Category Archives: 关于EE的胡思乱想

发现最近确实比较缺少文学的滋养了，想了半天也没想出个词来描述我当下的心情……今天看了Juniper的一个报告，讲关于下一代网络的发展方向，看完后有点郁闷……Juniper虽然在台面下是Cisco的小弟，但至少在台面上还是Cisco的主要竞争对手（真正台面下的竞争对手是华为……）。所以这个报告的角度还是很高很前瞻的，所以更让人有点闷。虽然说不上感到前途一片黑暗，但总归要好好想想以后应该怎么做网络了……

前天发短信给老爸，关心下他申报的事情，结果回我一条“我们没戏，你们也没戏！”，超深奥，我看了半天也没看懂。晚上通电话，才知道所谓“我们没戏”是说老爸学校光荣的成为了三个省属高校中不幸的那两个之一，所谓“你们也没戏”是说5个部属高校中唯一的落选者就是我们亲爱的SJTU，而且居然是被南航PK掉的，颇让Dolphine得意了一会儿。ft~ 后来跟老爸总结原因，老爸说是竞赛这块做得不够。我安慰老爸，竞赛这个东西啊，不能说明啥。可老爸却说，还是很能说明一些问题的。 其实作为高中竞赛的受益者，我多多少少还是有点感触的。 竞赛这个事情，本身就带有特殊的色彩。参加竞赛的人总是一小部分，取得成绩的更是一小小部分。如果这个竞赛不是十项全能，所涉及的范围也就是特殊的一个分支，而即使是十项全能，也不过是许许多多事情中特殊的十项。所以说，虽然竞赛的初衷都是提倡和促进更多更广泛的人参与进某项活动中来，但是在中国这样一个“成王败寇”般重视结果，又由于长期落后而导致的急功近利的社会里，竞赛的特殊性远远超出了其普及性。就以高中的竞赛为例，如果一个不咋牛的学校有一个很牛的学生，或者一个很牛的老师培养一批不是很牛的学生，或者一个很不牛的学生但是运气好到像我这样的，就可以拿到奖。这也不难理解为什么很多学校，在走掉几个教练之后水平滑落的如此之快了。 但是竞赛在你show的时候，所产生的效应却是普遍性的。高中挂保送横幅的时候，呼呼啦啦从校门口挂到逸夫楼，不过二十多个人，占了不到全年级2%的比重，产生的宣传效果却远远大于50%的一本上线率这样更具普遍性意义的指标。为什么？所以如老爸所说，竞赛这个东西还是能说明一些问题的，如果说高中这样一个竞赛还不足以复杂到能说明问题，那就来看看大学的竞赛。 大学的竞赛是个怎样的问题呢？虽然高校的重点与普通之分与高中的重点和普通一样，决定了生源质量，师资力量和资金实力。但是高校不同于高中，在于不论是重点高中还是普通高中，其办学宗旨还是一切服务于高考，然而大学不然，重点高校和普通高校在办学宗旨和目标上就千差万别了，培养学生只是高校的任务之一，而且即使是培养学生，培养什么样的学生各个高校也不近然。这就造成了一些问题，在重点高校，其对学生的培养相对于普通高校，更为精英化，再加上其先天的优势，所以容易形成一个良好的体制和风气，自然成绩出色。但是作为普通高校，其培养目标相对大众化，培养的学生要承受较大就业和升学压力，就要面临很多重点高校碰不到的问题。这一点在竞赛上就可以体现出来，以大学生电子设计大赛为例，由于有充足的就业资源和本校直升的能力，每年交大的主力都是大三的学生，而作为普通高校的大三学生，一则就业压力大，为了找份好的工作，大三暑假的实习显得尤为重要；二则没有直研的资格，加上本来基础上就有差距，一个暑假要为考研打拼，到头来并没有什么人会来参加竞赛。而真正参加竞赛的学生多为低年级的学生，还没具有相应的专业能力，取得成绩的可能性也就大大降低了。从一个学校的办学角度考虑，如果能在这个过程中学生学到知识，培养能力，即使没有得奖，也已经符合了这个学校的办学宗旨，从而导致学校在竞赛上的投资不可能太大。