CN103026636B - 正交多描述编码 - Google Patents

Abstract

一方面，正交多描述编码装置包括正交多描述生成电路，被配置以通过利用多个正交矩阵中的各个正交矩阵处理给定信号来生成所述信号的多个描述。所述多个描述的每一个是根据所述信号及所述多个正交矩阵的相应一个来生成的。另一方面包括正交多描述解码装置，正交多描述编码及解码方法，及相关计算机程序产品。

Description

正交多描述编码

技术领域

本发明一般涉及信号处理领域，更尤其涉及通过通信网络或其他类型通信介质进行传输的信号的多描述编码(multipledescriptioncoding)。

背景技术

在典型的多描述编码装置中，待传输的给定信号在发射装置中被处理以生成该信号的多个描述，然后该多个描述通过网络或其他通信介质被传输至接收装置。该多个描述的每一个可以被看作是对应于经受不同损耗概率的不同传输信道。多描述编码的目标一般是在接收装置处提供信号重建质量，该信号重建质量随所接收描述的数量的增加而提高，而不必在不同的多个描述间引入过多冗余。

一个已知的多描述编码技术通常被称为量化框架扩展。待传输信号可被表述为N维符号向量x＝{x₁，x₂，...，x_N}。该符号向量x被乘以框架扩展转换T以生成一个M维符号向量y＝Tx＝{y₁，y₂，...，y_M}，其中，转换T为MxN矩阵且M＞N。该符号向量y然后经量化操作以形成Y＝Q(y)。前向纠错(FEC)及循环冗余校验(CRC)编码然后被应用于Y，在其通过网络被传输至接收装置之前。在接收装置处，所接收信号经FEC解码，而CRC被用于检测符号错误。无错误的符号被用于重建x的估计。关于此的更多细节及其他常见多描述编码技术，参看VivekKGoyal“多描述编码：压缩满足网络”(MultipleDescriptionCoding：CompressionMeetstheNetwork)，IEEE信号处理期刊，2001年9月，第74-93页。

传统的多描述编码技术通常假定信道为所谓的“删除”信道。在这样的信道下，给定符号或其他数据块为接收装置所知是正确或错误的，需要一些机制以提供该能力，例如上述的FEC或CRC编码。然而，FEC或者CRC编码仅对错误检测及校正是有用的，不能被用于其他方面的增强重建信号的质量当没有错误发生时。因此，运用该等编码在任何没有错误的信道意味着带宽的浪费。

发明内容

本发明的示例性实施例，通过提供在此被称为正交多描述编码的技术，克服传统多描述编码的上述缺陷。

根据本发明的一个方面，正交多描述编码装置包括正交多描述生成电路，该正交多描述生成电路被配置以通过利用多个正交矩阵中的各个正交矩阵处理给定信号来生成所述信号的多个描述。所述多个描述的每一个是根据所述信号及所述多个正交矩阵的相应一个来生成的。

根据本发明的另一个方面，正交多描述解码装置包括重建电路，该重建电路被配置以接收给定信号的多个描述中的各个描述，并通过将多个正交矩阵应用于所述多描述中各个描述来生成该信号的估计。

在该等示例性实施例之一中，该正交多描述生成电路通过按下式将该多个正交矩阵中各个正交矩阵应用于向量x，生成该向量x的M个描述y⁽ⁱ⁾：

y⁽ⁱ⁾＝U⁽ⁱ⁾x，i＝1，..，M

在此，在应用矩阵的上下文中所使用的术语“应用”，意在被广义地解释，以便包含如本实施例中的乘以矩阵或利用该矩阵的其他处理。

适用于该示例性实施例的一组正交矩阵的一个举例是由：

$U^{\left(1\right)}=I-\frac{2}{{\left(v^{\left(1\right)}\right)}^T{v}^{\left(1\right)}}{v}^{\left(1\right)}{\left(v^{\left(1\right)}\right)}^T$

$U^{\left(i\right)}=U^{(i-1)}(I-\frac{2}{{\left(v^{\left(i\right)}\right)}^T{v}^{\left(i\right)}}{v}^{\left(i\right)}{\left(v^{\left(i\right)}\right)}^T),i=2,...M$

