CN107994971B - 面向有限缓冲区中继链路的编码传输方法及编码通信系统 - Google Patents

Abstract

本发明公开了一种面向有限缓冲区中继链路的编码传输方法及编码通信系统，方法包括：在源节点对原数据分组划分子集，利用随机数生成器确定子集的原数据分组，对每个子集的原数据分组进行b次编码传输至中继节点，b为正整数，代表子集传输大小；在中继节点处对缓存的属于同一子集的编码分组重新编码并传输至目的节点；在目的节点利用同一个随机数生成器，确定每个子集的各个原数据分组的索引值，并利用子集重叠感知解码器恢复出所有原数据分组。本发明中继节点的缓存空间可以是有限的，缓存空间的大小的要求可以降低到子集传输大小；编码传输开销更小；译码复杂度小。

Description

面向有限缓冲区中继链路的编码传输方法及编码通信系统

技术领域

本发明涉及网络通信领域，尤其涉及一种面向有限缓冲区中继链路的编码传输方法及编码通信系统。

背景技术

中继协作传输在许多无线通信场景都有所应用。中继可用于拓展无线通信的覆盖范围，在诸如卫星通信、超密集蜂窝网络等系统中扮演着重要的角色。在传输过程中，由于信道不理想，部分数据分组可能丢失，影响通信质量。如果在中继节点处利用其收到的分组再进行编码，特别是利用随机线性网络编码(RLNC)可以减少传输时间，同时不需要评估节点间链路质量和大量的反馈。然而，在实际场景中，中继节点的缓存空间是有限的，使得RLNC性能受损，且由于RLNC需要传输较大比重的编码系数，可能严重影响通信性能。与此同时，在中继节点进行RLNC编码对于中继的计算和发射功率要求较高。

为了提高通信质量，可在有限缓存的中继节点处，利用稀疏特性使每个编码分组由原数据分组的一小部分线性组合，使得每个编码分组携带的编码矢量的数量也很小，减少了编码系数传输开销。对于不同的稀疏编码方案，已经有了大量的研究。与RLNC相比，尽管喷泉码是稀疏的，而且解码效率更高，但需要对中间节点进行完全解码，然后进行重新编码。因此，喷泉码具有较高的内存要求和较长的延迟。另一种思路是将原数据分组进行子集划分，并允许子集与子集之间有部分重叠。在传输过程中，随机选择一个子集，并传输属于这个子集的编码分组，在中继节点处缓存属于不同的子集的编码分组，中继节点再次编码，然而这种方案需要缓存不同子集的编码分组，需要缓存空间足够大。BATS码是另外一种稀疏编码方案。它也是把原数据分组分块，只是把原数据分组分成不同的顺序子集，每个子集中的数据分组的数量根据度分布选择。然后使用RLNC对每个子集中的数据分组编码，产生固定数量的编码分组。该数量值称为子集的尺寸，中继节点再次对缓存的数据分组编码，直到发出相同尺寸的子集。此时中继节点把子集从缓存区移除，对下一个子集进行再次编码。此方案有效解决了缓存区有限的弊端，但是度分布的设计是十分困难的，它依赖端到端转移矩阵秩的分布，秩的分布随着传输的进程中可能变化，度的分布也要随时更新。

因此，在中继节点缓存空间是有限时，如何充分利用子集式编码的稀疏性减少译码复杂度和译码延迟及开销是当务之急。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种面向有限缓冲区中继链路的编码传输方法及编码通信系统。

本发明解决其技术问题所采用的技术方案是：构造一种面向有限缓冲区中继链路的编码传输方法，包括：

在源节点对原数据分组划分子集，利用随机数生成器确定子集的原数据分组，对每个子集的原数据分组进行b次编码传输至中继节点，b为正整数，代表子集传输大小；

在中继节点处对缓存的属于同一子集的编码分组重新编码并传输至目的节点；

在目的节点利用同一个随机数生成器，确定每个子集的各个原数据分组的索引值，并利用子集重叠感知解码器恢复出所有原数据分组。

在本发明所述的面向有限缓冲区中继链路的编码传输方法中，所述的在源节点对原数据分组划分子集，利用随机数生成器确定子集的原数据分组具体包括：在源节点利用随机数生成器随机生成多组随机数，每一组随机数由d个数字组成，针对每一组随机数，从所有的M个原数据分组中划分索引号与该一组随机数相同的d个原数据分组作为一个子集，M、d均为正整数，且d＜M。