其次，重点高校的办学目标除了培养学生，还有很重的科学研究和项目开发任务，需要一批有相应能力的学生作为人力资源，而竞赛作为一种高效且附加增值极高的培训方式，有很大的生存空间，而在普通高校，相对来说科研的任务较少，教学成为主要的办学目标，竞赛的生存空间就狭窄了许多。如果再从物质一点的角度，在普通高校里，教学的收入远远大于指导竞赛，现实的来看，一个普通高校的老师，你让他如何放弃丰厚的既得利益，去指导风险很大的竞赛呢？所以竞赛的师资力量也很成问题。再加上资金实力、经验技术等等的差距，导致竞赛在重点高校和普通高校的巨大不同。归纳到一点，普通高校做竞赛要困难得多。但是从另一个角度来看这个问题，如果能在本来就不占优势的情况下，取得出色的成绩，就说明你在上述的这些问题上确实有超出别人的地方，最突出的一点就是有一个良好的机制。机制是什么？好的机制就是维持一个好的事物一直保持一个良性循环的状态。由于普通高校的先天劣势，往往在这个问题上都是一个恶性循环，试想，把一个本已恶性循环的事物逐渐遏制继续恶化的趋势，并且一步一步转为良性循环的状态，确确实实足以说明很多问题了。   附：这是第一次以一个平等的身份给老爸提建议，摘一些自己关于示范中心建设的看法作为纪念： 1 建设示范中心，第一个是硬实力，就是硬件设施。这是个基础，既然是能够进入终审，硬件实力相互差距应该不大。第二个是软实力，这个内容就多了，而且是比较容易突出特色的地方。 2 软实力有这么几点：第一个是指导思想，这个最重要也是最根本，决定了你要培养什么样的人，所以国家才给你投钱。 3 第二个是内容设置，这个东西比较能够看得出水平，很多学校虽然有很好的设备，但是却开不出相应的课程，所以硬件都很好，但是没有用武之地，也就是国家的投资得不到回报。 4 第三个是教学成果，这个东西主要是体现在，竞赛成绩，实验教材的编写，与公司的合作项目等等。而这其中，最直接体现成果的就是竞赛成绩。 5 第四个是师资力量，其实老师们学历不一定要高，主要是理论水平不一定高。但是这些老师的动手能力要强，经验要丰富，不过这需要多年的积累。而且很重要的一点是，这些老师对学生的态度要积极和热情，但这跟学生也有很大的关系，双方的热情是相辅相成的。 6 第五个是运行机制，这个东西是很多学校都做得不是很好的，从学生的角度来看，还是有很多人愿意课外参加这个的，但是没有人组织，也没有人宣传，什么都没用。除此之外，如果让学生去玩这些东西，怎么去管理，也很成问题，开放式的管理，虽然会有一些很不错的结果，但是这样对一个实验室来说，是可以的，可是示范中心不行。而集体的培训，结果就很难保证，很容易变成混混就完事的课程，最后也没什么效果，所以说这是个很难的问题，但是解决得好，就是一个很显得出水平的地方。   大概就是这个样子了，纪念一下，21岁了，也不是小孩子了，要有一点看法和地位了。

这篇文章《A Hierarchical Characterization of a Live Streaming Media Workload》是发表在IEEE TRANSACTIONS ON NETWORKING上的文章，对直播流媒体的用户负载模型方面提出了一些想法，翻译了一下摘要和引言，贴上来和大家分享。   对直播流媒体负载的分级描述 Eveline Veloso, Virgilio Almeida, Wagner Mira, Jr., AzerBestavros, Member, IEEE, and Shudong Jin, Member IEEE   摘要：在本文中，我们提出了一整套对Internet直播流媒体负载所进行的科学描述。我们的描述是在对28天的时间里的3,500,000个请求的基础上，按粒度大小分成用户级、会话级和传送级三个层次完成的。我们的研究结果支持了两个重要的结论。