CN114285524A - Llr矢量量化的计算方法、装置与通信系统 - Google Patents

Abstract

本申请提供了一种LLR矢量量化的计算方法、装置与通信系统。该方法包括获取LLR值，LLR值为接收的码字的比特信息进行星座映射得到的；将LLR值按照星座映射的调制方式进行分类，得到多个星座符号，星座符号为一组LLR值组成的矢量，不同的调制方式得到的星座符号对应LLR值的个数不同；将星座符号对应的LLR值的正负进行分类，得到多个子集，子集中任意两个星座符号的对应的两个LLR值的乘积大于或者等于0；对各子集的星座符号进行矢量量化计算，得到多个量化后矢量。该方法无需计算每个星座符号之间的均计算最小欧式距离或最大互信息，解决了现有技术中LLR矢量量化的计算量较大的问题。

Description

LLR矢量量化的计算方法、装置与通信系统

技术领域

本申请涉及通信技术领域，具体而言，涉及一种LLR矢量量化的计算方法、装置、计算机可读存储介质、处理器与通信系统。

背景技术

第五代(5G)移动通信技术被称为新型无线空口，主要满足三大应用场景的通信需求，即增强型移动宽带(eMBB)、超可靠低时延通信(uRLLC)以及海量机器通信(mMTC)。信道编译码是物理层的最基本的技术，将对5G系统的各项性能指标起着直接和间接的作用，尤其对5G系统可靠性提出很高的要求，而结合信道编译码技术的混合自动请求(HybridAutomatic Repeat Request，HARQ)作为保证可靠性的一项重要技术，是一种停止以及等待的传输方案，发送端接收到ACK/NACK后，后续的重复发送才发生，在接收端，已接收的信息被暂存在HARQ存储器中。如果收到的信息没有被正确译码，之前存储的信息与重新发送来的信息进行合并后再尝试译码，如此反复，在5G系统中，规定最多发送四次，一共有最多16个HARQ进程，随着信息不断累积，HARQ存储器中需要存储的信息急剧增加，甚至超过G bits量级，为了降低HARQ存储器的数据量，需要对HARQ软信息进行压缩存储。

一个典型的信道编译码及HARQ流程中，首先发送端对码块进行CRC添加，码块分段，LDPC编码，速率匹配等操作，经过调制后的数据发送到无线信道中，然后接收端进行解调处理，将解调后的LLR信息经过解速率匹配及HARQ处理送进LDPC译码器进行译码，而HARQ信息的存储经过压缩和解压缩的过程就是LLR矢量量化过程。

矢量量化算法一般采用1980年由Linde，Buzo和Gray提出来的一种有效LBG矢量量化码本设计算法，这是矢量量化技术研究的里程碑，矢量量化具有压缩比高、解码速度快、可以降低存储空间、算法简单清晰等良好的特性，但是，矢量量化的高编码复杂度限制了其在高速和实时编码系统中的应用，影响了算法的执行效率，所以，矢量量化快速编码算法的研究是多年来人们一直关注的问题，也是矢量量化的关键技术之一。

一般而言，矢量量化的搜索算法主要就是LBG算法，基于最小欧式距离准则或最大互信息准则的迭代搜索算法，其基本原理实际上是一种全搜索(Full Search，FS)的方式；在搜索码字的过程中要计算输入矢量与每个码字之间的失真度误差，需要的运算量很大，算术复杂度随输入矢量维数或码本尺寸迅速增加，而高效的矢量量化编码算法系统往往采用大尺寸的码书，较高的计算复杂度会增加硬件实现的难度，所以减少码字搜索的计算量成为很关键的问题。而用于对HARQ信息的矢量量化需要解决的问题在于两方面，首先是如何保证性能或吞吐量的前提下进行矢量量化压缩；其次是如何降低矢量量化搜索过程中的实现复杂度，即生成码本过程中的搜索量。对于如何保证性能或吞吐量，可以对迭代矢量化的压缩比(即码本大小)、迭代次数、失真度进行设置，以达到所需要的压缩比与性能的平衡；对于迭代矢量量化的计算，一般有两种准则，基于最大互信息或最小欧式距离，该两种准则的计算复杂度都是一定的，重点在于如何降低两类计算的次数，所以对LLR进行分组然后再进行迭代矢量量化就能大大降低总体搜索来计算量。

在背景技术部分中公开的以上信息只是用来加强对本文所描述技术的背景技术的理解，因此，背景技术中可能包含某些信息，这些信息对于本领域技术人员来说并未形成在本国已知的现有技术。

发明内容

本申请的主要目的在于提供一种LLR矢量量化的计算方法、装置、计算机可读存储介质、处理器与通信系统，以解决现有技术中LLR矢量量化的计算量较大的问题。

根据本发明实施例的一个方面，提供了一种LLR矢量量化的计算方法，包括：获取LLR值，所述LLR值为接收的码字的比特信息进行星座映射得到的；将所述LLR值按照星座映射的调制方式进行分类，得到多个星座符号，所述星座符号为一组所述LLR值组成的矢量，不同的调制方式得到的所述星座符号对应所述LLR值的个数不同；将所述星座符号按照对应的所述LLR值的正负进行分类，得到多个子集，所述子集中任意两个所述星座符号的对应的两个所述LLR值的乘积大于或者等于0；对各所述子集的所述星座符号进行矢量量化计算，得到多个量化后矢量。

