CN107623560A - 基于联合信源信道编码的图像传输速率自适应分配方法 - Google Patents

Abstract

本发明属于信源信道联合编码技术领域，具体的说是涉及基于联合信源信道编码的图像传输速率自适应分配方法。本发明在总传输速率不固定的前提下，考虑从速率自适应的角度解决DP‑LDPC系统的高熵值信源传输问题，通过一定方式为每一帧信源分配适合的信源编码速率和信道编码速率，使图像的传输质量和传输效率都能达到一定的满意度。本发明的算法将速率自适应分配、目标效用函数和系统性能评价机制进行有效的结合，为解决DP‑LDPC系统高熵帧问题提供新的思路。

Description

基于联合信源信道编码的图像传输速率自适应分配方法

技术领域

本发明属于信源信道联合编码技术领域，具体的说是涉及一种针对双原模图LDPC的基于联合信源信道编码的图像传输速率自适应分配方法。

背景技术

联合信源信道编码技术(joint source channel coding,JSCC)于1977年提出，因其性能优于传统的分离编码设计技术而受到广泛关注。2010年，Fresia提出采用LDPC码作为信源编码和信道编码(double low-density parity-check codes,D-LDPC)的JSCC方案，其性能优于一般的JSCC系统。2012年，J.He提出基于原模图的D-LDPC系统(doubleprotograph low-density parity-check codes,DP-LDPC)，进一步降低了系统复杂度和错误地板。但研究发现DP-LDPC系统仍存在对信源统计特性敏感的问题，当信源熵值较大时容易产生误码平台。

因此，基于DP-LDPC的图像传输系统需要解决的关键问题是如何使系统适应熵值各异的图像信源帧，尤其是高熵信源帧(high entropy frames,HEF)，从而获得满意的传输质量。而相关的研究工作主要是从改变信源以适应系统的角度展开的。目前主要有采用不同的方式将信源分为低熵信源帧(low entropy frames,LEF)和高熵信源帧(HEF)两类，LEF通过DP-LDPC系统传输，而HEF则不经信源压缩直接进行信道编码，这种方式回避采用DP-LDPC系统传输HEF，而不经信源压缩直接进行信道编码降低了JSCC系统的传输效率。Q.Chen等人提出的“An Image Pre-processing Approach for JSCC Scheme based on DoubleProtograph LDPC Codes”方法在文献“Joint source channel coding based on P-LDPCcodes for radiography images transmission”的信源分类方法基础上增加了图像预处理操作，通过反复对HEF进行分裂和零比特填充，使所有分裂产生的子帧的熵值都降低至一定门限，然后将这些子帧与LEF一起送入DP-LDPC系统，采用与门限值匹配的信源编码速率和信道编码速率传输，在接收端再通过删零重组操作恢复图像数据，这种预处理和后处理方式会造成系统传输量和传输时延的增加，且系统在低信噪比环境的性能受制于该门限值，较低的门限值可提高低信噪比区性能，却会带来传输量和传输时延的大幅增加。文献C.Chen等人提出的“Adaptive Rate Allocation Scheme for Joint Source-ChannelCoding Based on Double Protograph LDPC Codes”方法是针对DP-LDPC系统的速率自适应分配方案，该方案设定系统总传输速率固定，对信道和信源统计特性的分析和判断方法较简单，可供分配的速率对偏少，且没有对图像传输和时变信道等具体场景的分析。

发明内容

本发明的目的是，针对上述问题，在总传输速率不固定的前提下，考虑从速率自适应的角度解决DP-LDPC系统的高熵值信源传输问题，通过一定方式为每一帧信源分配适合的信源编码速率和信道编码速率，使图像的传输质量和传输效率都能达到一定的满意度。

本发明的技术方案是：基于联合信源信道编码的图像传输速率自适应分配方法，该方法用于在总传输速率不固定的前提下，为每一帧信源分配适合的信源编码速率和信道编码速率，其特征在，包括以下步骤：

