摘要 圖表、表目 第一章 緒論……………………………………………………….1 1.1簡介……………………………………………………………1 1.2研究動機…………………………………………………….2 1.3各章內容概要……………………………………………….4 第二章 外線圖像傳輸（IrTran-P）通訊協定簡介 …………………………………………………………………………………5 2.1紅外線標準協會（IrDA）簡介 ……………………………..5 2.2紅外線圖像傳輸（IrTran-P）通訊協定簡介……………….9 2.3自動重傳機制………………………………………………..21 第三章 H.263視訊壓縮之錯誤偵測與錯誤回覆…….23 3.1 壓縮原理………………………………………….…………24 3.2 H.263 視訊壓縮標準……………………………………….29 3.3錯誤偵測與錯誤回復……………………………….36 第四章利用類神經網路對H.263做錯誤消除..43 4.1多層感知器的影像模型………………………………………..44 4.2訓練資料（Traning Data）…………………………..58 4.3效能（Performance）評估…………………………………..66 4.4運算複雜度(computation complexity)…………………….86 4.5與其他錯誤消除技術的比較………………………………..93 第五章利用錯誤重傳機制（ARQ）對H.263做 錯誤更正……………………………………………..99 5.1 ARQ機制效能評估…………………………………………100 5.2 Intra重新編碼後的錯誤蔓延…………………………….105 5.3 即時性探討 ……………………………………………..108 第六章 結論……………………………………………………….112 附 錄…………………………………………………………………114 參考文獻…………………………………………………………………122 圖1-1 論文傳輸架構…………...…..………………………………………..3 圖 2-1 IrDA不同規格之發展趨勢……….....……………………...………..7 圖 2-2 IrDA產品應用發展趨勢……...….….……...………………………..8 圖2-3 兩紅外線設備間連接圖…………….……..………………………..10 圖 2-4 IrDA的堆疊….……….…………….………...……………………..11 圖2-5 IrTran-P之應用設備………...………………………………………12 圖2-6 IrTran-P傳輸流程…………………...………………………………14 圖2-7 程式接收視窗……..………..………………….…………………….16 圖2-8 資料標頭檔及其大小………………………………………………...17 圖2-9 File Header內容的排列順序，及其定義…………………….……18 圖2-10 Entry Area的結構及內容定義……………………………………...19 圖2-11 不同資料格式之Data type ID……………………………………..20 圖2-12 IrTran-P ARQ傳輸流程……...…………..…...…………………….21 圖3-1 區塊在大區塊中的排列順序……………………..…………………30 圖3-2 H.263畫面的資料結構…………………………………..…………30 圖3-3 H263的視訊資料結構（video bitstream syntax）………....…………31 圖3-4 H.263編碼流程圖……………………………………………………31 圖3-5 半像素的定義………………………..…………………………..….33 圖3-6 H.263進階預測模式移動向量選擇圖……………...………………34 圖3-7 PB-Frames之說明……...……………………………………………35 圖3-8 H.263編碼流程圖………….……………………..…………………35 圖3-9 利用同步碼做錯誤鎖定………………………………...…….…….38 圖3-10 利用基因演算法來做錯誤隱藏流程圖…………………………..40 圖3-11 錯誤追蹤（delay=1）示意圖………...………………………………41 圖4-1 傳統未回授之感知器……………………………………...…………46 圖4-2 傳統回授感知器………………………………………...…………46 圖4-3人工神經元模型………………………………………………………47 圖4-4多層回授感知器….….………………………………………………48 圖4-5第 層第 個神經細胞…………………….……………………….49 圖4-6活化函數…….……………………………………………………….50 圖4-7影像模型A的最佳決策區域圖…………………….…………..55 圖4-8影像模型B的最佳決策區域圖………………………………….57 圖4-9倒傳遞類神經網路架構…….…………………………………...58 圖4-10 (5,9,1)模式下不同學習率的收斂速度 （其中a: ,b: ,c: ）………………………….61 圖4-11 (5,9,3,1)模式下不同學習率的收斂速度 （其中a: ,b: ,c: ）………………………….62 圖4-12 不同等化器模式其收斂速度 其中a:（5,1）；b:（5,9,1）；c:（5,9,3,1）………..