给出的一组正交矩阵，其中，r_i，i＝1，2，...，NM包括指定间隔内的随机数的序列，及 $v^{\left(i\right)}=\left[\begin{array}{c}{r}_{(i-1)N+1}\\ r_{(i-1)N+2}\\ .\\ .\\ .\\ r_{(i-1)N+N}\end{array}\right],i=1,...,M$

其他类型的正交矩阵可被运用于本发明的其他示例性实施例。例如，该等正交矩阵可由：

U＝[u⁽⁰⁾，u⁽¹⁾，...，u^(N-1)]

给出，其中，u⁽ⁱ⁾，i＝0，...，N-1为一组通过将正交化过程应用于长度为N、分量为随机数的向量的序列v⁽ⁱ⁾，i＝0，1...，所生成的正交向量。

该等示例性实施例提供了相对于传统方法的明显优势。例如，在这些实施例的一个或多个中，正交矩阵以此方式引入冗余，以使该冗余不仅可以被用于提高信号重建质量，而且还可以被用于检测及纠正所接收信号中的错误。因此，该多个描述其中内置有错误检测及校正能力。这避免了为FEC和CRC的专门分配额外带宽的需求，从而确保了在没有错误时将无浪费带宽，同时也提供了在错误存在时适度降级(gracefuldegradation)。

根据附图及下列详细描述，本发明的这些与其他特征及优势将会变得更加明显。

附图说明

图1为在本发明一个实施例中实现正交多描述编码的通信系统的框图；

图2示出在本发明另一个实施例中实现正交多描述编码的通信系统的更详细的视图；

图3为在本发明另一个实施例中包括实现多描述编码的多媒体服务器的通信系统的框图。

具体实施方式

在此，结合典型的通信系统、处理设备及多描述编码技术，本发明将被阐明。然而，应该理解，本发明不受限于使用所公开的特殊类型的系统、设备及技术。例如，本发明的多方面可在许多种其他通信系统配置中被实现，运用不同于那些结合示例性实施例所描述的处理设备及处理步骤。

图1示出通信系统100，其包括经由网络105被耦合至接收装置104的发射装置102。该发射装置包括正交多描述编码装置112，该接收装置包括正交多描述解码装置114。同样包括于发射装置102中的是被耦合至存储器122的处理器120。类似地，接收装置104包括被耦合至存储器132的处理器130。

发射装置102可能包括计算机、服务器或任何其他类型的适合通过网络105向接收装置104提供信号的处理设备的至少一部分。该发射装置所提供的信号可包括数据、语音、图片、音频、视频或者其他类型的信号的任意组合。这些信号在通过网络被传输之前，在正交多描述编码装置112中被编码。

接收装置104可能包括通信设备或者任何其他类型的适合通过网络105自发射装置102接收信号的处理设备的至少一部分。例如，该接收装置可在便携式或者膝上型电脑、移动电话、个人数字助理(PDA)、无线电子邮件设备、电视机顶盒(STB)、或者其他通信设备中被实现。通过网络105自该发射装置所接收到的信号被正交多描述解码装置114解码。

网络105可包括广域网诸如因特网，城域网，局域网，有线电视网络，电话网络，卫星网络，以及这些网络或其他网络的部分或组合。

存储器122和132可被用于存储软件程序，所述软件程序被所述存储器所关联的处理器120和130执行以实现在此所描述的功能。例如，运行于发射装置102的处理器120之上的软件，可被用于实现正交多描述编码装置112的至少一部分，而运行于接收装置104的处理器130之上的软件，可被用于实现正交多描述解码装置114的至少一部分。存储器122和132中给定的一个可包括电子存储器诸如随机存取存储器(RAM)，只读存储器(ROM)，或者这些及其他类型的存储设备的组合。这样的存储器为一示例，更一般地在此被称为计算机程序产品的示例，或者仍更一般地称作计算机可读存储介质的示例，该计算机可读存储介质中包含有可执行的程序代码。计算机可读存储介质的其他举例可包括任意组合的磁盘、或者其他类型的磁介质或者光学媒质。

