CN103368586A - 面向深空探测多媒体业务的独立窗不等保护喷泉编码方法 - Google Patents

Abstract

本发明提供一种面向深空探测多媒体业务的独立窗不等保护喷泉编码方法，根据信源分组数据的不同重要级别生成编码包。本发明的编码方案，基于与或树分析技术推导其渐近性能，并利用NSGA-II进行多目标优化，获得了不等保护度分布参数值和编码选择概率的最佳参数设置。在相同增益下与EWF的渐近性能仿真对比证明，在相同的译码开销的前提下，IW-LT方案的译码错误率远低于EWF方案。能使得多媒体信源编码满足高动态深空通信环境下的不同业务需求，可通过业务传输时延的限制选择只接收基础信息及少量辅助信息，或选择接收全部的多媒体信息以获得更好的画面效果。

Description

面向深空探测多媒体业务的独立窗不等保护喷泉编码方法

技术领域

本发明涉及一种面向深空探测多媒体业务的独立窗不等保护喷泉编码方法。 

背景技术

随着各航天强国深空探测活动的频繁与深入，需要传输的数据量和业务类型日渐增加，尤其是通过深空通信下行链路回传的各类探测图像数据，是人类对未知深空进行认知的最直观、最核心信息；而载人航天任务中，语音和视频的跨机构、跨任务系统的高效传输，更是任务顺利进行以及监测航天员安全的必要保证。空间数据咨询委员会(CCSDS)建议对于图像及高分辨率视频等多媒体业务，采用离散小波变换为核心、且同时支持无损和有损压缩的算法处理信源信息(例如，好奇号的火星探测任务即采用ICER小波压缩算法)。业务需求与通信资源的有效匹配这一难题在深空多媒体数据传输时极度凸显。一方面，多媒体业务的数据量非常大，并且很多场景还需要连续传输甚至实时传输；另一方面，深空探测条件下，空间节点的“能量、计算能力、链路可用时间、缓存空间及深空信道传输能力”等通信资源极其有限。 

同时，深空时变信道的信号损耗和突发差错使得底层的信道编码无法保证数据可靠性。2011年底，面向数据分组纠删机制的长纠删码(Long Erasure Code，LEC)建议草案的提出，为解决数据分组丢包、提高传输可靠性指出了方向。LEC将带有检错机制的分组交换信道等效为删除信道，针对数据分组进行编码；接收端能利用纠删分组恢复因为物理层信道编码无法纠错而被删除的数据分组，并可进一步与相应的协议层联合设计纠删传输协议。 

发明内容

为了克服上述现有技术的不足，本发明提供一种面向深空探测多媒体业务的独立窗不等保护喷泉编码方法。 

相较于现有技术，本发明提出了IW-LT不等差错保护喷泉编码方案，基于 与或树分析技术推导其渐近性能，并利用NSGA-II进行多目标优化，获得了不等保护度分布参数值和编码选择概率的最佳参数设置。在相同增益下与EWF的渐近性能仿真对比证明，在相同的译码开销的前提下，IW-LT方案的译码错误率远低于EWF方案。IW-LT方案能使得多媒体信源编码满足高动态深空通信环境下的不同业务需求，可通过业务传输时延的限制选择只接收基础信息及少量辅助信息，或选择接收全部的多媒体信息以获得更好的画面效果。 

附图说明

图1是本发明的二维离散小波变换的IW-LT纠删编码方案示意图。 

图2是本发明的Pareto最优前沿示意图。 

图3是本发明在γ＝1.1，α＝0.25的状态下的Pareto最优前沿示意图。 

图4是本发明优化参数后的IW-LT性能仿真示意图。 

图5是本发明的EWF随着p₁变化的BER性能示意图。 

图6是本发明的IW-LT与EWF随着γ变化的BER性能示意图。 

具体实施方式

下面结合附图说明及具体实施方式对本发明进一步说明。 

请参阅图1至图6，本发明提供了一种面向深空探测多媒体业务的独立窗不等保护喷泉编码方法。本发明选择编译码复杂度较低的无码率喷泉码作为多媒体数据分组的LEC不等保护纠删编码方案：首先，喷泉译码不要求数据包连续，适应深空链路易中断的特点；其次，喷泉码能够“在线”生成编码包，能降低发送端和接收端的复杂度，能与传输协议结合进行优化设计；最重要的是，喷泉码的无码率特性能够以任意概率逼近香农极限，由此可设计相应的不等保护策略以自适应业务的需求和信道状态。 