……….63 圖4-13 (5,9,1)模式下，訓練資料在理想與固定通道時效能比較…..…64 圖4-14 (5,9,3,1)模式下訓練資料在理想與固定通道時效能比較….….65 圖4-15 (5,9,1)架構類神經網路對位元錯誤率的改善……………….….66 圖4-16 只經過決策裝置在不同通道訊雜比情況下其影像品質………..76 圖4-17單層與雙層隱藏層類神經網路在不同通道訊雜比情況下其位元錯誤率及峰值訊號雜訊比的比較………………………….………77 圖4-18 單層與雙層隱藏層類神經網路在不同通道訊雜比情況下其影像品質比較…………………………………………………………….79 圖4-19在標頭保護的情況下，在不同通道訊雜比下，有無類神經網路影像間的比較……………………………………………………...81 圖4-20單層與雙層隱藏層類神經網路在不同通道訊雜比情況下其位元錯誤率與無類神經網路間的比較………………………………...82 圖4-21單層與雙層隱藏層類神經網路在不同通道訊雜比情況下其峰值訊號雜訊比與無類神經網路間的比較…………………………….83 圖4-22 在標頭保護的情況下，單層與雙層隱藏層類神經網路在不同通道訊雜比情況下其影像品質比較………………………………….85 圖4-23多層感知器各層權值與閥值……………………………………..89 圖4-24使用四個邊角點做線性內插法..………………………………..93 圖4-25有無使用線性內插法其影像品質………………………………..97 圖4-26 (5,9,1)架構與線性內插法兩種錯誤消除技術，與無錯誤消除技術間峰值訊號雜訊比的關係……………………………………….98 圖5-1 單獨使用類神經網路，或Intra重新編碼對於影像品質改善情形………………………………………………………………..103 圖5-2利用類神經網路來消除Intra重新編碼無法更正的錯誤……..106 圖5-3 claire影像使用Intra重新編碼對於影像品質改善情形…...109 圖5-4 miss_am影像使用Intra重新編碼對於影像品質改善情形………………………………………………………………..111 表3-1未壓縮視訊資料量………..………………………….………....23 表3-2壓縮後視訊資料量…………..…………………….…………....24 表4-1影像模型A之無雜訊座標……...…………………….……....54 表4-2在影像模型A下單層與雙層隱藏層類神經網路架構之等化器其位元錯誤率…………..………….……………..………...55 表4-3影像模型B之無雜訊座標………….…….…………………...56 表4-4傳輸環境系統與位元錯誤率對照………..…………………...67 表4-5 不同單層隱藏層之位元錯誤率………………………..………...68 表4-6 (5,9,1)架構位元錯誤率與峰值訊號雜訊比的關係……….…...69 表4-7在標頭保護的情況下，不同單層隱藏層之位元錯誤率.….…...70 表4-8在標頭保護的情況下，(5,9,1)架構位元錯誤率與峰值訊號雜訊比的關係……………………………………………………………....71 表4-9 不同雙層隱藏層之位元錯誤率……………….…………….…...72 表4-10 (5,9,3,1)架構位元錯誤率與峰值訊號雜訊比的關係………...73 表4-11在標頭保護的情況下，不同雙層隱藏層之位元錯誤率………...74 表4-12在標頭保護的情況下，(5,9,3,1)架構位元錯誤率與峰值訊號雜訊比的關係……………………………………………………......75 表4-13只經過決策裝置影像位元錯誤率及峰值訊號雜訊比之比較…...75 表4-14 兩種類神經網路，在不同通道訊雜比其位元錯誤率與峰值訊號雜訊比間的比較….…………………………………………….……76 表4-18在標頭保護的情況下，只經過決策裝置影像位元錯誤率及峰值訊號雜訊比之比較…….……………………………………….……80 表4-20 在標頭保護（Header protection）的情況下，兩種類神經網路，在不同通道訊雜比其BER與PSNR間的比…………………….…82 表4-21 各權值與閥值的計算複雜度……………………………......88 表4-22不同單層隱藏層的類神經網路等化器，其運算複雜度………….90 表4-23 (5,9,3,1)架構，權值與閥值數目…….…..……..….……...90 表4-24 (5,9,3,1) 與（5,9,1）架構運算複雜度比較…………..…...90 表4-25 不同模式的感知等化器其執行時間…………………………....91 表4-26 有無使用線性內插法間，峰值訊號雜訊比的比較……….…...94 表4-27 (5,9,1)架構與線性內插法間，峰值訊號雜訊比的比較……...97 表5-1 carphone I-Frame 與P-Frame GOB大小……………………….100 表5-2單獨使用類神經網路，或Intra重新編碼其PSNR之比較…....104 表5-3 Intra重新編碼無法更正的錯誤，利用類神經網路來消除其蔓延 的錯誤，影像PSNR值…………………………………………....107