在本发明所述的面向有限缓冲区中继链路的编码传输方法中，所述的对每个子集的原数据分组进行b次编码传输至中继节点具体包括：选择一个子集进行b次传输，每个子集的b次传输完毕后选择新的子集将取代前一个子集进行传输直至所有的子集传输完毕，其中，每次传输由子集的所有分组随机线性组合的一个编码分组，b为正整数，代表子集传输大小。

在本发明所述的面向有限缓冲区中继链路的编码传输方法中，所述的在中继节点处对缓存的属于同一子集的编码分组重新编码并传输至目的节点包括：在中继节点处对子集进行缓存以及编码传输，并在检测到的新的子集时将缓存区缓存的前一个子集的编码分组移除，并将检测到的新的子集取代前一个子集进行缓存以及编码传输；

其中，所述的缓存以及编码传输具体包括：缓存接收到的同一个子集的编码分组，对连续b次缓存的同一个子集的编码分组进行随机线性网络编码并发送至目的节点，其中，b为正整数，代表子集传输大小。

在本发明所述的面向有限缓冲区中继链路的编码传输方法中，所述的利用子集重叠感知解码器恢复出所有原数据分组具体包括：

先将收到的每个子集的编码系数矢量GEV进行其所属子集内的行操作使其对角化，形成一个局部的稀疏译码矩阵LDM；

在收到所需要的编码分组的数量后，根据每个编码分组所属子集的索引号，把处理后的稀疏译码矩阵LDM映射到全局译码矩阵GDM中；

然后对全局译码矩阵GDM分别进行两次主元选取，第一次主元选取把全局译码矩阵GDM重新排列组合，形成右边较密集、左边是稀疏下三角阵的形式；第二次主元选取针对全局译码矩阵GDM中的右下子阵进行，使矩阵进一步稀疏化；

最后把全局译码矩阵GDM变化成单位矩阵，完成译码。

在本发明所述的面向有限缓冲区中继链路的编码传输方法中，所述方法还包括：在源节点对原数据分组划分子集之前进行如下预编码：对所有的M个原始数据分组随机地线性组合产生C个奇偶校验分组，由M个原始数据分组和C个奇偶校验分组组成中间分组，将该中间分组替代该M个原始数据分组进行后续的处理，其中，M、C均为正整数。

在本发明所述的面向有限缓冲区中继链路的编码传输方法中，所述方法还包括：根据吸收马尔科夫链模型确定子集传输大小。

本发明还公开了一种编码通信系统，其特征在于，包括：

源节点，用于对所有原数据分组划分子集，利用随机数生成器确定子集的原数据分组，对每个子集的原数据分组进行编码传输至中继节点；

中继节点，用于对缓存的属于同一子集的编码分组重新编码并传输至目的节点；

目的节点，用于利用同一个随机数生成器，确定每个子集的各个原数据分组的索引值，并利用子集重叠感知解码器恢复出所有原数据分组。

实施本发明的面向有限缓冲区中继链路的编码传输方法及编码通信系统，具有以下有益效果：本发明中继节点的缓存空间可以是有限的，缓存空间的大小的要求可以降低到子集传输大小；编码传输开销更小；译码复杂度小。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图：

图1是本发明的编码通信系统的示意图；

图2是本发明中目的节点的译码工作示意图；

图3是一个具体实施实例中在有限缓存的中继链路上的性能示意图；

图4是本发明的一个具体实施实例与RLNC在有限缓存的中继链路上的性能对比示意图；

图5是本发明的一个具体实施实例与RLNC在不同原数据分组数量上的性能比较以及不同BTS的性能对比示意图。

具体实施方式

为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的典型实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。

