1、熵編碼，特別是自適應(yīng)熵編碼，是大多數(shù)圖像和視頻壓縮編碼標(biāo)準(zhǔn)和許多非標(biāo)準(zhǔn)編碼器的核心部分，例如JPEG2000中的MQ編碼器和H.264/AVC中的CABAC編碼器均用到了自適應(yīng)二值算數(shù)編碼。熵編碼的編碼性能主要與兩個(gè)因素有關(guān)，一是概率模型與信源的實(shí)際特性相符的程度，二是編碼器依據(jù)概率模型為待編碼符號(hào)分配碼字的方式。對(duì)于第二點(diǎn)，目前，當(dāng)給定概率模型時(shí)，很多熵編碼方法的平均碼長已經(jīng)非常接近給定概率模型下的香農(nóng)熵，關(guān)于這方面的性能提升已經(jīng)非常

2、有限。而對(duì)于第一點(diǎn)，當(dāng)待編碼數(shù)據(jù)統(tǒng)計(jì)特性較平穩(wěn)時(shí)，概率模型的建立問題相對(duì)容易，但當(dāng)待編碼數(shù)據(jù)統(tǒng)計(jì)特性經(jīng)常發(fā)生變化時(shí)，概率模型往往會(huì)與信源的實(shí)際特性有所偏離，影響編碼性能，若概率模型能實(shí)時(shí)的反映待編碼數(shù)據(jù)這種特性變化，理論上可以取得更好的編碼效果?；谝陨媳尘埃疚膶?duì)數(shù)據(jù)特性經(jīng)常變化時(shí)熵編碼器概率模型的建立問題展開了研究。
　　首先介紹了與熵編碼密切相關(guān)的信源熵、概率模型和估計(jì)熵的相關(guān)定義，分析了熵編碼的碼長與待編碼數(shù)據(jù)的信源熵和在

3、概率模型約束下的估計(jì)熵之間的關(guān)系，闡述了自適應(yīng)熵編碼器中概率估計(jì)模型的重要作用?；谝陨匣纠碚摚又o出了本文中平穩(wěn)數(shù)據(jù)和非平穩(wěn)數(shù)據(jù)的定義以及相關(guān)數(shù)學(xué)表示，并分析了靜態(tài)模型以及傳統(tǒng)的基于貝葉斯參數(shù)估計(jì)理論的概率估計(jì)算法不適合對(duì)非平穩(wěn)數(shù)據(jù)進(jìn)行概率估計(jì)的原因并進(jìn)行了相關(guān)實(shí)驗(yàn)驗(yàn)證，最后介紹了加窗法和遺忘因子法兩種經(jīng)典的非平穩(wěn)環(huán)境下的概率估計(jì)算法，并分析了各概率估計(jì)算法對(duì)于不同特性數(shù)據(jù)的概率估計(jì)效果，最后探討了非平穩(wěn)數(shù)據(jù)特性變化的劇烈程度對(duì)整

4、個(gè)概率估計(jì)過程的影響，提出了根據(jù)數(shù)據(jù)的變化特性調(diào)節(jié)概率估計(jì)算法的自適應(yīng)能力的基本思想。
　　其次，研究了隨機(jī)學(xué)習(xí)弱估計(jì)理論（stochastic learning weak estimators，SLWE）在非平穩(wěn)數(shù)據(jù)概率估計(jì)問題中的應(yīng)用。首先介紹了基于SLWE的二項(xiàng)分布和多項(xiàng)分布參數(shù)估計(jì)過程，并從定性和定量兩方面分析了其適用性，深入剖析了其概率更新的內(nèi)在原理，并將其與加窗法比較，分析了其與加窗法的內(nèi)在聯(lián)系。最后利用區(qū)間編碼的架構(gòu)

5、設(shè)計(jì)了利用SLWE算法進(jìn)行概率估計(jì)的區(qū)間編碼方法，詳細(xì)敘述了將SLWE算法移植到區(qū)間編碼中時(shí)可能會(huì)引起的區(qū)間退化問題和由于浮點(diǎn)累加的舍入誤差引起的解碼問題及相應(yīng)的解決辦法。最后通過實(shí)驗(yàn)分析了新的區(qū)間編碼方法對(duì)不同特性數(shù)據(jù)的編碼效果。
　　最后，提出了根據(jù)數(shù)據(jù)局部特性變化情況自適應(yīng)調(diào)節(jié)算法自適應(yīng)能力的參數(shù)自適應(yīng)SLWE算法。該算法針對(duì)實(shí)際數(shù)據(jù)特性變化情況比較復(fù)雜的特點(diǎn)，首先利用數(shù)據(jù)的局部統(tǒng)計(jì)特性的變化情況分析數(shù)據(jù)的非平穩(wěn)度，然后提取