S1、建立目标函数模型为：

其中，N为图像的帧数，Rsc(i)为信源编码速率，Rcc(i)为信道编码速率，为信源编码速率集，为信道编码速率集，i表示第i帧，表示第i帧图像的传输速率，R_mean为整幅图像的平均传输速率，使R_mean最大化是该模型的优化目标，模型的约束条件用于限制传输速率以保证图像传输质量，Rsc(i)和Rcc(i)分别受当前信源帧的统计特性和当前信道的统计特性所限制，其中H(i)表示第i帧信源的熵值，SNR(i)表示当前信道的信噪比；

设定信源和信道编码速率集为：

S2、分别采用AR4JA码和R4JA码进行信源编码和信道编码，并通过和中各编码速率所对应的熵值界限和信噪比界限来实现对Rsc(i)和Rcc(i)的约束，获得最大值界限集H^th_strict和最低译码门限集合SNR_min；

表1各信源编码速率的R4JA码所对应的熵值界限

Rsc	1/4	1/3	1/2	2/3	3/4	4/5
							Hth_strict	0.1358	0.2042	0.3622	0.4022	0.4690	0.5842

表2各信道编码速率的AR4JA码所对应的译码门限

Rcc	1/4	1/3	1/2	2/3	3/4	4/5
							SNRmin(dB)	-2.5	-1.5	0.7	2.9	3.9	4.4

S3、给定当前信源帧的熵值H(i)，i＝1,….N，在最大值界限集H^th_strict中寻找满足大于H(i)的所有对应的速率元素，并将其中的最小值作为Rsc(i)；

S4、给定当前信噪比SNR(i)，i＝1,….N，在最低译码门限集合SNR_min中寻找满足小于SNR(i)的所有对应的速率元素，并将其中的最大值作为Rcc(i)。

上述方案为本发明所提出的基于全搜索的单目标效用函数模型方法。

基于联合信源信道编码的图像传输速率自适应分配方法，该方法用于在总传输速率不固定的前提下，为每一帧信源分配适合的信源编码速率和信道编码速率，其特征在，包括以下步骤：

S1、建立目标函数模型为：

其中，N为图像的帧数，Rsc(i)为信源编码速率，Rcc(i)为信道编码速率，为信源编码速率集，为信道编码速率集，i表示第i帧，E为整幅图像的平均传输速率，R(i)表示第i帧信源的传输效率，R(i)＝Rcc(i)/Rsc(i)，Q(i)表示第i帧信源的传输质量，U(i)表示根据当前信源帧的重要程度在速率分配时采取的不等保护措施；a、β和γ分别为三项优化目标的比例系数；在一些错误概率较高的情况下，例如需要低信源编码速率或高信道编码速率的场景下，可以调整a、β，通过牺牲一定的传输效率以确保图像的传输质量；而对一些重要的图像帧，则可以调整a、γ对其进行不等保护，实现资源的公平分配。模型的两个约束条件与公式(1)单目标效用函数模型的约束条件相同。

S2、采用基于模糊控制的速率分配算法：

基于模糊控制的速率分配算法框图如图1所示，它由两个双输入单输出的模糊逻辑控制器FLC1和FLC2级联组成。FLC1的输入变量为第i帧图像的熵值H(i)和重要性系数Degree(i)。图2显示了图像经DCT变换后在一个8*8区间的频率成分分布，左上部的黑色方块表示低频成分，剩余的白色方块表示高频成分。由于低频成分包含了图像最重要的信息，并且对噪声非常敏感，因此我们将Degree(i)定义为低频分量在一帧数据中所占的比例用于衡量该信源帧的重要性程度。Degree(i)越大代表重要性程度越高，需加强对该帧的不等保护，即公式(4)的_γ值越大。由于采用Z字形扫描会使DCT低频分量集中分布，造成部分帧的熵值过大，超出系统的界限，因此将DCT系数按列优先的顺序扫描。信源编码速率Rsc(i)是FLC1的输出变量，也是FLC2的输入变量，FLC2的另一个输入变量是实时信噪比SNR(i)，输出变量为信道编码速率Rcc(i)。由于Rsc(i)反映了H(i)和D(i)的双重信息，因此它在FLC2中的作用是调整Rcc(i)，实现对高H(i)或高Degree(i)信源的不等保护。