发射装置102及接收装置104的每一个均可包括按照传统方式配置的额外装置。例如，这些网元中的每一个通常将包括用于与网络105接口的网络接口电路。

在图1的系统100中所利用的正交多描述编码利用正交矩阵生成多个描述。以下将更详细的描述，正交矩阵以此方式引入冗余，以使该冗余不仅可以被用于提高信号重建质量，而且还可以被用于检测及纠正所接收信号中的错误。因此，该多个描述自身具有错误检测及校正能力。从而，当运用如在此公开的正交多描述编码时，无需附加的、分立的机制，如FEC和CRC，以提供错误检测及校正，并且在无错误时没有浪费带宽。每一个传输比特能够被用于质量增强及错误防止，以使即使当没有错误时，没有传输比特会被浪费。而且，相比在基于FEC和CRC的传统方法中的情况，存在错误时的降级将更适度。

作为一个更具体的示例，网络105可包括用于从多媒体服务器向多个客户端设备传输视频的组播或广播网络。在该示例中，正交多描述编码允许视频比特流以此方式被传输至多个客户端设备中的各个客户端设备，以使被该多个客户端设备中任何给定的一个所接收到的比特流中的所有比特，能够被在那个客户端设备中实现的视频解码装置所使用，以提高所重建的视频质量。

图2示出本发明的一个实施例的更详细的视图。在该实施例中，系统200包括发射装置，该发射装置包括正交多描述生成装置模块202、标量量化模块204和序列化及交织模块206。该发射装置通过网络210与接收装置进行通信，该接收装置包括解交织及并行化模块212、错误检测及校正模块214与重建模块216。例如，模块202、204和206可被看作，集体组成图1的发射装置102中的正交多描述编码装置112的实现。类似地，例如，模块212、214和216可被看作，集体组成图1的接收装置104中的正交多描述解码装置114的实现。

图2示出的各种模块可被看作是用于实现相关功能的电路的举例。该类电路可包括众所周知的传统的编解码电路，所述编解码电路被适当修改来以在此所描述的方式工作。例如，此类电路部分可包括与图1中处理器120、130和存储器122、132相关的处理器和存储器电路。其他例子包含矩阵乘法电路或者其它类型的算术逻辑电路，数字信号处理器，收发器等等。该类电路的传统方面对本领域技术人员是众所周知的，故在此不将进行详细描述。

在图2的实施例中，x表示待传输的消息，更特别地包括实数向量：

$x=\left[\begin{array}{c}{x}_1\\ x_2\\ .\\ .\\ .\\ x_N\end{array}\right]$

例如，x可能是语音编码、图像压缩或视频压缩过程中产生的一组转换系数。作为JPEG图像压缩情况下更具体的例子，x可以是8x8DCT系数，x可以是8x8DCT系数的行或列，x可以是一个像素中Y、Cr、Cb的DCT系数，或者，x可以是该类系数的不同类型的组合。当然，如前所述，很多种其他类型的消息可利用在此公开的正交多描述编码技术被传输。

待传输的原始消息x被施加于正交多描述生成装置202。根据该原始消息，M个消息被生成。这些消息被称为正交多描述消息。这M个消息的每一个为该原始消息x的一个描述。任一正交多描述消息或者这些消息的任意子集，可被用于重建该原始消息的近似。用于所述重建的消息越多，所重建消息接近该原始消息越精确。