可选地，所述调制方式包括BPSK调制方式、QPSK调制方式、16QAM调制方式、64QAM调制方式和256QAM调制方式，所述BPSK调制方式得到的所述星座符号对应所述LLR值的个数为1，所述QPSK调制方式得到的所述星座符号对应所述LLR值的个数为2，所述16QAM调制方式得到的所述星座符号对应所述LLR值的个数为4，所述64QAM调制方式得到的所述星座符号对应所述LLR值的个数为6，所述256QAM调制方式得到的所述星座符号对应所述LLR值的个数为8。

可选地，在所述调制方式为QPSK调制方式的情况下，将所述星座符号对应的所述LLR值的正负进行分类，得到多个子集，包括：在第一LLR值和第二LLR值均为非负数的情况下，将所述星座符号划分至第一子集，所述星座符号包括所述第一LLR值和所述第二LLR值；在第一LLR值为负数和第二LLR值为非负数的情况下，将所述星座符号划分至第二子集；在所述第一LLR值和所述第二LLR值均为负数的情况下，将所述星座符号划分至第三子集；在第一LLR值为非负数和第二LLR值为负数的情况下，将所述星座符号划分至第四子集。

可选地，对各所述子集的所述星座符号进行矢量量化计算，得到多个量化后矢量，包括：选取步骤，在所述子集中随机选取预定数量的所述星座符号，得到所述预定数量的码字，所述预定数量小于所述子集中所述星座符号的数量，一个所述码字对应一个包腔；第一计算步骤，计算所述子集中所述星座符号与各所述码字的最小欧式距离或最大化互信息，得到所述预定数量的失真度；确定步骤，根据所述预定数量的失真度确定所述星座符号对应的所述码字，得到匹配码字，所述匹配码字为最小的所述失真度对应的所述码字；第二计算步骤，计算所述子集中所述星座符号与所述匹配码字的失真度的和，得到总失真度；迭代步骤，迭代更新所述码字，重复所述第一计算步骤、所述确定步骤和所述第二计算步骤，直至迭代次数达到最大迭代次数或畸变改进量小于畸变阈值，将当前的所述码字确定为所述量化后矢量，所述畸变改进量为失真度差值与迭代更新后的所述总失真度的比值的绝对值，所述失真度差值为迭代更新前的所述总失真度与迭代更新后的所述总失真度的差值。

可选地，迭代更新所述码字，包括：计算所述匹配码字相同的所述星座符号的各所述LLR值的平均值，得到更新后的所述码字。

可选地，在所述迭代步骤之后，所述方法还包括：在所有的所述星座符号对应的所述匹配码字不包括所有的所述量化后矢量的情况下，将对应的所述星座符号数量最多的所述匹配码字更新为两个所述码字，重复所述第一计算步骤、所述确定步骤、所述第二计算步骤和所述迭代步骤，得到所述量化后矢量。

根据本发明实施例的另一方面，还提供了一种LLR矢量量化的计算装置，包括：获取单元，用于获取LLR值，所述LLR值为接收的码字的比特信息进行星座映射得到的；第一分类单元，用于将所述LLR值按照星座映射的调制方式进行分类，得到多个星座符号，所述星座符号为一组所述LLR值组成的矢量，不同的调制方式得到的所述星座符号对应所述LLR值的个数不同；第二分类单元，用于将所述星座符号按照对应的所述LLR值的正负进行分类，得到多个子集，所述子集中任意两个所述星座符号的对应的两个所述LLR值的乘积大于或者等于0；计算单元，用于对各所述子集的所述星座符号进行矢量量化计算，得到多个量化后矢量。

根据本发明实施例的又一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，所述程序执行任意一种所述的方法。

根据本发明实施例的再一方面，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行任意一种所述的方法。

根据本发明实施例的另一方面，还提供了一种通信系统，包括：译码装置、一个或多个处理器，存储器，显示装置以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行任意一种所述的方法。

在本发明实施例中，上述LLR矢量量化的计算方法中，首先，获取LLR值，上述LLR值为接收的码字的比特信息进行星座映射得到的；然后，将上述LLR值按照星座映射的调制方式进行分类，得到多个星座符号，上述星座符号为一组上述LLR值组成的矢量，不同的调制方式得到的上述星座符号对应上述LLR值的个数不同；之后，将上述星座符号对应的上述LLR值的正负进行分类，得到多个子集，上述子集中任意两个上述星座符号的对应的两个上述LLR值的乘积大于或者等于0；最后，对各上述子集的上述星座符号进行矢量量化计算，得到多个量化后矢量。该方法根据调制方式对LLR值进行分类，得到多个星座符号，上述星座符号为一组上述LLR值组成的矢量，再根据LLR值的正负对星座符号进行分类，得到多个子集，矢量量化计算时只需计算各子集中的星座符号之间的最小欧式距离或最大互信息，无需计算每个星座符号之间的均计算最小欧式距离或最大互信息，大大降低了计算量，即降低了搜索的复杂度，解决了现有技术中LLR矢量量化的计算量较大的问题。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1示出了根据本申请的实施例的一种LLR矢量量化的计算方法的流程示意图；