图3和图4分别为FLC1和FLC2的输入输出变量隶属度函数曲线，Rsc(i)和Rcc(i)的模糊论域都为[0.2,0.85]，包含了速率集和中的所有元素，H(i)和Degree(i)的论域由实验图像相关统计特性的最大值确定，分别设定为[0,0.6]和[0,0.8]，SNR(i)的观测范围为[-5,5]dB。各输入输出变量均采用三角形或梯形隶属度函数描述，模糊语言值设置如下：FLC1的输入变量H(i)和输出变量、FLC2的输入变量SNR(i)和输出变量Rcc(i)的模糊语言值为VS、MS、TS、TB、MB、VB，分别代表很小、中小、微小、微大、中大、很大；而当Rsc(i)作为FLC2的输入变量时，模糊语言值设置为小、中、大，分别用S，M，B表示；FLC1另一个输入变量Degree(i)的模糊语言值分为低和高两类，用模糊语言值L和H表示。各输入输出变量语言值的具体论域区间设置参见图3和图4。

FLC1的模糊逻辑规则如表3所示，在表3中规则1-6表示当输入变量Degree(i)的值较低时，当前帧的低频分量比重较小，不对其进行UEP保护，Rsc(i)的选取与表1的区间范围设置一致；规则7-12表示当前帧的Degree(i)较高，低频分量比重较大，但一些信源帧的许多低频分量值较小，经量化以后变为零，导致熵值较低，这样的信源帧也不予以保护，而仅对Degree(i)和H(i)都较高的信源帧采取UEP保护，如规则10-12所示，Rsc(i)的值比规则4-6的值偏高，通过适当提高Rsc(i)来降低信源的压缩比例从而实现对重要信源帧的保护。

FLC2的模糊逻辑规则如表4所示，在表4中规则1-6表示输入变量Rsc(i)的值较低，当前信源帧的熵值较小，不采取保护措施，Rcc(i)的选取与表2的区间范围设置一致；规则7-12和规则13-18分别表示Rsc(i)的值适中和偏高，当前信源帧的熵值H(i)或重要性程度Degree(i)也偏高，我们对这些帧在高信噪比区间施加保护措施。即规则10-12和规则16-18中Rcc(i)的值比在规则4-6中的值偏低，通过降低Rcc(i)来提高系统的抗干扰性能从而实现对高熵帧或重要信源帧的保护。

表3 FLC1的模糊逻辑规则

表4 FLC2的模糊逻辑规则

上述方案为本发明的基于模糊控制的多目标效用函数模型方法。

本发明的有益效果是：本发明所提出的基于全搜索的单目标效用函数模型方法和基于模糊控制的多目标效用函数模型方法都能解决DP-LDPC系统的高熵值信源传输问题，而后一种方法能够使系统性能在传输效率、传输质量以及资源分配的公平性方面都得到较好的平衡和兼顾，系统适应时变信道的能力也更强。

附图说明

图1是基于模糊控制的速率分配算法框图；

图2是8*8DCT块的频率成分分布；

图3是FLC1的输入输出变量隶属度函数曲线，其中(a)为FLC1的输入变量H(i),(b)为FLC1的输入变量Degree(i)，(c)为FLC1的输出变量Rsc(i)；

图4是FLC2的输入输出变量隶属度函数曲线，其中(a)为FLC2的输入变量SNR(i),(b)为FLC2的输入变量Rsc(i)，(c)为FLC2的输出变量Rcc(i)；