在本发明的实施例中，该等正交多描述消息以下列方式在模块202中被生成。假设M＝2k+1为正整数，并假设U⁽ⁱ⁾，i＝1，2，...，M为N×N维正交矩阵：

(U⁽ⁱ⁾)^TU⁽ⁱ⁾＝U⁽ⁱ⁾(U⁽ⁱ⁾)^T＝I，i＝1，...，M

其中，I为N×N单位矩阵，T表示矩阵转置操作。通过将该多个正交矩阵的各个正交矩阵应用于该原始消息x，该M个消息被产生：

y⁽ⁱ⁾＝U⁽ⁱ⁾x，i＝1，...，M。

得到的消息被模块204利用标量量化函数量化：

Y⁽ⁱ⁾＝Q(y⁽ⁱ⁾)＝Q(U⁽ⁱ⁾x)，i＝1，..，M

所量化的消息在模块206中被序列化和交织，并通过网络210被传输至包括模块212、214和216的接收装置。

通过网络接收到的数据在模块212中被解交织和并行化，以形成所接收的消息：

${\tilde{Y}}^{\left(i\right)},$ i＝1，...，M

由于通过网络210传输引起的错误，所接收的多个消息可能与多个传输消息Y⁽ⁱ⁾中的各个传输消息不同。

错误检测及校正在模块214中被执行，以产生所估计消息：

${\hat{Y}}^{\left(i\right)},$ i＝1，...，M

所估计消息i＝1，...，M在重建模块216中被使用，以产生接近原始消息x的估计

现在，用于在生成装置202中生成多个描述中各个描述的M个正交矩阵的举例被详细描述。若U^TU＝UU^T＝I，则N×N矩阵U是正交的。假设r_i，i＝1，2....，NM为间隔[0，1]内的随机数的序列。按下式定义M个向量，每一个长度为N： $v^{\left(i\right)}=\left[\begin{array}{c}{r}_{(i-1)N+1}\\ r_{(i-1)N+2}\\ .\\ .\\ .\\ r_{(i-1)N+N}\end{array}\right],i=1,...,M$

随后，该等正交矩阵可被计算如下：

$U^{\left(1\right)}=I-\frac{2}{{\left(v^{\left(1\right)}\right)}^T{v}^{\left(1\right)}}{v}^{\left(1\right)}{\left(v^{\left(1\right)}\right)}^T$

$U^{\left(i\right)}=U^{(i-1)}(I-\frac{2}{{\left(v^{\left(i\right)}\right)}^T{v}^{\left(i\right)}}{v}^{\left(i\right)}{\left(v^{\left(i\right)}\right)}^T),i=2,...M$

该等典型的正交矩阵应为图2系统200中的发射装置和接收装置所知。

应当被指出的是，许多其他技术可被用于生成正交矩阵，以供在本发明实施例中正交多描述编码中使用。另一个用于生成正交矩阵的典型技术现在将被描述。

假设v⁽ⁱ⁾，i＝0，1...，为长度为N的向量的序列，其分量为随机数。正交化过程，诸如对本领域技术人员众所周知的格拉姆-施密特(Gram-Schmidt)过程，可被用于创建一组N个正交向量u⁽ⁱ⁾，i＝0，...，N-1。该等正交向量具备特性： ${\left(u^{\left(i\right)}\right)}^T{u}^{\left(j\right)}=\left\{\begin{array}{cc}1,& i=j\\ 0,& i\≠j\end{array}\right.$

在该等正交向量被创建之后，它们可被用于按如下形成正交矩阵的列：

U＝[u⁽⁰⁾，u⁽¹⁾，...，u^(N-1)]

更多这样的正交矩阵可通过运用具有随机分量的向量v⁽ⁱ⁾，i＝0，1...，的更多序列来生成。

此外，用于生成正交矩阵的上述技术仅通过示例性举例的方式被呈现，许多其他正交矩阵生成技术可被用于实现本发明。

如上所述，对于每一正交矩阵U⁽ⁱ⁾，我们生成y⁽ⁱ⁾＝U⁽ⁱ⁾x，随后运用标量量化，y⁽ⁱ⁾被利用被量化，以生成所传输消息。所传输消息为：

Y⁽ⁱ⁾＝Q(y⁽ⁱ⁾)＝Q(U⁽ⁱ⁾x)＝U⁽ⁱ⁾x+Δ⁽ⁱ⁾，i＝1，...，M

其中，为量化误差。假设 i≠jorp≠q为相互独立、在上均匀分布的随机变量。假设在每一消息中的量化误差的方差为

σ²＝E((Δ⁽ⁱ⁾)^TΔ⁽ⁱ⁾)，i＝1，2，...，M

其中，E(.)表示期望值。

不存在错误时的重建按如下进行。任何数量的所传输消息可被用于重建该原始消息x。假设为p个所传输消息。原始消息在模块216中被重建的方式，举例如下：

${\hat{x}}^p=\frac{1}{p}\underset{q=1}{\overset{p}{\mathrm{\Σ}}}{\left(U^{\left(i_q\right)}\right)}^T{Y}^{\left(i_q\right)}$

该举例中所重建消息中的误差的方差为

$E\left({(x-{\hat{x}}^p)}^T(x-{\hat{x}}^p)\right)=E\left({(x-\frac{1}{p}\underset{q=1}{\overset{p}{\mathrm{\Σ}}}{\left(U^{\left(i_q\right)}\right)}^T{Y}^{\left(i_q\right)})}^T(x-\frac{1}{p}\underset{q=1}{\overset{p}{\mathrm{\Σ}}}{\left(U^{\left(i_q\right)}\right)}^T{Y}^{\left(i_q\right)})\right)$