本发明拟围绕深空多媒体数据的业务需求与有限的通信资源如何有效匹配的难题，设计能够匹配数据重要程度的不等保护喷泉码。本发明以无码率喷泉纠删码为切入点，设计一种面向深空探测多媒体业务的能够匹配业务数据特性的独立窗口LT码(Independent Window LT，IW-LT)不等保护纠删编码方案：首先在不改变信源编码的前提下，在业务数据所需的不等差错保护增益η和节点可承载的编译码开销γ确定后，研究利用与或树(And-Or Tree)理论推导IW-LT码的渐近性能，以此结合多目标进化算法优化，获得能够精确匹配η和γ的IW-LT 编码参数。本发明的IW-LT编码方法在深空信道高误码率、多媒体数据分组的可靠性需求不同的制约条件下，以低编码复杂度的无码率喷泉纠删码为切入点，针对CCSDS多媒体业务信源编码的离散小波变换，提出一种能够匹配业务特性的信源不等保护IW-LT编码方案，如图1。 

以k个数据包的二维离散小波变换为例，由小波子带划分各等级数据，定义各等级数据占全部数据的比例为α＝{α₁，α₂，α₃，…}(其中α_i表示第i个等级的数据占全部数据的比例，∑_iα_i＝1，两级小波变换取α₁＝0.25，α₂＝1-α₁＝0.75)。在本实施例中，将图1的两级小波子带的数据包分到两个独立的窗口，不失一般性，令w₁中为重要数据，w₂中为次要数据(可依据小波变换的级数进一步划分w₃，w₄…)，则w₁和w₂窗口各有αk和(1-α)k的信源分组。设w₁和w₂中的数据包分别采用度分布Ω₁(x)和Ω₂(x)进行LT编码，并设编码算法中，p₁，p₂和p₃分别表示每次编码可能生成E₁、E₂和E₃三类编码包的概率，其中p₃＝1-p₁-p₂。则IW-LT码的输出度分布Φ(x)为： 

Φ(x)＝p₁Ω₁(x)+p₂Ω₂(x)+p₃(Ω₁(x)*Ω₂(x))  (1) 

IW-LT编码算法如表1所示。 

表1：IW-LT方案 

IW-LT方案的与或树性能分析：定义IW-LT码的不等差错保护增益η＝y₂/y₁，η越大表示w₁中的I₁相对于w₂中的I₂恢复率越高(η＝1表示均等差错保护)；以及译码开销γ，表示译码端在成功接收到(1+γ)·k个码字后，对I₁和I₂的译码错误概率分别为y₁和y₂。IW-LT方案需要通过“与或树”渐近性能公式，指导相关参数(Ω₁(x)，Ω₂(x)，p₁，p₂，η，γ)进行多目标优化，以精确匹配业务数据所需的不等差错保护增益η和节点可承载的译码开销γ。 

首先，定义在与或树T_l，m中，每个“或”节点I_m有i个子节点(“与”节点E_m 和E₃)的概率为δ_i，m，每个“与”节点E_m有i个子节点(“或”节点I_m)的概率是β_i，m。令B₁和B₂分别为度分布Ω₁(x)和Ω₂(x)中的最大度值，则有IW-LT喷泉码的与或树渐近性能引理1。 

引理1：令y_l，m表示与或树T_l，m的根节点为0的概率(初始值y_0，m＝1，m＝{1，2})，等价于I₁和I₂数据包经过l次BP(Belief Propagation)迭代译码后还没有被恢复的概率为： 