其一，我们表明，直播节目与存储节目在用户与目标节目之间交互行为在本质上是完全不同的。存储节目的接入是用户驱动的，而直播节目的接入是目标节目驱动的。用户与目标节目的角色在主动与被动上的颠倒导致了一些有趣的二元性现象。比如，我们的分析强调，对于一个给定的目标节目，用户的兴趣是成Zipf特性分布的，然而在存储节目中，对于一个给定的用户，目标内容的受欢迎程度是成经典的Zipf特性分布的。我们的分析还表明，传输长度是高度可变的，而且这种可变性是与用户对某一特定直播节目的爱好程度有关的，而与节目的结构性质无关。其二，通过比较两种不同应用中的直播流媒体负载，我们推断，一些直播媒体介入负载的特性可能对所接入的直播节目内容有高度的依赖性。根据观察得到的强时间相关性，这种依赖性是显而易见的，我们认为这是由于直播节目的同步接入所带来的影响造成的。基于我们的分析，我们做出了一个用以产生直播媒体负载的模型，这个模型综合了我们的许多研究结果，而且在GISMO中也得到了应用。   关键词：Internet，直播流，测量，多媒体，负载描述   引言：Internet在发送流媒体（比如：视频和音频）方面的应用是十分突出的。这使得描述和仿真流媒体接入负载在评估Internet和流媒体发送系统时显得尤为重要。   在过去的几年里，有少量的研究尝试着去描述流媒体负载。然而，就我们所了解的来看，所有这些研究的目标都是预先录制的，存储的流（比如：新闻片断、电影预告片、教育剪辑），而且没有人考虑过直播流媒体（比如：现场摄像机的拍摄）的描述问题。本文提出了一种方法来描述一套负载数据，这些数据包含了成千上万的直播流会话过程，而这些直播流，作为另一种传播手段，通过Internet把在巴西一个非常热的电视真人秀节目提供给数以千计的用户。   对Internet上的流媒体描述是一个很有趣的课题，同时考虑到Internet作为一种发送直播节目的渠道对广播渠道（诸如电视）的补充，其重要性也是不容忽略的。通过补充其它的广播渠道，我们认为Internet可以使用户省去对于其它广播方式来说必不可少的剪辑环节（比如：蒙太奇），举个例子，用户可以锁定内容源到某一个特定的摄像机上，比如足球比赛中守门员的视角。在可扩展的方式下，允许这样一个级别的接入只能在Internet上实现，而不能在其他广播渠道上实现。事实上，缺少剪辑控制是Internet的raison d’etre（拉丁语，望大牛指点），它作为一种对传统信息交换供应商（诸如电视、出版商、新闻服务商等等）的补充，促进了Internet的发展。 … 繼續閱讀 →

这是这个学期看过的一篇论文，是发表在IEEE TRASCTION ON IMAGE PROCESSING上的。相对比较容易为我们所理解，就翻译了一下其摘要和引言，贴了上来，初次尝试，翻译的可能有些缺点，请大家指正。   基于局部竞争的稀疏过完备Gabor小波表示   作者：Sylvain Fischer,Gabriel Cristobal, and Rafael Redondo   摘要——Gabor表示除了其非正交性外，有许多有趣的特性。它是一种过完备表示，并且可以非精确地重构。过完备性导致了变换域系数个数的大量增加，从而引入了一定的冗余性，这些冗余可以通过诸如Matching Pursuit之类大计算量的迭代算法来降低。这里采用了一种符合生物学原理的算法，这种算法基于相邻系数之间比较和竞争，通过一套经过选择的Gabor函数，自适应地表示任何原始图像。这种方案可以做到更为尖锐的边缘定位，并且在保证重建图像质量的前提下，极其明显地降低了冗余量。这种方法在生物学上是合理的，其结果也是很有价值的，但是为了证明其有效性，它仍然需要更多的理论分析。  