$=\frac{1}{p^2}E\left(\underset{q=1}{\overset{p}{\mathrm{\Σ}}}{\left(U^{\left(i_q\right)}{\mathrm{\Δ}}^{\left(i_q\right)}\right)}^T\underset{q=1}{\overset{p}{\mathrm{\Σ}}}{U^{\left(i_q\right)}\mathrm{\Δ}}^{\left(i_q\right)}\right)=\frac{1}{p^2}E\left(\underset{q=1}{\overset{p}{\mathrm{\Σ}}}{\left({\mathrm{\Δ}}^{\left(i_q\right)}\right)}^T{\mathrm{\Δ}}^{\left(i_q\right)}\right)$

$=\frac{1}{p^2}\underset{q=1}{\overset{p}{\mathrm{\Σ}}}E\left({\left({\mathrm{\Δ}}^{\left(i_q\right)}\right)}^T{\mathrm{\Δ}}^{\left(i_q\right)}\right)=\frac{1}{p^2}p{\mathrm{\σ}}^2=\frac{{\mathrm{\σ}}^2}{p}$

这样，在该举例中，当p值变得越大时，该误差的方差变得越小。这意味着越多的无错误消息在重建中被使用，重建就变得越准确。

现在将更详细地描述在模块214中实现的错误检测及校正。若M＝2k+1个正交消息被生成及传输，且若最多k个所接收消息中包含错误，则包含大错误的消息能被检测和校正。错误检测及校正能在O(M²)操作中被实现，即操作的数量具有数量级M²，这在计算上是可管理的。定义所接收消息中的信道误差为其中，为所传输Y⁽ⁱ⁾的所接收消息。定义该信道误差的范数(norm)为||e⁽ⁱ⁾||＝(e⁽ⁱ⁾)^Te⁽ⁱ⁾。定义最大量化误差为δ＝max{||Δ⁽ⁱ⁾||，i＝1，..，M}。若||e⁽ⁱ⁾||＞4δ，所接收错误被定义为过大。还定义错误校正子(syndrome)为

$\mathrm{\ϵ}(i,j)={\tilde{Y}}^{\left(i\right)}-U^{\left(i\right)}{\left(U^{\left(j\right)}\right)}^T{\tilde{Y}}^{\left(j\right)},$ ||ε(i，j)||＝ε(i，j)^Tε(i，j)

显然，从上面的定义有

ε(j，i)＝-U^(j)(U⁽ⁱ⁾)^Tε(i，j)，||ε(i，j)||＝||ε(j，i)||

可以表明，若具备指标p的所接收消息包含大错误，即若||e^(p)||＞4δ，那么，至少k+1个具备指标i的消息满足||ε(i，p)||＞2δ。这在此被称为特性1，并可以下列方式被示出。具备指标p的消息的误差由被给定。由于至多k个消息包含错误，因此至少k+1个消息不包含错误。定义如下集合，该集合包含无错接收的消息的所有指标：

$S_c=\left\{i\right|{\tilde{Y}}^{\left(i\right)}=Y^{\left(i\right)}\}$

这样，S_c的基数，即S_c中指标的数量，满足|S_c|≥k+1。假设i∈S_c，则

$\mathrm{\ϵ}(i,p)={\tilde{Y}}^{\left(i\right)}-U^{\left(i\right)}{\left(U^{\left(p\right)}\right)}^T{\tilde{Y}}^{\left(p\right)}=Y^{\left(i\right)}-U^{\left(i\right)}{\left(U^{\left(p\right)}\right)}^T(Y^{\left(p\right)}+e^{\left(p\right)})$

$=U^{\left(i\right)}x+{\mathrm{\Δ}}^{\left(i\right)}-U^{\left(i\right)}{\left(U^{\left(p\right)}\right)}^T(U^{\left(p\right)}x+{\mathrm{\Δ}}^{\left(p\right)}+e^{\left(p\right)})$