$y_{l,m}={\mathrm{\δ}}_m(1-q_m{\mathrm{\β}}_m(1-y_{l-1,m})-q_{m+2}\underset{i=1}{\overset{B_1+B_2-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{i-1}{\mathrm{\Σ}}}[{\mathrm{\β}}_{j,m}{(1-y_{l-1,m})}^j{\mathrm{\β}}_{i-j,m+2}{(1-y_{l-\mathrm{1,3}-m})}^{i-j}\left]\right)---\left(2\right)$

式(2)中，δ_m(x)＝∑δ_i，mxⁱ，q_m＝p_m/(1-p_3-m)，q_m+2＝p₃/(1-p_3-m)。 

证明：考虑位于与或树T_l，m中第1层的节点(E_m或E₃)，若一个节点E_m有i个子节点I_m，则该节点E_m值为1的概率为

一个节点E₃可能有0到B_m-1个子节点I_m，有1到B_3-m个子节点I_3-m，该节点E₃的值为1的概率为： 

$\underset{i=1}{\overset{B_1+B_2-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{i-1}{\mathrm{\Σ}}}\left[{\mathrm{\β}}_{j,m}{(1-y_{l-1,m})}^j{\mathrm{\β}}_{i-j,m+2}{(1-y_{l-\mathrm{1,3}-m})}^{i-j}\right]---\left(3\right)$

对于位于第0层的根节点I_m，其子节点E_m占所有子节点的比例为q_m，子节点E₃占所有子节点的比例为q_m+2，因此与或树T_l，m的根节点的任一一个子节点值为0的概率为： 

$1-q_m{\mathrm{\β}}_m(1-y_{l-1,m})-q_{m+2}\underset{i=1}{\overset{B_1+B_2-1}{\mathrm{\Σ}}}\underset{j=0}{\overset{i-1}{\mathrm{\Σ}}}\left[{\mathrm{\β}}_{j,m}{(1-y_{l-1,m})}^j{\mathrm{\β}}_{i-j,m+2}{(1-y_{l-\mathrm{1,3}-m})}^{i-j}\right]---\left(4\right)$

证毕 

进一步分析给出上述引理1中，β_i，m，β_i，m+2，δ_m(x)关于IW-LT方案的业务数据参数α和编码参数(Ω₁(x)，Ω₂(x)，p₁，p₂，γ)的表达式。注意到δ_i，m表示在树T_l，m中随机选择的一条边连接度值为i+1的I_m节点的概率。在译码开销为γ时，译码端的编码包总数为γk，其中，I₁连接的编码包数为γk(1-p₂)，I₂连接的编码包数为γk(1-p₁)。则I₁的平均度为u₁(u₁＝Ω₁′(1))，与I₁相连的边数为n₁＝γk(1-p₂)u₁；同 样，I₂的平均度为u₂(u₂＝Ω₂′(1))，与I₂相连的边数为n₂＝γk(1-p₁)u₂。则I₁和I₂度值为d的概率分别为： 

${\mathrm{\τ}}_{d,1}=\left(\begin{array}{c}{n}_1\\ d\end{array}\right)\×{\left(\frac{1}{\mathrm{k\α}}\right)}^d\×{(1-\frac{1}{\mathrm{k\α}})}^{n_1-d},$ ${\mathrm{\τ}}_{d,2}=\left(\begin{array}{c}{n}_2\\ d\end{array}\right)\×{\left(\frac{1}{k(1-\mathrm{\α})}\right)}^d\×{(1-\left(\frac{1}{k(1-\mathrm{\α})}\right))}^{n_2-d}---\left(5\right)$

当k→∞时，τ_d，1和τ_d，2近似于泊松分布，式(5)可表示为 

$\begin{array}{c}{\mathrm{\τ}}_{d,1}=e^{-{\mathrm{\λ}}_1}\frac{{{\mathrm{\λ}}_1}^d}{d!}\\ {\mathrm{\τ}}_{d,2}=e^{-{\mathrm{\λ}}_2}\frac{{{\mathrm{\λ}}_2}^d}{d!}\end{array},---\left(6\right)$