本发明总的思路是：在源节点对原数据分组划分子集，利用随机数生成器确定子集的原数据分组，对每个子集的原数据分组进行b次编码传输至中继节点，b为正整数，代表子集传输大小；在中继节点处对缓存的属于同一子集的编码分组重新编码并传输至目的节点；在目的节点利用同一个随机数生成器，确定每个子集的各个原数据分组的索引值，并利用子集重叠感知解码器恢复出所有原数据分组。

为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明，应当理解本发明实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本发明实施例以及实施例中的技术特征可以相互组合。

参考图1，本发明的编码通信系统包括源节点R、中继节点S、目的节点D。源节点和中继节点之间具有一条链路，中继节点和目的节点具有一条链路，两条链路的丢包率分别为δ和ε。假设源节点处需发送的原数据分组大小为M，中继节点的有限缓存的大小为m，每个编码分组的系数矢量是非零元素的数量为d,且m<<M,d<<M。以下将本发明的编码方式为子集编码(Batch code)。

本发明的传输方法具体为：

1)、首先，在源节点从M个原数据分组划分多个子集，每个子集包括d个不同的分组，则d代表子集的度。选择一个子集进行b次传输，每次传输由子集的所有分组随机线性组合的一个编码分组，每个子集的b次传输完毕后选择新的子集将取代前一个子集进行传输直至所有的子集传输完毕。

由于子集编码系数矢量(BEV)要扩展到全局的编码矢量(EV),需要子集中每个分组的索引值，为了减少原数据分组的索引值传输的开销，本发明在源节点利用一个随机数生成器(PRNC)确定每个子集所包含的分组。在目的节点利用同一随机数生成器，可以确定该子集所包含的分组的索引值。因此，本发明在源节点划分多个子集的具体过程为：利用随机数生成器随机生成多组随机数，每一组随机数由d个数字组成，针对每一组随机数，从所有的M个原数据分组中划分索引号与该一组随机数相同的d个原数据分组作为一个子集。所以本发明额外的开销仅仅是编码系数矢量和子集的序列号(目的节点的同一随机数生成器可以根据子集的序列号生成相同的多组随机数)。子集序列号的开销比d个编码矢量的开销小很多，可以忽略。

因为稀疏性，使得开销和计算复杂度明显降低，但因为稀疏性所带来的“赠券收集问题”，解码时通常要收到较多的编码数据分组才能确保每个子集中的编码数据分组线性无关，因此带来了额外的译码开销，延迟译码时间，因此本发明还可以采用预编码技术一解决译码开销问题。具体的，在源节点对所有原数据分组划分子集之前进行如下预编码：对所有的M个原始数据分组随机地线性组合产生C个奇偶校验分组(预编码系数从有限域F₂中随机选择)，由M个原始数据分组和C个奇偶校验分组组成中间分组，将该中间分组替代原来的M个原始数据分组进行后续的处理。由于在中间分组之间引入的线性依赖性可以显着地改善稀疏代码性能。

2)然后，在中继节点处对子集进行缓存以及编码传输，并在检测到的新的子集时将缓存区缓存的前一个子集的编码分组移除，并将检测到的新的子集取代前一个子集进行缓存以及编码传输。

其中，所述的缓存以及编码传输具体包括：缓存接收到的同一个子集的编码分组，对连续b次缓存的同一个子集的编码分组进行随机线性网络编码并发送至目的节点。

其中，如果中继节点至少收到一个属于某个子集的编码分组，称这个子集被检测到。

可见，本发明为了解决缓存溢出问题，对于被检测到的子集，中继节点会先将缓存区中缓存的前一个子集的编码分组移除，即清空缓存，然后才对新检测到的子集进行缓存以及编码传输。所以解决有限缓存问题的关键是：中继节点在一段时间内仅仅缓存一个子集的编码分组。由于中继节点重新编码是对同一个子集的编码分组，所以每个编码分组的全局编码系数矢量依然是稀疏的。

3)目的节点处的译码器需要从属于不同子集的编码分组中恢复出M原数据分组。高斯消元法可以译出所有的原数据分组，但由于每个EV是稀疏的，为了充分利用稀疏性，减少译码复杂度，采用了子集重叠感知(Overlap-Aware)解码器解码，简称OA解码器。OA解码器只要收到M个线性无关的EV时，就能够成功解码。OA解码器是一种基于局部处理及两次主元选取的低复杂度网络纠删码解码器。