图2示出了根据本申请的实施例的一种LLR矢量量化的计算装置的结构示意图；

图3至图6出了根据本申请的实施例的调制方式的示意图；

图7示出了根据本申请的实施例的QPSK调制方式的子集分类的示意图；

图8示出了根据本申请的实施例的矢量空间划分的示意图；

图9示出了根据本申请的实施例的LLR矢量量化的计算方法的流程示意图；

图10示出了根据本申请的实施例的训练后的码本的示意图。

具体实施方式

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

应该理解的是，当元件(诸如层、膜、区域、或衬底)描述为在另一元件“上”时，该元件可直接在该另一元件上，或者也可存在中间元件。而且，在说明书以及权利要求书中，当描述有元件“连接”至另一元件时，该元件可“直接连接”至该另一元件，或者通过第三元件“连接”至该另一元件。

为了便于描述，以下对本申请实施例涉及的部分名词或术语进行说明：

对数似然比(Log Likelihood Ratio，简称LLR)在通信领域中常用于软解码。

正如背景技术中所说的，现有技术中的LLR矢量量化的计算量较大，为了解决上述问题，本申请的一种典型的实施方式中，提供了一种LLR矢量量化的计算方法、装置、计算机可读存储介质、处理器与通信系统。

根据本申请的实施例，提供了一种LLR矢量量化的计算方法。

图1是根据本申请实施例的LLR矢量量化的计算方法的流程图。如图1所示，该方法包括以下步骤：

步骤S101，获取LLR值，上述LLR值为接收的码字的比特信息进行星座映射得到的；

步骤S102，将上述LLR值按照星座映射的调制方式进行分类，得到多个星座符号，上述星座符号为一组上述LLR值组成的矢量，不同的调制方式得到的上述星座符号对应上述LLR值的个数不同；

步骤S103，将上述星座符号按照对应的上述LLR值的正负进行分类，得到多个子集，上述子集中任意两个上述星座符号的对应的两个上述LLR值的乘积大于或者等于0；

步骤S104，对各上述子集的上述星座符号进行矢量量化计算，得到多个量化后矢量。

上述LLR矢量量化的计算方法中，首先，获取LLR值，上述LLR值为接收的码字的比特信息进行星座映射得到的；然后，将上述LLR值按照星座映射的调制方式进行分类，得到多个星座符号，上述星座符号为一组上述LLR值组成的矢量，不同的调制方式得到的上述星座符号对应上述LLR值的个数不同；之后，将上述星座符号对应的上述LLR值的正负进行分类，得到多个子集，上述子集中任意两个上述星座符号的对应的两个上述LLR值的乘积大于或者等于0；最后，对各上述子集的上述星座符号进行矢量量化计算，得到多个量化后矢量。该方法根据调制方式对LLR值进行分类，得到多个星座符号，上述星座符号为一组上述LLR值组成的矢量，再根据LLR值的正负对星座符号进行分类，得到多个子集，矢量量化计算时只需计算各子集中的星座符号之间的最小欧式距离或最大互信息，无需计算每个星座符号之间的均计算最小欧式距离或最大互信息，大大降低了计算量，即降低了搜索的复杂度，解决了现有技术中LLR矢量量化的计算量较大的问题。

由于进行星座映射的比特信息是{0,1}的序列组成，所以，星座解映射后的软信息LLR值可以是正、负或0，在实际计算中，由于译码器最后判决的时候也是通过符号进行判决，在这里也可以将0归类到正的这一类中。

需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

本申请的一种实施例中，上述调制方式包括BPSK调制方式、QPSK调制方式、16QAM调制方式、64QAM调制方式和256QAM调制方式，上述BPSK调制方式得到的上述星座符号对应上述LLR值的个数为1，上述QPSK调制方式得到的上述星座符号对应上述LLR值的个数为2，上述16QAM调制方式得到的上述星座符号对应上述LLR值的个数为4，上述64QAM调制方式得到的上述星座符号对应上述LLR值的个数为6，上述256QAM调制方式得到的上述星座符号对应上述LLR值的个数为8。本实施例中，每一组LLR值对应一个星座符号，若是BPSK调制，则每一个LLR值对应一个星座符号；若是QPSK调制，则{llr₀，llr₁}，{llr₂，llr₃}...，...，{}，每2个LLR值为一组对应一个星座符号；若是16QAM调制，则{b₀，b₁，b₂，b₃}，{b₄，b₅，b₆，b₇}，...，...，{}，每4个LLR值为一组对应一个星座符号上；若是64QAM调制，则每6个LLR值为一组对应一个星座符号；若是256QAM调制，则每8个LLR值为一组对应一个星座符号,每一个星座符号对应二位平面一个点，这样就可以采用聚类的方式将各个点采用LBG算法进行迭代矢量量化。

如图3至图6所示，可以按符号将LLR值进行子集分类，调制方式即为维度,然后在此基础上基于LLR值的符号进行分类；对于BPSK而言，维度为1，LLR分为正负两类进行迭代矢量量化计算，即分为2个子集分别计算；对于QPSK而言，维度为2，同时LLR分为正负两类，这样可以分为2*2＝4个子集分别计算；对于16QAM而言，维度为4，同时LLR分为正负两类，这样可以分为2*2*2*2＝16个子集分别进行迭代矢量量化计算；对于64QAM而言，维度为6，同时LLR分为正负两类，这样可以分为2*2*2*2*2*2＝64个子集分别进行迭代矢量量化计算；对于256QAM而言，维度为8，同时LLR分为正负两类，这样可以分为2*2*2*2*2*2*2*2＝256个子集分别进行迭代矢量量化计算。