式(6)中 ${\mathrm{\λ}}_1=\frac{\mathrm{\γ}(1-p_2)\×u_1}{\mathrm{\α}},$ ${\mathrm{\λ}}_2=\frac{\mathrm{\γ}(1-p_1)\×u_2}{1-\mathrm{\α}}.$ 因此， ${\mathrm{\δ}}_{i,m}=\frac{(i+1){\mathrm{\τ}}_{i+1,m}}{{\mathrm{\λ}}_m},$ 则有： 

$\begin{array}{c}{\mathrm{\δ}}_1\left(x\right)={\mathrm{\Σ}}_i{\mathrm{\δ}}_{i,1}{x}^i=e^{\frac{\mathrm{\γ}(1-p_2)u_1}{\mathrm{\α}}(x-1)}\\ {\mathrm{\δ}}_2\left(x\right)={\mathrm{\Σ}}_i{\mathrm{\δ}}_{i,2}{x}^i=e^{\frac{\mathrm{\γ}(1-p_1)u_2}{1-\mathrm{\α}}(x-1)}\end{array}---\left(7\right)$

另外，β_i，m表示在树T_l，m中随机选择一条边，其连接的E_m节点有i个子节点的概率，即连接度值为i+1的E_m节点概率。因此 ${\mathrm{\β}}_{i,1}=\frac{(i+1){\mathrm{\Ω}}_{1,i+1}}{{{\mathrm{\Ω}}_1}^{\′}\left(1\right)},$ ${\mathrm{\β}}_1\left(x\right)=\frac{{{\mathrm{\Ω}}_1}^{\′}\left(x\right)}{u_1};$ ${\mathrm{\β}}_{i,2}=\frac{(i+1){\mathrm{\Ω}}_{2,i+1}}{{{\mathrm{\Ω}}_2}^{\′}\left(1\right)},$ ${\mathrm{\β}}_2\left(x\right)=\frac{{{\mathrm{\Ω}}_2}^{\′}\left(x\right)}{u_2}.$ 同理，在树T_l，1中随机选择一条边，其连接的E₃节点有i个I₁子节点的概率为β_i，1，有i个I₂子节点的概率为β_i，3＝Ω_2，i；在树T_l，2中随机选择一条边，其连接的E₃节点有i个I₂子节点的概率为β_i，2，有i个I₁子节点的概率为β_i，4＝Ω_1，i。 

下面即由此设计相应的(Ω₁(x)，Ω₂(x)，p₁，p₂，η，γ)多目标进化算法，获得IW-LT码参数(Ω₁(x)，Ω₂(x)，p₁，p₂)的优化取值。 

度分布和编码选取概率的设计： 

基于IW-LT译码性能的与或树渐近分析引理1可知，参数(α，Ω₁(x)，Ω₂(x)，p₁，p₂，p₃，γ)是决定IW-LT不等保护性能的关键因素。在迭代次数l足够大时，由公式(2)可得渐近译码错误概率y₁和y₂，且y₁和y₂相互制约。因此，将不等差错保护增益η和节点可承载的译码开销γ作为限定条件，将渐近译码错误概率y₁和y₂作为目标函数，IW-LT方案的设计成为一个多目标优化问题。 

多目标进化算法：由于目标之间互相冲突，在多目标优化问题中难以获得唯一的全局最优解，而是产生具有多个最优解的集合。对于所有的目标函数而言，集合中的解存在局部最优，这种解被称为非支配解(non-dominated solutions)或Pareto最优解(Pareto optimal solutions)。 

以无约束最小化多目标问题为例，一个具有m个决策变量，n个目标变量的多目标优化问题可表述为：miny＝F(x)＝(F₁(x)，F₂(x)，…，F_n(x))，其中决策向量 目标向量