OA解码器的解码(译码)过程为：在预处理阶段，将收到的每个子集的编码系数矢量GEV进行其所属子集内的行操作使其对角化，形成一个局部的稀疏译码矩阵LDM；在收到所需要的编码分组的数量后，根据每个编码分组所属子集的索引号，把处理后的稀疏译码矩阵LDM映射到全局译码矩阵GDM中；然后对全局译码矩阵GDM分别进行两次主元选取，第一次主元选取把全局译码矩阵GDM重新排列组合，形成右边较密集、左边是稀疏下三角阵的形式；第二次主元选取针对全局译码矩阵GDM中的右下子阵进行，使矩阵进一步稀疏化；最后把全局译码矩阵GDM变化成单位矩阵，完成译码。图2给出了子集编码的译码过程。

需要说明的是，对于采用预编码技术改进的方案，OA解码器同样适用，只是EV的长度变成M+C，把C个奇偶校验方程约束看作一个特殊的子集，所以全局译码矩阵GDM变成大小为(M+C)x(M+C)的矩阵。

进一步优选的，为了分析本发明的性能，提出了一种吸收马尔科夫链模型。该模型可以准确确定关于BTS函数的完成时间的数学期望。当链路的丢包率已知时，通过求解无约束数值优化问题可以获得最小完成时间期望的最优BTS。当丢包率改变或很难估计时，一个启发式的BTS同样可以获得较高的速率和较低的译码代价。

在指定约束参数M、C、m、d和每条链路丢包率的条件下，本发明的性能完成时间期望取决于BTS b的选择。定义最优的BTS b为

因为当b＝1时，中继节点仅存储和转发编码分组而不进行重新编码，从而编码带来的优势则不能获得。在给定的M、C和d时，设成功译码需要收到的子集的数量为

根据吸收马尔科夫链的状态转移概率，可以得到成功译码需要接收的子集数量随着BTS的增加是非增的。设b^*表示在

个子集被接收的最小的BTS。所以最优的BTS取值范围是[2,b^*]。因为在b>b^*时，在至少

个子集需要被发送，完成时间比使用b^*更长。所以本方案的优化问题可以通过在[2,b^*]中评估所有的b值得以解决。具体求解最优值b的算法如下：

步骤1：给定M、C和d的值，根据吸收马尔科夫链模型计算

的值；

步骤2：初始化最小完成时间期望T_min，

和b，T_min为无穷大，

b＝2；

步骤3：根据吸收马尔科夫链模型计算n_bat的值，再计算出完成时间期望的值b*n_bat，并与T_min比较，如果b*n_bat<T_min,则把T_min变成b*n_bat的值，

的值变成b，否则转到步骤4；

步骤4：判断n_bat与

的值是否相同。如果相同，则此时的b等于

结束循环；如果不同，则转到步骤5；

步骤5：对b的值加1，然后转到步骤3以再次寻找T_min和

由于上述计算需要计算b^*-1次n_bat的值。当原数据分组的数量足够大时，对于每次n_bat值的计算复杂度是不可忽略的。对系统造成了额外的压力。而且该算法仅仅对链路的丢包率已知的条件下适用。而链路质量的估计在实际场景中很难实现，一个与链路质量无关的次优的BTS更适合。次优的BTS可能导致完成时间的延迟，但通过分析和大量的模拟可知，如果选择的BTS较小时，性能损失不大。然而太小的BTS可能导致译码复杂度高。所以本发明提供一个BTS启发式的选择。该方案的完成时间接近使用最优