关键字——生物系统模型，图像编码，图像边缘分析，过完备表示，小波变换。   1.引言Gabor小波变换以基函数的形式来表示，这种基函数可以用于空间域和频域的定位。Gabor函数组成了一族带通滤波器，这些滤波器被广泛的用于各种图像处理领域，诸如纹理分析、运动估计等等。它们可以通过一种简单大脑皮层细胞的接收域模型来解释。二维的Gabor基函数并不能构成一组正交基，为了能够通过分析和综合的滤波器库中的Gabor滤波器来精确重建，我们需要一个完备的函数基。这样，变换域上的系数个数将多于图像的像素个数，就会引入一定的冗余，这些冗余在原则上将会限制这种变换在图像压缩领域的应用。   正交变换，诸如离散余弦变换或者基于小波的方法，是使用最多的图像压缩方法。尽管他们有很多的缺陷，比如不稳定性和人工效应。双正交小波则通常在子带分析时会产生混叠。尽管这些混叠会在重建时消除，但是其信号分析不是最优的（信号频带没有完全分离），而且其人工效应也会由压缩引入。   过完备Gabor小波以大量的冗余系数为代价，避免了混叠的出现。Mallat和Zhang已经证明了在限制信息冗余量的前提下，以过完备函数字典的方式表示一个信号的可能性。他们提出了一种迭代算法用来只保留最匹配的字典函数。Olshausen和Field认为过完备性和稀疏编码算法是一种合适的分离（decorrelating）自然图像的方法，而且它可以成为一种应用在主要视觉细胞上的策略。   我们应当强调稀疏编码中的问题与应用正交变换的图像压缩方法的不同。尤其是，从一套函数字典中找出最稀疏的分解结果依然是一个没有解决的问题。解决的方法不是唯一的，并且肯定是非正交的。这些方法一般都是通过大计算量的迭代算法近似实现的。因此，稀疏编码很少在图像压缩方面得到应用。   另一方面，Grossberg和他的同事，仿真了人的主要视觉神经细胞神经在执行相邻Gabor系数比较竞争的行为。这种方法锐化了边界，并且选择了最适宜的边界方向。尽管这种方法在降低噪声上很有用，但是这种方法是不可逆的，因而也不能直接应用在图像编码上面。   这篇论文的目的，是研究基于局部竞争来消除由于过完备Gabor小波表示所带来的冗余的可行性，并且解释了这种方法在图像压缩领域的用处。   本文的第二部分对Gabor小波变换方法做了总结。第三部分描述了一种应用竞争策略的迭代算法。第四部分队压缩策略做了总结。第五部分展示了一些图像压缩的成果。第六部分是结论与评论。  

这个学期，还花了点时间做了一下运动估计方面的事情，主要是用matlab实现了一些各种运动估计的算法。后来做了一次英文的presentation。其实本来想贴代码的，后来看了看，太长乐，所以我就贴一下presentation好了。有些东西是中文翻译成英文，翻译的挺烂的~~本来PPT上还做了几张图片的，传上来太麻烦了。不过，谁要是想看代码和图片的话直接找我要好了~~Contents of the Work：This work is to compress a series of motional images, of which some have strong correlation, while some others do not have. Thinking:·To reduce the redundancy between neighboring frames, we can use Motion Estimation that would be … 繼續閱讀 →