图5是各种算法对不同熵值信源帧传输的BER性能；

图6是各种算法在时变信道下的Lena接收图像，其中(a)为Lena原始图像，(b)为Q.Chen算法(pre1算法)的Lena接受图像，(c)为本发明基于全搜索的单目标效用函数模型算法(pro1算法)的Lena接受图像，(d)为本发明基于模糊控制的多目标效用函数模型算法(pro2算法)的Lena接受图像

具体实施方式

下面结合实例详细说明本发明的技术方案。

实施例

实施例分为以下两部分进行，第一部分验证算法对不同熵值信源帧的处理能力，第二部分验证算法在时变信道条件下对整幅图像的传输能力。为了方便算法比较，将Q.Chen算法算法命名为pre1,C.Chen算法命名为pre2,本发明基于全搜索的单目标效用函数模型算法命名为pro1，基于模糊控制的多目标效用函数模型算法命名为pro2。为适应各种速率和尺寸的校验矩阵，信源帧的大小设置为2400比特,信道为高斯信道，译码迭代次数50次。

第一部分实施例采用上述四种算法对三个不同熵值的信源帧作为传输对象，熵值分别为0.14、0.36和0.58，误比特率曲线如图5所示。由于pre1算法将p1大于0.064(即熵值大于0.3422)的帧进行分帧填零，并统一采用Rsc＝1/2、Rcc＝1/2的速率对传输，由于该阈值低于1/2码率的熵值界限，因此所有信源帧都能够被pre1正确译码，BER曲线的瀑布区位于0dB至1dB区间，但传输的信源帧数增加了一倍；pre2算法在总传输速率为1的条件下，采用Rsc＝1/2、Rcc＝1/2和Rsc＝1/4、Rcc＝1/4两组速率对传输，其中熵值为0.14和0.36的信源帧能够被正确译码，瀑布区位于-2.5dB和0.5dB附近，而熵值为0.58的信源帧超出了算法提供速率对的适应范围，无法被正确译码；pro2算法在处理非图像的单帧信源时，模糊逻辑控制器的输入参数Degree无效，因此pro1和pro2算法的性能相似，对熵值为0.14,0.36and0.58的信源帧都采用1/3,2/3and 4/5的信源编码速率，在-2.5dB之前都采用1/4的信道编码速率，它们都能够在-2.5dB之前实现对各信源帧的正确译码。

第二部分实施例选择三幅经典图像“Lena”、“Peppers”和“X-ray”作为传输目标，图像大小为512×512，由于pre2算法无法处理熵值超过0.36的信源帧，不适合图像传输，因此该部分实施例选择pre1、pro1和pro2三种算法进行图像传输。本发明选择的“Lena”、“Peppers”和“X-ray”三幅图像不经信道传输的PSNR值分别为36.5971dB、34.7600dB和40.8789dB，也是经信道传输后期望达到的最佳PSNR值。该部分实例用于分析算法在时变信道条件下的图像传输性能。为简化实验，设置每传输固定数量的图像帧，信噪比以0.1dB的步长从-2.5dB到5dB变化。表5为三种算法相关传输性能的参数比较，其中PSNR为图像传输质量评价参数，R_mean为图像平均传输速率，Frames为图像总帧数、Time为算法运行时间。图6为各算法的Lena接收图像，其他接收图像也具有与Lena相似的特征。

表5算法对在时变信道条件下的图像传输性能参数

由表5和图6可知，三种算法中pro2的传输质量最好，当信噪比在[-2.5,5]dB区间变化时，pro2基本能实现无误传输，而pre1算法在低信噪比区的传输质量较差，基本无法适应0dB以下的信道环境，在高信噪比区有偶发错误(见图6(b)标注)，pro1算法在高信噪比区间则容易出现连续的错误帧(见图6(c)标注)；三种算法中pro1的传输效率最高，pro2牺牲了一定的传输效率对重要信源帧和高熵值信源帧加以保护，因此pro2的R_mean比pro1略低，但都保持在1左右。在算法复杂度方面，pre1算法通过分帧操作使系统的传输量增加了10.3％至17.85％。

Claims (2)