的完成时间，且比使用非常小的BTS的译码代价小。启发式对应于假定当产生

子集时所有发送的分组都是线性无关的，即

尽管启发式的BTS是次优的，但当链路的丢包率未知时或原数据分组的数量比较大时，可以简化系统设计。

本发明还可以进一步扩展，在此基础上采用系统编码方式，即对原数据分组先无编码传输，然后在采用本发明的上述编码传输方法。由于链路质量问题，目的节点收到了部分原数据分组，所以译码器只要恢复余下的原数据分组就完成译码。所以这种结合的方式，可以减少译码完成时间和译码复杂度。另外以上实施例考虑的是对称传输方式，即S-R和R-D链路在同一时隙(每个时隙发送一次数据)中同时传输一个数据分组。本发明也可以通过改变缓存和重新编码策略扩展到非对称传输方式，即每条链路传输不同数量的分组。

下面分析和模拟一个实例进一步说明本发明的性能。我们使用M个原数据分组，每个原数据分组包含K＝1024个单字节源符号。在源节点和中继节点处编码，其中编码系数均随机从有限域F₂₅₆选取。对于译码复杂度,我们采用每个符号的平均操作数(N_ops/(MK))表示，其中N_ops表示在译码过程中线性系统方程两边的总操作数。为了使模拟实例性能的准确性，每个性能的结果都是基于10000次试验的平均结果。

在图3中左上图中给出了无预编码和有预编码的译码失败概率的对比。在相同的BTS时，给定接收到子集数量的预编码方案的译码失败概率比无预编码方案的要小，所以预编码方案有更小的完成时间。图3中右上图显示了随着BTS的增加，需要子集的数量减少，在b^*＝12时，最小的子集需要数量获得后，曲线变得平稳。图3中左下图显示从b＝1完成时间随着BTS增加而减低，直到在

时达到最小，在

时，完成时间很接近，在时，则完成时间快速增加。表明使用较小的BTS可以获得较小的完成时间。图3中右下图显示了子集编码的译码代价。随时BTS的增加，译码代价降低。

图4给出在有限相同缓存大小约束下，子集编码方案与RLNC方案的比较。由于RLNC的编码不是稀疏的，所以图4中上图显示出了RLNC更短的译码时间，同时随着缓存大小的增加，完成时间进一步降低。在b＝5，δ＝ε＝0.2条件下，当缓存大小m>4时，子集的编码方案的完成时间没有随着缓存大小的增加而减少。所以缓存空间大于b*(1-δ)时，并没有帮助。图4中左下图显示不同方案的端到端的速率。尽管RLNC的完成时间较短，但其速率较低，因为RLNC是高密度编码，它的额外开销较大。而子集编码方案的开销仅仅是子集的序列号和编码系数。由于子集编码方案是稀疏的编码方式，所以具有较低的译码代价。图4中右下图显示了译码复杂度的比较。所以子集编码方式在端到端的有效速率和译码复杂度方面具有很大的优势。

图5给出关于原数据分组的不同数量M，随机线性网络编码(RLNC)和子集编码(batch coding)的性能分析。在m＝5，δ＝ε＝0.2，C＝29，d＝16时，子集编码方式在译码复杂度和端到端的速率明显优于RLNC。同时给出了最优的BTS的性能与启发式的BTS的性能比较，两者性能十分接近。

综上，本发明具有以下优点：

1)本发明中继节点的缓存空间可以是有限的。因为在中继节点处的再次编码，只是对缓存内属于同一子集的分组进行随机线性网络编码。当对下一个子集进行编码时，中继缓存中的上一个子集编码分组则被清空，来缓存当前子集的编码分组，所以中继缓存的大小可以降低至等于子集传输大小(BTS)。

2)本发明的编码传输开销很小。子集编码方案使得每个编码分组由原数据分组的很小一部分线性组合。所以每个编码分组携带的编码系数数量的数量很小。再利用随机数生成器，对子集的内容随机产生，目的节点根据子集序列号，可知道子集中各个分组的索引值。所以传输开销变得更小。

3)本发明的译码复杂度小。由于本发明采用OA解码器解码，OA解码器解码比直接高斯消元法的解码的优势在于：OA解码器先对子集预处理，使矩阵稀疏化，再对全局译码矩阵进行两次主元选取，进一步使矩阵稀疏化。充分挖掘矩阵的稀疏特性，使得译码复杂度降低。