本申请的再一种实施例中，在上述调制方式为QPSK调制方式的情况下，将上述星座符号对应的上述LLR值的正负进行分类，得到多个子集，包括：在第一LLR值和第二LLR值均为非负数的情况下，将上述星座符号划分至第一子集，上述星座符号包括上述第一LLR值和上述第二LLR值；在第一LLR值为负数和第二LLR值为非负数的情况下，将上述星座符号划分至第二子集；在上述第一LLR值和上述第二LLR值均为负数的情况下，将上述星座符号划分至第三子集；在第一LLR值为非负数和第二LLR值为负数的情况下，将上述星座符号划分至第四子集。输入矢量LLR是由QPSK软解调方式得到，此时，每两个LLR值对应一个星座点符号，这些LLR矢量均映射到二维平面上，如图7所示，迭代矢量量化的过程就是训练这些矢量成码本，码本的大小通过参数配置得到，如果不进行子集分类就进行迭代计算，则每一个符号之间均需要计算最小欧式距离或最大互信息；而通过子集分类处理将其分为4个子集就只需要在每个子集中去计算星座点符号之间的最小欧式距离或最大互信息，从而大大降低了搜索的复杂度。

本申请的又一种实施例中，对各上述子集的上述星座符号进行矢量量化计算，得到多个量化后矢量，包括：选取步骤，在上述子集中随机选取预定数量的上述星座符号，得到上述预定数量的码字，上述预定数量小于上述子集中上述星座符号的数量，一个上述码字对应一个包腔；第一计算步骤，计算上述子集中上述星座符号与各上述码字的最小欧式距离或最大化互信息，得到上述预定数量的失真度；确定步骤，根据上述预定数量的失真度确定上述星座符号对应的上述码字，得到匹配码字，上述匹配码字为最小的上述失真度对应的上述码字；第二计算步骤，计算上述子集中上述星座符号与上述匹配码字的失真度的和，得到总失真度；迭代步骤，迭代更新上述码字，重复上述第一计算步骤、上述确定步骤和上述第二计算步骤，直至迭代次数达到最大迭代次数或畸变改进量小于畸变阈值，将当前的上述码字确定为上述量化后矢量，上述畸变改进量为失真度差值与迭代更新后的上述总失真度的比值的绝对值，上述失真度差值为迭代更新前的上述总失真度与迭代更新后的上述总失真度的差值。

Vector Quantization(VQ)是一种基于块编码规则的有损数据压缩方法。在诸多领域有广泛应用，比如语音和图像编码或压缩，语音识别等领域。VQ的主要优点在于可以减少计算量和存储，缺点就是为了减少计算量和存储所付出的代价，损失精度。以二维向量为例，一个二维向量对应坐标上的一个点，所有二维向量的集合就构成了坐标平面。然后通过聚类算法将平面划分成N个区域，满足

矢量量化定义如下：维数为k，尺寸为N的矢量量化器VQ定义为从一个k维欧几里德空间R^k到一个包含M个输出(重构)点的有限子集Y的映射，即，Q：R^k→Y，这里，Y＝{y_i，i＝0，1，2，...，M-1}，y_i∈R^k，i∈{0，1，2，...，M-1}，集合Y称之为码本，其尺寸(大小)是M。码本的N个元素称作码字和码矢量，它们均为R^k中的矢量，{y₀，y₁，...，y_M-1}是一个k维码矢。输入矢量空间Rk通过尺寸为M的量化器VQ后，被分割成M个互不重叠的区域或包腔，这个过程称为输入矢量空间的划分。每个区域称作Voronoi Region(包腔)，每个区域有个代表矢量，叫码字(Codewords)。所有码字(Codewords)的集合称作码本(Codebook)Y。M称为码本的长度或容量，如图8所示。

LBG是一种迭代算法，其迭代操作是标量量化Lloyd算法在矢量空间的推广，有些文献也称之为GLA算法。LBG方法基于以下两个优化准则：

最近邻域准则，对于给定的码本，训练矢量集的最优分类可通过把每个矢量映射为离它最近的码字而得到；

质心条件，对于给定的训练矢量分类，其对应的最优码本中各码字是通过求各包腔的中心矢量而获得。传统的LBG算法在迭代中轮流使用上述原则，以平均失真D的相对误差小于预先设定的某一门限阈值作为算法的收敛准则。

假设X＝{X₀，X₁，...，X_N-1|X_i∈R^k}表示由N个训练矢量X_i所构成的训练序列，码本的设计就是将这些训练矢量分成互不重叠的M个区域，或者成为包腔S＝{S₀，S₁，...，S_M-1}。每一个包腔S_i用一个码字Y_i描述，这些码字构成了Y＝{Y₀，Y，...，Y_M-1|Y_j∈R^k}。在量化系统中，尽量使所设计码本的平均失真最小，即

其中，d(X_i，Y_j)为训练矢量X_i和码字Y_j之间的失真度，此失真度可以是欧式距离，也可以是两者之间的互信息。

计算全部矢量X的集合S；

(a)确定迭代算法的最大迭代次数iter_max和相对畸变阈值δ以及失真度D；

(b)选定M个初始码字

该选取方式可以随机选取。

(c)根据最小欧式距离准则或最大化互信息准则，将S分成M个包腔对应的矢量集合

即当

时，下式成立：

(d)计算总的失真度

(e)确定畸变改进量ΔDm的相对值

(f)如果δ^m＜δ，或者m＝iter_max成立，则输出当前的上述码字，并且输出总畸变D^m。否则m＝m+1，重复上述步骤a中的计算失真度D、步骤c、步骤d，直到满足δ^m＜δ。