$={\mathrm{\Δ}}^{\left(i\right)}-U^{\left(i\right)}{\left(U^{\left(p\right)}\right)}^T{\mathrm{\Δ}}^{\left(p\right)}-U^{\left(i\right)}{\left(U^{\left(p\right)}\right)}^T{e}^{\left(p\right)}$

||ε(i，p)||≥||U⁽ⁱ⁾(U^(p))^Te^(p)||-||Δ⁽ⁱ⁾-U⁽ⁱ⁾(U^(p))^TΔ^(p)||≥||e^(p)||-2δ＞2δ

以上表明在S_c中任意指标i有||ε(i，p)||＞2δ的特性。由于在S_c中存在至少k+1个指标，这就证明了特性1。

再次假设M＝2k+1和假设至多k个所接收消息包含错误。若具备指标p的所接收消息不包含错误，那么至多k个具备指标i的消息满足||ε(i，p)||＞2δ。这在此被称为特性2，并可按以下方式被示出。由于该带有指标p的消息没有错误，假设i∈S_c，则

$\mathrm{\ϵ}(i,p)={\tilde{Y}}^{\left(i\right)}-U^{\left(i\right)}{\left(U^{\left(p\right)}\right)}^T{\tilde{Y}}^{\left(p\right)}=Y^{\left(i\right)}-U^{\left(i\right)}{\left(U^{\left(p\right)}\right)}^T{Y}^{\left(p\right)}$

$=U^{\left(i\right)}x+{\mathrm{\Δ}}^{\left(i\right)}-U^{\left(i\right)}{\left(U^{\left(p\right)}\right)}^T(U^{\left(p\right)}x+{\mathrm{\Δ}}^{\left(p\right)})$

$={\mathrm{\Δ}}^{\left(i\right)}-U^{\left(i\right)}{\left(U^{\left(p\right)}\right)}^T{\mathrm{\Δ}}^{\left(p\right)}$

||ε(i，p)||＝||Δ⁽ⁱ⁾-U⁽ⁱ⁾(U^(p))^TΔ^(p)||≤2δ

因此，存在至少k+1个具备指标i的消息满定||ε(i，p)||≤2δ。由于共有2k+1个消息，存在不超过k个具备指标i的消息满足||ε(i，p)||＞2δ。这就证明了特性2。

基于以上原理的错误检测在模块214中被实现如下。对于M＝2k+1个所接收消息i＝1，...，M，计算校正子||ε(i，j)||，i，j＝1，...，M。注意||ε(i，j)||＝||ε(j，i)||对称性。因此，仅共有M(M+1)/2个校正子需被计算。然后，寻找有指标p的所有消息，以使至少k+1个校正子满足||ε(i，p)||＞2δ。根据特性1，任何有大错误的消息必定是该等消息中的一个。此外，任何这样的消息必包含错误，因为根据特性2，没有错误的消息有至多k个校正子满足||ε(i，p)||＞2δ。正式地定义

S_L＝{p|存在至少k+1个具备指标i的消息，以使||ε(i，p)||＞2δ}

然后，集合S_L与S_c没有交集，即有大错误的所有消息在S_L中必有其指标，即若||e⁽ⁱ⁾||＞4δ，则i∈S_L。此外，指标不在S_L中的所有消息，或者没有错误，或者有小错误，因为若则||e⁽ⁱ⁾||≤4δ。

运用之前算法，具有大错误的所接收消息被检测出，并且其指标被收集在集合S_L中。利用以下算法，这些消息可被校正，这也在模块214中被实现。

假设P＝|S_L|，S_L中的指标的数量。对于指标p∈S_L的每一个所检测消息，所校正消息由： ${\hat{Y}}^{\left(p\right)}=\frac{1}{M-P}\underset{i\∉S_L}{\mathrm{\Σ}}{U}^{\left(p\right)}{\left(U^{\left(i\right)}\right)}^T{\tilde{Y}}^{\left(i\right)}$

来定义。上述所校正消息或许不精确地等于所传输消息Y^(p)，但是目的不是发现所传输消息，该目的而是重建原始消息。

所校正消息相对该原始消息的误差为：

${\hat{Y}}^{\left(p\right)}-U^{\left(p\right)}x=\frac{1}{M-P}(\underset{i\∉S_L}{\mathrm{\Σ}}{U}^{\left(p\right)}{\left(U^{\left(i\right)}\right)}^T{\mathrm{\Δ}}^{\left(i\right)}+\underset{i\∉S_L\∪S_c}{\mathrm{\Σ}}{U}^{\left(p\right)}{\left(U^{\left(i\right)}\right)}^T{e}^{\left(i\right)})$