1.基于联合信源信道编码的图像传输速率自适应分配方法，该方法用于在总传输速率不固定的前提下，为每一帧信源分配适合的信源编码速率和信道编码速率，其特征在，包括以下步骤：

S1、建立目标函数模型为：

其中，N为图像的帧数，Rsc(i)为信源编码速率，Rcc(i)为信道编码速率，为信源编码速率集，为信道编码速率集，i表示第i帧，表示第i帧图像的传输速率，R_mean为整幅图像的平均传输速率，使R_mean最大化是该模型的优化目标，模型的约束条件用于限制传输速率以保证图像传输质量，Rsc(i)和Rcc(i)分别受当前信源帧的统计特性和当前信道的统计特性所限制，其中H(i)表示第i帧信源的熵值，SNR(i)表示当前信道的信噪比；

设定信源和信道编码速率集为：

S2、分别采用AR4JA码和R4JA码进行信源编码和信道编码，并通过和中各编码速率所对应的熵值界限和信噪比界限来实现对Rsc(i)和Rcc(i)的约束，获得最大值界限集H^th_strict和最低译码门限集合SNR_min；

S3、给定当前信源帧的熵值H(i)，i＝1,….N，在最大值界限集H^th_strict中寻找满足大于H(i)的所有对应的速率元素，并将其中的最小值作为Rsc(i)；

S4、给定当前信噪比SNR(i)，i＝1,….N，在最低译码门限集合SNR_min中寻找满足小于SNR(i)的所有对应的速率元素，并将其中的最大值作为Rcc(i)。

2.基于联合信源信道编码的图像传输速率自适应分配方法，该方法用于在总传输速率不固定的前提下，为每一帧信源分配适合的信源编码速率和信道编码速率，其特征在，包括以下步骤：

S1、建立目标函数模型为：

其中，N为图像的帧数，Rsc(i)为信源编码速率，Rcc(i)为信道编码速率，为信源编码速率集，为信道编码速率集，i表示第i帧，E为整幅图像的平均传输速率，R(i)表示第i帧信源的传输效率，R(i)＝Rcc(i)/Rsc(i)，Q(i)表示第i帧信源的传输质量，U(i)表示根据当前信源帧的重要程度在速率分配时采取的不等保护措施；a、β和_γ分别为三项优化目标的比例系数；

S2、采用基于模糊控制的速率分配算法：

所述模糊控制由两个双输入单输出的模糊逻辑控制器FLC1和FLC2级联组成；

所述FLC1的输入变量为第i帧图像的熵值H(i)和重要性系数Degree(i)，所述Degree(i)定义为低频分量在一帧数据中所占的比例，用于衡量该信源帧的重要性程度，Degree(i)越大代表重要性程度越高，需加强对该帧的不等保护，即γ值越大；FLC1的输出变量为信源编码速率Rsc(i)；

所述FLC2的输入变量为FLC1的输出变量和实时信噪比SNR(i)，FLC2的输出变量为信道编码速率Rcc(i)；

模糊语言值设置如下：FLC1的输入变量H(i)和输出变量、FLC2的输入变量SNR(i)和输出变量Rcc(i)的模糊语言值为VS、MS、TS、TB、MB、VB，分别代表很小、中小、微小、微大、中大、很大；而当Rsc(i)作为FLC2的输入变量时，模糊语言值设置为小、中、大，分别用S，M，B表示；FLC1另一个输入变量Degree(i)的模糊语言值分为低和高两类，用模糊语言值L和H表示；

模糊逻辑规则为：

当输入变量Rsc(i)的值较低时，当前信源帧的熵值较小，不采取保护措施，Rcc(i)的选取与预设速率区间范围设置一致；当Rsc(i)的值适中和偏高时，当前信源帧的熵值H(i)或重要性程度Degree(i)也偏高，对这些帧在高信噪比区间施加保护措施，即通过降低Rcc(i)来提高系统的抗干扰性能从而实现对高熵帧或重要信源帧的保护。