本申请的另一种实施例中，迭代更新上述码字，包括：计算上述匹配码字相同的上述星座符号的各上述LLR值的平均值，得到更新后的上述码字。

上述更新后的码字

计算如下：

如果δ^m＜δ，或者m＝iter_max成立，则输出更新后的码字

并且输出总畸变D^m。否则m＝m+1，重复上述步骤a中的计算失真度D、步骤c、步骤d，直到满足δ^m＜δ。

本申请的再一种实施例中，在上述迭代步骤之后，上述方法还包括：在所有的上述星座符号对应的上述匹配码字不包括所有的上述量化后矢量的情况下，将对应的上述星座符号数量最多的上述匹配码字更新为两个上述码字，重复上述第一计算步骤、上述确定步骤、上述第二计算步骤和上述迭代步骤，得到上述量化后矢量。在所有的上述星座符号对应的上述匹配码字不包括所有的上述量化后矢量的情况下，即相当于存在空的包腔，先计算出最大包腔的质心，对该质心用该包腔内的所有向量分别计算欧式距离或最大互信息，对于大于最大距离0.5倍的向量放入一个新的包腔，小于上述距离的放入另一个新的包腔。分别计算出两个包腔的质心，从而实现包腔的分裂，然后重复上述第一计算步骤、上述确定步骤、上述第二计算步骤和上述迭代步骤，得到上述量化后矢量。

本申请实施例还提供了一种LLR矢量量化的计算装置，需要说明的是，本申请实施例的LLR矢量量化的计算装置可以用于执行本申请实施例所提供的用于LLR矢量量化的计算方法。以下对本申请实施例提供的LLR矢量量化的计算装置进行介绍。

图2是根据本申请实施例的LLR矢量量化的计算装置的示意图。如图2所示，该装置包括：

获取单元10，用于获取LLR值，上述LLR值为接收的码字的比特信息进行星座映射得到的；

第一分类单元20，用于将上述LLR值按照星座映射的调制方式进行分类，得到多个星座符号，上述星座符号为一组上述LLR值组成的矢量，不同的调制方式得到的上述星座符号对应上述LLR值的个数不同；

第二分类单元30，用于将上述星座符号按照对应的上述LLR值的正负进行分类，得到多个子集，上述子集中任意两个上述星座符号的对应的两个上述LLR值的乘积大于或者等于0；

计算单元40，用于对各上述子集的上述星座符号进行矢量量化计算，得到多个量化后矢量。

上述LLR矢量量化的计算装置中，包括获取单元、第一分类单元、第二分类单元和计算单元，其中，上述获取单元用于获取LLR值，上述LLR值为接收的码字的比特信息进行星座映射得到的；上述第一分类单元用于将上述LLR值按照星座映射的调制方式进行分类，得到多个星座符号，上述星座符号为一组上述LLR值组成的矢量，不同的调制方式得到的上述星座符号对应上述LLR值的个数不同；上述第二分类单元用于将上述星座符号对应的上述LLR值的正负进行分类，得到多个子集，上述子集中任意两个上述星座符号的对应的两个上述LLR值的乘积大于或者等于0；上述计算单元用于对各上述子集的上述星座符号进行矢量量化计算，得到多个量化后矢量。该装置根据调制方式对LLR值进行分类，得到多个星座符号，上述星座符号为一组上述LLR值组成的矢量，再根据LLR值的正负对星座符号进行分类，得到多个子集，矢量量化计算时只需计算各子集中的星座符号之间的最小欧式距离或最大互信息，无需计算每个星座符号之间的均计算最小欧式距离或最大互信息，大大降低了计算量，即降低了搜索的复杂度，解决了现有技术中LLR矢量量化的计算量较大的问题。

由于进行星座映射的比特信息是{0,1}的序列组成，所以，星座解映射后的软信息LLR值可以是正、负或0，在实际计算中，由于译码器最后判决的时候也是通过符号进行判决，在这里也可以将0归类到正的这一类中。

本申请的一种实施例中，上述调制方式包括BPSK调制方式、QPSK调制方式、16QAM调制方式、64QAM调制方式和256QAM调制方式，上述BPSK调制方式得到的上述星座符号对应上述LLR值的个数为1，上述QPSK调制方式得到的上述星座符号对应上述LLR值的个数为2，上述16QAM调制方式得到的上述星座符号对应上述LLR值的个数为4，上述64QAM调制方式得到的上述星座符号对应上述LLR值的个数为6，上述256QAM调制方式得到的上述星座符号对应上述LLR值的个数为8。本实施例中，每一组LLR值对应一个星座符号，若是BPSK调制，则每一个LLR值对应一个星座符号；若是QPSK调制，则{llr₀，llr₁}，{llr₂，llr₃}...，...，{}，每2个LLR值为一组对应一个星座符号；若是16QAM调制，则{b₀，b₁，b₂，b₃}，{b₄，b₅，b₆，b₇}，...，...，{}，每4个LLR值为一组对应一个星座符号上；若是64QAM调制，则每6个LLR值为一组对应一个星座符号；若是256QAM调制，则每8个LLR值为一组对应一个星座符号,每一个星座符号对应二位平面一个点，这样就可以采用聚类的方式将各个点采用LBG算法进行迭代矢量量化。