$E\left({({\hat{Y}}^{\left(p\right)}-U^{\left(p\right)}x)}^T({\hat{Y}}^{\left(p\right)}-U^{\left(p\right)}x)\right)\≤\frac{1}{{(2k+1-P)}^2}({(2k+1-P)\mathrm{\σ}}^2+(k-P)16{\mathrm{\δ}}^2)$

$\≤\frac{1}{2k+1-P}{\mathrm{\σ}}^2+\frac{16(k-P)}{{(2k+1-P)}^2}{\mathrm{\δ}}^2$

通过增加k，可使上述误差任意小。

在错误检测之后，该原始消息可通过重建被近似为

$\hat{x}=\frac{1}{2k+1-P}\underset{i\∉S_L}{\mathrm{\Σ}}{\left(U^{\left(i\right)}\right)}^T{\tilde{Y}}^{\left(i\right)}$

上述所重建消息或许不等于该原始消息x，但它是该原始消息的一个很好的近似。该重建消息中的误差，相对于该原始消息x，与之前所给出的相同，即为 $E\left({(\hat{x}-x)}^T(\hat{x}-x)\right)\≤\frac{1}{2k+1-P}{\mathrm{\σ}}^2+\frac{16(k-P)}{{(2k+1-P)}^2}{\mathrm{\δ}}^2$

也可以通过增加k使其任意小。

注意，对于上述示例性重建及错误校正技术，利用所校正消息i∈S_L代替所估计消息i∈S_L，是没有准确度增益的。然而，利用其他重建技术，诸如上面所引用V.Goyal参考中所描述的，也是可能的，并且，通过利用这样的重建中的所校正消息，额外的准确度增益是可能被实现的。

如前所述，上述正交多描述编码技术是有优势的，因为通过使用正交矩阵来生成该多个描述所引入的冗余，不仅可被用于提高信号重建质量，而且可被用于检测及校正所接收信号中的错误。这避免了为FEC和CRC的专门分配额外带宽的需求，因此，保证了在无错误时无带宽浪费，同时也提供了存在错误时的适度降级。

图2系统的多种可替代实施例是可能的。例如，一个如此的实施例可仅包括模块202，204，214及216，而序列化及交织功能被去除。在该装置中，在量化装置204的输出的多个描述可通过各自分立的并行信道被传输，而不是被序列化和被交织。

对于给定实施例，仅包括错误检测能力，而不是包括如图2实施例中的错误检测及错误校正，也是可能的。与模块214一般相对应但被配置仅检测错误的模块，为更一般地在此被称为“错误保护电路”的举例。该电路也旨在覆盖模块214。

图3示出包括多媒体服务器302的通信系统300的另一个举例，该多媒体服务器实现了正交多描述编码。假定服务器302包括正交多描述编码装置，其包括如前所述的模块202，204及206。该正交多描述编码装置可通过修改其他方面传统的视频编码装置以包括模块202、204及206，来被实现。该多媒体服务器利用该编码装置，以按照如前所述的方式生成视频信号的多个描述。通过网络305，这些描述被传输至移动客户端设备，在该举例中移动客户端设备包括设备304-1、304-2、304-3及304-4。每一该设备被假定包括正交多描述解码装置，该正交多描述解码装置包括模块212、214及216。这些解码装置的每一个可通过修改其他方面传统的视频解码装置以包括模块212、214及216，来被实现。网络305可包括用于从多媒体服务器302传输视频至多个客户端设备304的组播或广播网络。

系统300也可或者选择地运用正交多描述编码以传输图片、语音、音频、数据或者其他类型的信号。

如前表明，本发明的实施例可至少部分以一个或多个软件程序的形式来被实现，所述软件程序被存储于通信系统的接收装置或发射装置的存储器或其他计算机可读介质。系统装置，诸如模块202，204，206，212，214及216，可至少部分运用软件程序来被实现。当然，根据本发明，许多可替代的硬件、软件或固件的装置的任意组合可被用于实现这些或其他系统要素。例如，本发明的实施例可在一个或多个现场可编程门阵列(FPGAs)、专用集成电路(ASICs)或其他类型的集成电路设备的任意组合中被实现。该等集成电路设备，及其部分或组合，均作为“电路”的举例，在此作为后续术语(latterterm)被运用。