F₁(x)，F₂(x)，…，F_n(x)为目标分量。 

定义1(支配性)：对于决策变量x_u∈X和x_v∈X，如果

满足f_i(x_u)≤f_i(x_v)且

满足f_j(x_u)＜f_j(x_v)，则x_u优于x_v，也称x_u支配x_v，记作x_u＞x_v。 

定义2(Pareto最优解)：一个解x^*被称为Pareto最优解(或非支配解)，当且仅当满足下列条件：

由所有Pareto最优解构成的集合称为Pareto最优解集，与Pareto最优解相应的目标向量组成的曲面称为Pareto最优前沿(Pareto-Front)。图3中有两个目标函数{f₁，f₂}，其连线上的点即为Pareto最优解。可以看出，a点和b点所对应的目标向量都在Pareto最优前沿上，c点所对应的目标向量不在Pareto前沿上，c点被a点和b点所支配。 

进化算法对于搜索多目标优化问题的Pareto最优解集非常有效。非支配遗传算法NSGA(Non-dominated Sorting Genetic Algorithm)是最早采用Pareto机制的多目标进化算法之一。带精英策略的非支配遗传算法NSGA-II是在NSGA的基础上改进而来，在保持NSGA优点的基础上，改进了收敛速度和遍历性。 

基于NSGA-II优化的IW-LT编码参数：假设IW-LT方案的重要数据比例α和译码开销γ固定，可采用NSGA-II对两个渐近译码错误率y₁和y₂进行最小化优化，从而获得(Ω₁(x)，Ω₂(x)，p₁，p₂，p₃)的Pareto最优解。 

设定重要数据所占比例α＝0.25，译码开销γ＝1.1，编码度分布Ω₁(x)和Ω₂(x)的最大度值B₁＝B₂＝100，则在NSGA-II优化问题中有两个目标函数y₁和y₂及203个变量x＝(Ω_1，1，Ω_1，2，…，Ω_1，100，Ω_2，1，Ω_2，2，…，Ω_2，100，p₁，p₂，p₃)。通过NSGA-II最小化两个目标函数y₁和y₂，进化计算结果得到的Pareto最优前沿如图2所示。 

图3的横、纵坐标轴分别表示不同优先级的译码错误概率y₁和y₂，图中曲 线的每一个点都对应着一组IW-LT码参数。可以看出，通过多目标进化能够同时获得不同等级数据较好的译码性能(y₁＜10^-5，y₂＜10^-4)，且存在一个相对宽泛的η取值范围。随着η的减小，重要数据相对于不重要数据的保护程度逐渐降低，当η＝1时，译码错误率y₁等于y₂，约为3.7×10^-6。 

以选取不等保护增益η＝100所对应的IW-LT优化参数为例： 

Ω₁(x)＝0.0500x¹+0.4920x²+0.1125x³+0.0688x⁴+0.0574x⁵+0.0429x⁶+0.0030x⁷+0.0486x⁸+0.0182x⁹+0.0099x¹⁹+0.0140x⁷⁹+0.0071x⁸⁸+0.0074x⁹¹+0.0086x⁹²+0.0086x⁹⁵+0.0135x⁹⁶+0.0276x⁹⁸+0.0097x⁹⁹； 

Ω₂(x)＝0.0409x¹+0.4887x²+0.1278x³+0.0677x⁴+0.0593x⁵+0.0498x⁶+0.0061x⁷+0.0328x⁸+0.0185x⁹+0.0080x¹⁷+0.0105x¹⁸+0.0135x²⁶+0.0043x⁶⁶+0.0025x⁶⁸+0.0096x⁷⁶+0.0032x⁸⁰+0.0190x⁸⁵+0.0035x⁸⁹+0.0193x⁹⁶+0.0114x⁹⁷+0.0036x⁹⁹； 

p₁＝0.2173、p₂＝0.6911、p₃＝0.0916。 

此时，选取以上参数的IW-LT码，发送端输出的编码包中各分部所占比例为：E₁：21.73％的编码包以度分布Ω₁(x)对重要数据I₁编码生成；E₂：69.11％的编码包以度分布Ω₂(x)对次要数据I₂编码生成；E₃：9.16％的编码包由E₁，E₂异或。 