如图3至图6所示，可以按符号将LLR值进行子集分类，调制方式即为维度,然后在此基础上基于LLR值的符号进行分类；对于BPSK而言，维度为1，LLR分为正负两类进行迭代矢量量化计算，即分为2个子集分别计算；对于QPSK而言，维度为2，同时LLR分为正负两类，这样可以分为2*2＝4个子集分别计算；对于16QAM而言，维度为4，同时LLR分为正负两类，这样可以分为2*2*2*2＝16个子集分别进行迭代矢量量化计算；对于64QAM而言，维度为6，同时LLR分为正负两类，这样可以分为2*2*2*2*2*2＝64个子集分别进行迭代矢量量化计算；对于256QAM而言，维度为8，同时LLR分为正负两类，这样可以分为2*2*2*2*2*2*2*2＝256个子集分别进行迭代矢量量化计算。

本申请的再一种实施例中，上述第二分类单元包括第一分类模块、第二分类模块、第三分类模块和第四分类模块。其中，上述第一分类模块用于在上述调制方式为QPSK调制方式的情况下，在第一LLR值和第二LLR值均为非负数的情况下，将上述星座符号划分至第一子集，上述星座符号包括上述第一LLR值和上述第二LLR值；上述第二分类模块用于在第一LLR值为负数和第二LLR值为非负数的情况下，将上述星座符号划分至第二子集；上述第三分类模块用于在上述第一LLR值和上述第二LLR值均为负数的情况下，将上述星座符号划分至第三子集；上述第四分类模块用于在第一LLR值为非负数和第二LLR值为负数的情况下，将上述星座符号划分至第四子集。输入矢量LLR是由QPSK软解调方式得到，此时，每两个LLR值对应一个星座点符号，这些LLR矢量均映射到二维平面上，如图7所示，迭代矢量量化的过程就是训练这些矢量成码本，码本的大小通过参数配置得到，如果不进行子集分类就进行迭代计算，则每一个符号之间均需要计算最小欧式距离或最大互信息；而通过子集分类处理将其分为4个子集就只需要在每个子集中去计算星座点符号之间的最小欧式距离或最大互信息，从而大大降低了搜索的复杂度。

本申请的又一种实施例中，上述计算单元包括选取模块、第一计算模块、确定模块、第二计算模块和迭代模块，其中，上述选取模块用于选取步骤，在上述子集中随机选取预定数量的上述星座符号，得到上述预定数量的码字，上述预定数量小于上述子集中上述星座符号的数量，一个上述码字对应一个包腔；上述第一计算模块用于第一计算步骤，计算上述子集中上述星座符号与各上述码字的最小欧式距离或最大化互信息，得到上述预定数量的失真度；上述确定模块用于确定步骤，根据上述预定数量的失真度确定上述星座符号对应的上述码字，得到匹配码字，上述匹配码字为最小的上述失真度对应的上述码字；上述第二计算模块用于第二计算步骤，计算上述子集中上述星座符号与上述匹配码字的失真度的和，得到总失真度；上述迭代模块用于迭代步骤，迭代更新上述码字，重复上述第一计算步骤、上述确定步骤和上述第二计算步骤，直至迭代次数达到最大迭代次数或畸变改进量小于畸变阈值，将当前的上述码字确定为上述量化后矢量，上述畸变改进量为失真度差值与迭代更新后的上述总失真度的比值的绝对值，上述失真度差值为迭代更新前的上述总失真度与迭代更新后的上述总失真度的差值。

Vector Quantization(VQ)是一种基于块编码规则的有损数据压缩方法。在诸多领域有广泛应用，比如语音和图像编码或压缩，语音识别等领域。VQ的主要优点在于可以减少计算量和存储，缺点就是为了减少计算量和存储所付出的代价，损失精度。以二维向量为例，一个二维向量对应坐标上的一个点，所有二维向量的集合就构成了坐标平面。然后通过聚类算法将平面划分成N个区域，满足

矢量量化定义如下：维数为k，尺寸为N的矢量量化器VQ定义为从一个k维欧几里德空间R^k到一个包含M个输出(重构)点的有限子集Y的映射，即，Q：R^k→Y，这里，Y＝{y_i，i＝0，1，2，...，M-1}，y_i∈R^k，i∈{0，1，2，...，M-1}，集合Y称之为码本，其尺寸(大小)是M。码本的N个元素称作码字和码矢量，它们均为R^k中的矢量，{y₀，y₁，...，y_M-1}是一个k维码矢。输入矢量空间Rk通过尺寸为M的量化器VQ后，被分割成M个互不重叠的区域或包腔，这个过程称为输入矢量空间的划分。每个区域称作Voronoi Region(包腔)，每个区域有个代表矢量，叫码字(Codewords)。所有码字(Codewords)的集合称作码本(Codebook)Y。M称为码本的长度或容量，如图8所示。

LBG是一种迭代算法，其迭代操作是标量量化Lloyd算法在矢量空间的推广，有些文献也称之为GLA算法。LBG方法基于以下两个优化准则：

最近邻域准则，对于给定的码本，训练矢量集的最优分类可通过把每个矢量映射为离它最近的码字而得到；

质心条件，对于给定的训练矢量分类，其对应的最优码本中各码字是通过求各包腔的中心矢量而获得。传统的LBG算法在迭代中轮流使用上述原则，以平均失真D的相对误差小于预先设定的某一门限阈值作为算法的收敛准则。

假设X＝{X₀，X₁，...，X_N-1|X_i∈R^k}表示由N个训练矢量X_i所构成的训练序列，码本的设计就是将这些训练矢量分成互不重叠的M个区域，或者成为包腔S＝{S₀，S₁，...，S_M-1}。每一个包腔S_i用一个码字Y_i描述，这些码字构成了Y＝{Y₀，Y，...，Y_M-1|Y_j∈R^k}。在量化系统中，尽量使所设计码本的平均失真最小，即