这个学期做了一点关于图象处理中Log Gabor小波变换的工作。初涉小波，把对其的初步理解总结了一下。对于其他想了解一下小波的人给出一个形象的概念，比较容易理解。 要理解小波，在我看来，可以从两个角度入手。第一个是从变换的角度。傅立叶变换的一个优点在于，可以获得对整个信号的频谱分量的分析。但是这同时要求我们必须知道整个时间域上的信号，然而就通信实现而言，是不现实的。这就引出了短时傅立叶变换，或者所谓的加窗傅立叶变换。如果短时傅立叶变换的窗选的合适，其无论在时域还是在频域上都可以表现为一个窗函数，这样就可以获得一定时域及频域分辨率。即我们可以知道最近这段信号的频谱信息，这样的短时傅立叶变换就有Gabor变换。然而，短时傅立叶变换也有其缺点，即其时域频域分辨率不可变性，如果一旦选定了变换用的窗函数，即确定了变换得到时域和频域分辨率。显然，当最近一段时间的信号变化缓慢时，其局部低频分量就高频分量要多很多，这就意味着如果适当放宽时间的窗长，频域的高低频分量的组成关系不会有明显的变化，从频域的角度，我们只需关心低频的部分即可，其所需要的频域窗长就较小。另一方面，如果最近一段时间的信号变化剧烈，即使其时间窗长很短，其高频分量也很丰富，这就要求，我们能够在较低的时间窗长(较高的时间分辨率)下，获得较多的频谱信息。短时傅立叶变换的分辨率不变性所带来的缺点就很明显了。为了解决这个问题，我们就引入小波变换，其分阶分时的特性就可以很好的解决上述问题，使其时域分辨率低的时候，频域分辨率高；时域分辨率高的时候，频域分辨率低。这大概就是小波变换的一个基本思想。 这样的理解有的时候比较抽象，如果我们换一个角度来看小波变换，即从相关性的角度来看小波变换，可能物理上的理解更为直观一些。回顾我们之前提到过的几种变换方式，如果审视其数学定义式，我们可以很容易的将其看作是做一个相关函数。傅立叶变换由于其匹配函数的时域无限性和周期性，时移体现的不明显，小波则在这上面有着很明显的表现，我们将一组基小波沿着时间轴移动，作相关函数，如果匹配，则该时刻相关函数值很高，否则，相关函数值很低。对于傅立叶变换而言，就如同一个变化很小的函数，由于其与低频分量相关性更高一些，其低频分量值要高于高频分量的值，是一样的道理。我们对基小波的频谱特性是知道的，通过其与信号相关性的关系。我们就可以很好的获取相应位置的频谱特性了。 上面是关于小波变换的一些理解方面的问题，主要是能够让初学者比较好的理解小波。其实，如果仔细观察小波变换的定义式，我们可以发现几个问题。其一，变换的基函数是不确定的，这就给我们以发挥的空间，可以根据需要设计相应的基函数。是一个值得研究的地方。其二，基本的小波变换是过完备的，即其变换出来的系数是远远多于正交变换的系数个数的，这就产生一个如何选去系数，使得我们能够最终实现重构的问题，也是一个值得研究的地方。只可惜自己数学功底不够，还是只能看看别人的想法，自己还很难做出一点突破…… 小波变换应用在图像处理中，其时移特性就转化为可以定位不同区域的频谱分量状况，从而可以为之后进一步的处理作准备。最后，关于Log Gabor小波变换的问题，这个主要是从两篇论文上看到的，过几天有空了，我翻译一下，发上来跟大家交流。

今天关于减采样和增采样想了很久。增采样可以看作是对离散信号进行内插得到的采样率更高的离散信号，减采样可以看作是对离散信号进行再次采样得到的采样率更低的离散信号。但是对于增采样的结果，我的另外一种理解是对以增采样的采样率对连续信号采样后得到的离散信号与一个以M为间隔的单位冲击串序列的乘积。注意到，一个以M为间隔的单位冲击串序列，其离散傅立叶变换也是无限长冲击序列串，而原来的离散信号频谱也是周期无限长的，似乎其将是无穷个无限长的序列叠加，将会出现问题，但是如果我们注意到离散信号的傅立叶变换的定义，就会发现其积分上下限是从-Pi到Pi，所以只有满足这个条件的个别几个冲击才能与原信号频谱卷积，故不会出现无穷个无限长序列叠加的情况。