应再次强调，上述实施例仅为说明的目的，不应作为以任何方式限制被解释。根据特殊多描述编码应用的需求，其他实施例可运用不同类型的通信系统组件、设备配置及通信介质。可替代实施例可因此利用在此描述的技术，在其他情况下，其中，实现高效的多描述编码是可取的。同样，应当注意的是，在描述示例性实施例的上下文中做出的特殊假设，不应被解释作为本发明的要求。本发明可在其他实施例中被实现，其中，无应用该特殊假设。在所附权利要求范围之内的这些及许多其他可替代实施例，对本领域技术人员来说是显而易见的。

Claims (8)

1.一种设备包括：

多描述编码装置，该编码装置包括：

正交多描述生成电路，被配置以通过利用多个正交矩阵中的各个正交矩阵处理给定信号来生成所述信号的多个描述；

其中，所述多个描述的每一个是根据所述信号及所述多个正交矩阵的相应一个来生成的；

其中，所述信号包括N维向量，所述多个正交矩阵包括N×N维的正交矩阵。

2.根据权利要求1所述的设备，其中，所述多个描述是通过用所述多个正交矩阵中的各个正交矩阵乘以所述信号来生成的。

3.根据权利要求1所述的设备，其中，所述信号包括N维向量x，所述正交多描述生成电路被配置以生成所述向量x的M个描述，其中，所述多个正交矩阵包括N×N维的正交矩阵U⁽ⁱ⁾,i＝1,2,...,M，其中，

(U⁽ⁱ⁾)^TU⁽ⁱ⁾＝U⁽ⁱ⁾(U⁽ⁱ⁾)^T＝I,i＝1,...,M。

4.根据权利要求3所述的设备，其中，所述向量x的M个描述包括M个描述y⁽ⁱ⁾，该M个描述y⁽ⁱ⁾是通过按下式将所述多个正交矩阵中的各个正交矩阵应用于所述向量x来生成的：

y⁽ⁱ⁾＝U⁽ⁱ⁾x,i＝1,...,M。

5.根据权利要求3所述的设备，其中，所述多个正交矩阵由：

$U^{\left(1\right)}=I-\frac{2}{{\left(v^{\left(1\right)}\right)}^T{v}^{\left(1\right)}}{v}^{\left(1\right)}{\left(v^{\left(1\right)}\right)}^T$

$U^{\left(i\right)}=U^{(i-1)}(I-\frac{2}{{\left(v^{\left(i\right)}\right)}^T{v}^{\left(i\right)}}{v}^{\left(i\right)}{\left(v^{\left(i\right)}\right)}^T),i=2,\mathrm{...}M$

给出，其中，r_i,i＝1,2,...,NM包括指定间隔内的随机数的序列，及

$v^{\left(i\right)}=\left[\begin{array}{c}{r}_{\left(i-1\right)N+1}\\ r_{\left(i-1\right)N+2}\\ \begin{array}{c}.\\ .\\ .\end{array}\\ r_{\left(i-1\right)N+N}\end{array}\right],i=1,...,M.$

6.一种多描述编码方法，包括步骤：

获取给定信号；及

通过利用多个正交矩阵中的各个正交矩阵处理所述信号，来生成所述信号的多个描述；

其中，所述多个描述的每一个是根据所述信号及所述多个正交矩阵的相应一个来生成的；

其中，所述信号包括N维向量，所述多个正交矩阵包括N×N维的正交矩阵。

7.一种设备包括：

多描述解码装置，该解码装置包括：

重建电路，被配置以接收给定信号的多个描述中的各个描述并通过将多个正交矩阵应用于所述多个描述的各个描述来生成该信号的估计；

其中，所述信号包括N维向量，所述多个正交矩阵包括N×N维的正交矩阵。

8.一种多描述解码方法，包括步骤：

接收给定信号的多个描述的估计；及

通过将多个正交矩阵应用于所述多个描述的估计中的各个估计，重建该信号的估计；

其中，所述信号包括N维向量，所述多个正交矩阵包括N×N维的正交矩阵。