其中，d(X_i，Y_j)为训练矢量X_i和码字Y_j之间的失真度，此失真度可以是欧式距离，也可以是两者之间的互信息。

计算全部矢量X的集合S；

(a)确定迭代算法的最大迭代次数iter max和相对畸变阈值δ以及失真度D；

(b)选定M个初始码字

该选取方式可以随机选取。

(c)根据最小欧式距离准则或最大化互信息准则，将S分成M个包腔对应的矢量集合

即当

时，下式成立：

(d)计算总的失真度

(e)确定畸变改进量ΔD^m的相对值

(f)如果δ^m＜δ，或者m＝iter_max成立，则输出当前的上述码字，并且输出总畸变D^m。否则m＝m+1，重复上述步骤a中的计算失真度D、步骤c、步骤d，直到满足δ^m＜δ。

本申请的另一种实施例中，迭代更新上述码字，包括：计算上述匹配码字相同的上述星座符号的各上述LLR值的平均值，得到更新后的上述码字。

上述更新后的码字

计算如下：

如果δ^m＜δ，或者m＝iter_max成立，则输出更新后的码字

并且输出总畸变D^m。否则m＝m+1，重复上述步骤a中的计算失真度D、步骤c、步骤d，直到满足δ^m＜δ。

本申请的再一种实施例中，上述装置还包括更新单元，上述更新单元用于在上述迭代步骤之后，在所有的上述星座符号对应的上述匹配码字不包括所有的上述量化后矢量的情况下，将对应的上述星座符号数量最多的上述匹配码字更新为两个上述码字，重复上述第一计算步骤、上述确定步骤、上述第二计算步骤和上述迭代步骤，得到上述量化后矢量。在所有的上述星座符号对应的上述匹配码字不包括所有的上述量化后矢量的情况下，即相当于存在空的包腔，先计算出最大包腔的质心，对该质心用该包腔内的所有向量分别计算欧式距离或最大互信息，对于大于最大距离0.5倍的向量放入一个新的包腔，小于上述距离的放入另一个新的包腔。分别计算出两个包腔的质心，从而实现包腔的分裂，然后重复上述第一计算步骤、上述确定步骤、上述第二计算步骤和上述迭代步骤，得到上述量化后矢量。

上述LLR矢量量化的计算装置包括处理器和存储器，上述获取单元、第一分类单元、第二分类单元和计算单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。

处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来解决现有技术中LLR矢量量化的计算量较大的问题。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。

本发明实施例提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现上述LLR矢量量化的计算方法。

本发明实施例提供了一种处理器，上述处理器用于运行程序，其中，上述程序运行时执行上述LLR矢量量化的计算方法。

根据本发明实施例的另一方面，还提供了一种通信系统，包括：译码装置、一个或多个处理器，存储器，显示装置以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置为由上述一个或多个处理器执行，上述一个或多个程序包括用于执行任意一种上述的方法。

上述的通信系统，包括译码装置、一个或多个处理器，存储器，显示装置以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置为由上述一个或多个处理器执行，上述一个或多个程序包括用于执行任意一种上述的方法。该方法根据调制方式对LLR值进行分类，得到多个星座符号，上述星座符号为一组上述LLR值组成的矢量，再根据LLR值的正负对星座符号进行分类，得到多个子集，矢量量化计算时只需计算各子集中的星座符号之间的最小欧式距离或最大互信息，无需计算每个星座符号之间的均计算最小欧式距离或最大互信息，大大降低了计算量，即降低了搜索的复杂度，解决了现有技术中LLR矢量量化的计算量较大的问题。

本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现至少以下步骤：

步骤S101，获取LLR值，上述LLR值为接收的码字的比特信息进行星座映射得到的；

步骤S102，将上述LLR值按照星座映射的调制方式进行分类，得到多个星座符号，上述星座符号为一组上述LLR值组成的矢量，不同的调制方式得到的上述星座符号对应上述LLR值的个数不同；

步骤S103，将上述星座符号按照对应的上述LLR值的正负进行分类，得到多个子集，上述子集中任意两个上述星座符号的对应的两个上述LLR值的乘积大于或者等于0；

步骤S104，对各上述子集的上述星座符号进行矢量量化计算，得到多个量化后矢量。

本文中的设备可以是服务器、PC、PAD、手机等。

本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有至少如下方法步骤的程序：

步骤S101，获取LLR值，上述LLR值为接收的码字的比特信息进行星座映射得到的；

步骤S102，将上述LLR值按照星座映射的调制方式进行分类，得到多个星座符号，上述星座符号为一组上述LLR值组成的矢量，不同的调制方式得到的上述星座符号对应上述LLR值的个数不同；