虽然多目标进化算法相对复杂，但获得的优化参数集可以被储存起来，根据数据传输需求，通过离线的模式选取适合的参数设计相应的IW-LT方案。 

IW-LT方案的性能评估：设定重要数据所占比例α＝0.25和译码开销γ＝1.1，从上述最优解集中，选择满足不等差错保护增益η＝100和η＝1000的两组参数设置，IW-LT方案的渐近性能如图5所示。显然，在译码开销γ＝1.1时得到了期望的增益η且重要数据和不重要数据的译码错误率y₁和y₂同时最小。图4中进一步给出了均等保护下(即η＝1)的译码错误率。 

选取已有的无码率不等保护编码方案——扩展窗喷泉码(EWF Codes)与IW-LT码进行性能对比。EWF方案选用固定的传统度分布进行编码：对重要数据选用鲁棒孤波度分布(Robust Soliton Distribution，RSD)Ω⁽¹⁾(x)＝Ω(k，δ，c)(k＝100，δ＝0.05，c＝0.03)；对次要数据采用文献“A.Shokrollahi，Raptor codes，IEEE Trans.Inf.Theory，vol.52，no.6，pp.2551-2567，Jun.2006.”中设计的离散弱鲁棒孤波度分布(WRSD，Week Robust Soliton Distribution)Ω⁽²⁾(x)＝0.007969x+0.493570x²+0.166220x³+0.072646x⁴+0.082558x⁵+0.056058x⁸+0.037229x⁹+0.055 590x¹⁹+0.025023x⁶⁴+0.003135x⁶⁶。 

在重要数据所占比例α＝0.25，译码开销γ＝1.1时，EWF方案的译码错误概率(BER)随选择重要数据进行编码的概率p₁变化的仿真曲线如图5所示。图5中，当p₁＝0时为均等保护，y₂＝y₁＝2.259×10^-3；当p₁＝0.174时，y₁取得局部最小值2.689×10^-5，此时的y₂＞10^-2，不等保护增益为590。 

为了与图5中的EWF方案进行对比，选择满足η＝y₂/y₁＝100处的p₁值(p₁＝0.1257)和η＝590处的p₁值(p₁＝0.174，y₁局部最小)进行译码错误概率BER关于译码开销γ的仿真。如图6所示。图6中IW-LT方案与EWF方案在相同的增益η下进行对比，在译码开销γ＝1.1时，不管是重要数据的译码错误率y₁还是不重要数据的译码错误率y₂，前者要远远好于后者，其译码错误率比后者降低约3个数量级。 

仿真实验说明：通过NSGA-II进行参数优化，能够获得期望的不等差错保护增益η且使重要数据和次重要数据的译码错误率y₁和y₂明显降低，注意到IW-LT方案的译码瀑布区是在即将达到设定的译码开销γ之前。 

本发明提出了IW-LT不等差错保护喷泉编码方案，基于与或树分析技术推导其渐近性能，并利用NSGA-II进行多目标优化，获得了不等保护度分布参数值和编码选择概率的最佳参数设置。在相同增益下与EWF的渐近性能仿真对比证明，在相同的译码开销的前提下，IW-LT方案的译码错误率远低于EWF方案。IW-LT方案能使得多媒体信源编码满足高动态深空通信环境下的不同业务需求，可通过业务传输时延的限制选择只接收基础信息及少量辅助信息，或选择接收全部的多媒体信息以获得更好的画面效果。 

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。 

Claims (6)

1.一种面向深空探测多媒体业务的独立窗不等保护喷泉编码方法，根据信源分组数据的不同重要级别划分到相互独立的编码窗口，生成具有不等纠删保护能力的编码包，其特征在于： 