第二个问题是，通过数字频谱，我发现增采样后，数字角频率带宽变窄了，于是就产生幻想“是不是可以通过增采样来节省带宽呢？”然而事实上，这样做并不值得，因为数字频率变窄是建立在采样样本增多的基础上的，由于数字信号对时间间隔作了归一化处理。所以，在样本间隔不变的前提下，用更多的样本点的来描述一段信号（即提升采样率）所带来的直接结果就是实际上将原来的信号拉长了，因而频带变窄了。所以，我们是以牺牲传输量来获得更窄的带宽。然而在数字信号处理中，对计算量的要求是远高于带宽的要求的。也许在今后有更好的算法或者更快的处理器的情况下，通过增加采样率来减小带宽是可以考虑的。

这几天看《数字信号处理》，突然对采样定理有了另一种认识。以前对采样定理的认识是，对于一个有限带宽信号，只有超过奈奎斯特率的采样频率对其采样，才能保证离散化的信号可以完全恢复到原来的信号。而当时一直在纳闷，对于离散信号，以相邻两个信号为边界的连续时间信号是不各种各样的，怎么才能保证离散信号一定能够恢复到原来的离散信号？其实，保证这一点的就是采样定理，举个例子，以两个离散点 为边界的连续信号，一个变化平缓，一个变化剧烈。对于平缓的信号，其细节较少，故高频成分也较少；而对于剧烈的信号，其细节较大，故高频成分较多。因而其频谱宽度不同，所以其各自的奈奎斯特律也不相同，剧烈信号的奈奎斯特律较大，而平缓信号的奈奎斯特律较小。所以他们各自要求的采样频率也就不相同，对于剧烈信号，其采样率要求高，故在原来两个离散点之间的还应当有较多的采样点；对于平缓信号，其采样率要求低，故在原来两个离散点之间的只需较少的采样点即可。所以采样定理的另一个意义是，对于同样的离散信号，对其用不同的采样率还原，得到的还原连续信号是不同的。只有以满足大于原信号奈奎斯特率的采样率，才能还原到原来的信号。

      今天花了一个晚上琢磨数字信号处理里面的离散傅立叶变换，总算看明白了。悟的感觉真的不错。所以现在就把想明白的东西写下来。       所谓离散傅立叶变换，是建立在离散信号的频谱是周期的，周期信号的频谱是离散的。所以一个周期离散信号的频谱也是周期的、离散的。而且对于一个周期为N的信号，由于其离散的特性，其频谱由其基频2Pi/N的整数倍组成，所以其频谱上的一个周期由N条谱线组成。对于一个有限时宽为N信号，通过这N条频率的变换，得到的频谱是周期离散的，再取这个频谱的一个周期，还是通过这N条频率的反变换，就可还原成一个以原来的有限宽信号为一个周期的周期信号，取这个信号的一个周期就是原来的信号了。这一系列特殊的变换。我们可以得到一组关于有限时宽信号的关系式（详见奥本海姆《数字信号处理》74页）。这组关系式就是所谓的离散傅立叶变换。       与傅立叶变换最大的不同在于，傅立叶变换是以连续的频域为变换基础的，而离散傅立叶变换的变换基础为有限个等间频频率。而且对于周期序列来说，我们只需取其一个周期的序列来进行变换，这样就无所谓周期与非周期了，因为一个周期信号可以看作一个非周期信号的延拓，而一个非周期信号则可以看作一个周期信号的一部分。       回到离散傅立叶变换的特性上，由于其信号与频谱都是离散的，尤其是其频谱是离散的，相对于傅立叶变换的连续频谱来说，离散的频谱更容易被现在的数字设备所处理。而且就书上说，离散傅立叶变换由于其计算有快速算法（虽然我还没有看到那一章），所以离散傅立叶变换有其十分重要的意义。       离散傅立叶变换“离散”两个字最重要的意思是：其变换的频谱是离散的，不同于傅立叶变换的连续频谱，虽然傅立叶变换的结果有的时候是离散的，但是在其频域是连续的，没有幅值的位置为幅值为0，而离散傅立叶变换的频域是离散的，没有幅值的位置为没有定义的。