4)本发明的性能指标的准确性高。本发明的性能分析采用吸收马尔科夫链模型，利用吸收马尔科夫链的属性可以准确得出一些关键的性能指标。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (8)

1.一种面向有限缓冲区中继链路的编码传输方法，其特征在于，包括：

在源节点对原数据分组划分子集，利用随机数生成器确定子集的原数据分组，对每个子集的原数据分组向中继节点进行b次编码传输，b为正整数，代表子集传输大小；

在中继节点处对缓存的属于同一子集的编码分组重新编码并传输至目的节点；

在目的节点利用同一个随机数生成器，确定每个子集的各个原数据分组的索引值，并利用子集重叠感知解码器恢复出所有原数据分组。

2.根据权利要求1所述的面向有限缓冲区中继链路的编码传输方法，其特征在于，所述的在源节点对原数据分组划分子集，利用随机数生成器确定子集的原数据分组具体包括：在源节点利用随机数生成器随机生成多组随机数，每一组随机数由d个数字组成，针对每一组随机数，从所有的M个原数据分组中划分索引号与该一组随机数相同的d个原数据分组作为一个子集，M、d均为正整数，且d＜M。

3.根据权利要求1所述的面向有限缓冲区中继链路的编码传输方法，其特征在于，所述的对每个子集的原数据分组向中继节点进行b次编码传输具体包括：选择一个子集进行b次传输，每个子集的b次传输完毕后选择新的子集将取代前一个子集进行传输直至所有的子集传输完毕，其中，每次传输由子集的所有分组随机线性组合的一个编码分组。

4.根据权利要求1所述的面向有限缓冲区中继链路的编码传输方法，其特征在于，所述的在中继节点处对缓存的属于同一子集的编码分组重新编码并传输至目的节点包括：在中继节点处对子集进行缓存以及编码传输，并在检测到的新的子集时将缓冲区缓存的前一个子集的编码分组移除，并将检测到的新的子集取代前一个子集进行缓存以及编码传输；

其中，所述的缓存以及编码传输具体包括：缓存接收到的同一个子集的编码分组，对连续b次缓存的同一个子集的编码分组进行随机线性网络编码并发送至目的节点，其中，b为正整数，代表子集传输大小。

5.根据权利要求1所述的面向有限缓冲区中继链路的编码传输方法，其特征在于，所述的利用子集重叠感知解码器恢复出所有原数据分组具体包括：

先将收到的每个子集的编码系数矢量GEV进行其所属子集内的行操作使其对角化，形成一个局部的稀疏译码矩阵LDM；

在收到所需要的编码分组的数量后，根据每个编码分组所属子集的索引号，把处理后的稀疏译码矩阵LDM映射到全局译码矩阵GDM中；

然后对全局译码矩阵GDM分别进行两次主元选取，第一次主元选取把全局译码矩阵GDM重新排列组合，形成右边较密集、左边是稀疏下三角阵的形式；第二次主元选取针对全局译码矩阵GDM中的右下子阵进行，使矩阵进一步稀疏化；

最后把全局译码矩阵GDM变化成单位矩阵，完成译码。

6.根据权利要求1所述的面向有限缓冲区中继链路的编码传输方法，其特征在于，所述方法还包括：在源节点对原数据分组划分子集之前进行如下预编码：对所有的M个原始数据分组随机地线性组合产生C个奇偶校验分组，由M个原始数据分组和C个奇偶校验分组组成中间分组，将该中间分组替代该M个原始数据分组进行后续的处理，其中，M、C均为正整数。

7.根据权利要求1所述的面向有限缓冲区中继链路的编码传输方法，其特征在于，所述方法还包括：根据吸收马尔科夫链模型确定子集传输大小。

8.一种编码通信系统，其特征在于，包括：

源节点，用于对所有原数据分组划分子集，利用随机数生成器确定子集的原数据分组，对每个子集的原数据分组进行编码传输至中继节点；

中继节点，用于对缓存的属于同一子集的编码分组重新编码并传输至目的节点；

目的节点，用于利用同一个随机数生成器，确定每个子集的各个原数据分组的索引值，并利用子集重叠感知解码器恢复出所有原数据分组。

Images