定义各重要等级信源分组数据占全部数据的比例为α＝{α₁，α₂，α₃，…，α_n}，其中α_i表示第i个等级的数据占全部数据的比例，

然后依次划分到相互独立的编码窗口{w₁，w₂，w₃，…，w_n}中，每个编码窗口均有对应的编码输出比例p_i和度分布Ω_i(x)，且

包括以下步骤， 

步骤一、产生(0，1)随机数p，若p≤p₁，进入步骤二；若p_i-1＜p≤p_i，其中1＜i≤n，进入步骤三；若p＞p_n，进入步骤四； 

步骤二、根据Ω₁(x)生成一个度值d，并从w₁中随机选取d个数据包，进入步骤五； 

步骤三、根据Ω_i(x)生成一个度值d，并从w_i中随机选取d个数据包，进入步骤五； 

步骤四、分别根据n个编码窗口的度分布Ω_i(x)生成n个度值d₁，d₂，d₃，…，d_n，依次从w_i中随机选取d_i个数据包，进入步骤五； 

步骤五、对选取的数据包进行异或，生成一个编码包，返回步骤一； 

其中，步骤二和步骤三中，p_i分别表示针对每个编码窗口独立编码生成E_i的n类编码包的概率；步骤四中，

表示从n个编码窗口中按照其对应的度分布Ω_i(x)分别抽取d_i个数据包生成E_n+1类编码包的概率。 

2.根据权利要求1所述面向深空探测多媒体业务的独立窗不等保护喷泉编码方法，其特征在于：以二级离散小波变换划分两个重要等级的信源数据，并将其按重要级别分配到编码窗口w₁和w₂，所述w₁中为重要数据，w₂中为次要数据；所述Ω₁(x)为w₁中的数据包进行LT编码采用的度分布，所述Ω₂(x)为w₂中的数据包进行LT编码采用的度分布；p₁，p₂和p₃分别表示每次编码生成E₁、E₂和E₃三类编码包的概率，其中p₃＝1-p₁-p₂。则所述两个重要等级的面向深空探测多媒体业务的独立窗不等保护喷泉编码方法的输出度分布Φ(x)为： 

Φ(x)＝p₁Ω₁(x)+p₂Ω₂(x)+p₃(Ω₁(x)*Ω₂(x))。 

3.根据权利要求2所述面向深空探测多媒体业务的独立窗不等保护喷泉编码方法，其特征在于：所述译码开销γ＝1.1，编码度分布Ω₁(x)和Ω₂(x)的最大度值B₁＝B₂＝100。 

4.根据权利要求2所述面向深空探测多媒体业务的独立窗不等保护喷泉编码方法，其特征在于：定义在“与或树”T_l，m中，每个“或”节点I_m有i个子节点，即“与”节点E_m和E₃的概率为δ_i，m，每个“与”节点E_m有i个子节点，即“或”节点I_m的概率是β_i，m。令B₁和B₂分别为度分布Ω₁(x)和Ω₂(x)中的最大度值， 

令y_l，m表示与或树T_l，m的根节点为0的概率，初始值y_0，m＝1，m＝{1，2}，等价于I₁和I₂数据包经过l次BP迭代译码后还没有被恢复的概率为： 

式中，δ_m(x)＝∑δ_i，mxⁱ，

q_m＝p_m/(1-p_3-m)，q_m+2＝p₃/(1-p_3-m)。 

5.根据权利要求4所述面向深空探测多媒体业务的独立窗不等保护喷泉编码方法，其特征在于：所述β_i，m，β_i，m+2，δ_m(x)的表达式可进一步表示为， 

则有： 

β_i，m表示在树T_l，m中随机选择一条边，其连接的E_m节点有i个子节点的概率，因此 

β_i，3＝Ω_2，i；β_i，4＝Ω_1，i。 

6.根据权利要求1至5中任一项所述面向深空探测多媒体业务的独立窗不等保护喷泉编码方法，其特征在于：设所述重要数据比例α和译码开销γ固定，采用NSGA-II对各重要等级数据喷泉编码包的渐近译码错误率进行最小化优化，从而获得各编码窗口均有对应的编码输出比例p_i和度分布Ω_i(x)的Pareto最优解。 

Images