par rapport aux systèmes de communication actuels basés sur des codecs vocaux adaptatifs à large bande et
débits multiples. La parole récupérée a une bonne qualité et une intelligibilité acceptable lorsque les conditions de communication sont dramatiques (environnement de Rayleigh). En plus de réduire la charge de calcul pour toutes les étapes de transmission, l’acquisition compressée permet des communications sécurisées sans coûts supplémentaires. Troisièmement, nous considérons le bruit de fond provenant de l’environnement. Nous proposons une autre méthode d’amélioration de la parole bruitée basée sur l’ acquisition compressée. Dans notre approche, nous effectuons
la soustraction de bruit dans le domaine de mesure avant d’appliquer l’algorithme de reconstruction. Les résultats prometteurs obtenus montrent que la méthode proposée est une bonne alternative aux méthodes classiques ainsi qu’aux méthodes d’amélioration de la parole basées sur l’acquisition compressée, surtout pour les faibles rapports signal-sur-bruit.
Fichier principal
Compressed Sensing in Mobile Systems - Houria Haneche.pdf (5.02 Mo)
Télécharger le fichier
Origin : Files produced by the author(s)