步骤S103，将上述星座符号按照对应的上述LLR值的正负进行分类，得到多个子集，上述子集中任意两个上述星座符号的对应的两个上述LLR值的乘积大于或者等于0；

步骤S104，对各上述子集的上述星座符号进行矢量量化计算，得到多个量化后矢量。

为了本领域技术人员能够更加清楚地了解本申请的技术方案，以下将结合具体的实施例来说明本申请的技术方案和技术效果。

实施例

该LLR矢量量化的计算方法流程图如图9所示，该方法包括以下步骤：

步骤1，首先是初始化，对最大迭代次数、失真度以及所预期的码本大小进行参数设置；

步骤2，对LLR信息按照不同调制方式及正负值来进行分类，具体分类如上描述；

步骤3，对分类各个子集中的星座点符号矢量进行迭代训练，即矢量量化过程，具体执行基于上面描述的经典LBG算法，可以采用最小欧式距离或最大互信息准则；

步骤4，将训练后的码本及其索引存储到缓冲器中，如图10所示；

步骤5，解压缩过程，根据索引查找到码本中相应的码字输出到译码器与新接收到的LLR信息进行合并进行译码。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如上述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取计算机可读存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个计算机可读存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例上述方法的全部或部分步骤。而前述的计算机可读存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

从以上的描述中，可以看出，本申请上述的实施例实现了如下技术效果：

1)、本申请的LLR矢量量化的计算方法中，首先，获取LLR值，上述LLR值为接收的码字的比特信息进行星座映射得到的；然后，将上述LLR值按照星座映射的调制方式进行分类，得到多个星座符号，上述星座符号为一组上述LLR值组成的矢量，不同的调制方式得到的上述星座符号对应上述LLR值的个数不同；之后，将上述星座符号对应的上述LLR值的正负进行分类，得到多个子集，上述子集中任意两个上述星座符号的对应的两个上述LLR值的乘积大于或者等于0；最后，对各上述子集的上述星座符号进行矢量量化计算，得到多个量化后矢量。该方法根据调制方式对LLR值进行分类，得到多个星座符号，上述星座符号为一组上述LLR值组成的矢量，再根据LLR值的正负对星座符号进行分类，得到多个子集，矢量量化计算时只需计算各子集中的星座符号之间的最小欧式距离或最大互信息，无需计算每个星座符号之间的均计算最小欧式距离或最大互信息，大大降低了计算量，即降低了搜索的复杂度，解决了现有技术中LLR矢量量化的计算量较大的问题。

2)、本申请的LLR矢量量化的计算装置中，包括获取单元、第一分类单元、第二分类单元和计算单元，其中，上述获取单元用于获取LLR值，上述LLR值为接收的码字的比特信息进行星座映射得到的；上述第一分类单元用于将上述LLR值按照星座映射的调制方式进行分类，得到多个星座符号，上述星座符号为一组上述LLR值组成的矢量，不同的调制方式得到的上述星座符号对应上述LLR值的个数不同；上述第二分类单元用于将上述星座符号对应的上述LLR值的正负进行分类，得到多个子集，上述子集中任意两个上述星座符号的对应的两个上述LLR值的乘积大于或者等于0；上述计算单元用于对各上述子集的上述星座符号进行矢量量化计算，得到多个量化后矢量。该装置根据调制方式对LLR值进行分类，得到多个星座符号，上述星座符号为一组上述LLR值组成的矢量，再根据LLR值的正负对星座符号进行分类，得到多个子集，矢量量化计算时只需计算各子集中的星座符号之间的最小欧式距离或最大互信息，无需计算每个星座符号之间的均计算最小欧式距离或最大互信息，大大降低了计算量，即降低了搜索的复杂度，解决了现有技术中LLR矢量量化的计算量较大的问题。

3)、本申请的通信系统，包括译码装置、一个或多个处理器，存储器，显示装置以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置为由上述一个或多个处理器执行，上述一个或多个程序包括用于执行任意一种上述的方法。该方法根据调制方式对LLR值进行分类，得到多个星座符号，上述星座符号为一组上述LLR值组成的矢量，再根据LLR值的正负对星座符号进行分类，得到多个子集，矢量量化计算时只需计算各子集中的星座符号之间的最小欧式距离或最大互信息，无需计算每个星座符号之间的均计算最小欧式距离或最大互信息，大大降低了计算量，即降低了搜索的复杂度，解决了现有技术中LLR矢量量化的计算量较大的问题。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种LLR矢量量化的计算方法，其特征在于，包括：

获取LLR值，所述LLR值为接收的码字的比特信息进行星座映射得到的；

将所述LLR值按照星座映射的调制方式进行分类，得到多个星座符号，所述星座符号为一组所述LLR值组成的矢量，不同的调制方式得到的所述星座符号对应所述LLR值的个数不同；

将所述星座符号按照对应的所述LLR值的正负进行分类，得到多个子集，所述子集中任意两个所述星座符号的对应的两个所述LLR值的乘积大于或者等于0；

对各所述子集的所述星座符号进行矢量量化计算，得到多个量化后矢量。

2.根据权利要求1所述的方法，其特征在于，所述调制方式包括BPSK调制方式、QPSK调制方式、16QAM调制方式、64QAM调制方式和256QAM调制方式，所述BPSK调制方式得到的所述星座符号对应所述LLR值的个数为1，所述QPSK调制方式得到的所述星座符号对应所述LLR值的个数为2，所述16QAM调制方式得到的所述星座符号对应所述LLR值的个数为4，所述64QAM调制方式得到的所述星座符号对应所述LLR值的个数为6，所述256QAM调制方式得到的所述星座符号对应所述LLR值的个数为8。

3.根据权利要求2所述的方法，其特征在于，在所述调制方式为QPSK调制方式的情况下，将所述星座符号对应的所述LLR值的正负进行分类，得到多个子集，包括：

在第一LLR值和第二LLR值均为非负数的情况下，将所述星座符号划分至第一子集，所述星座符号包括所述第一LLR值和所述第二LLR值；

在第一LLR值为负数和第二LLR值为非负数的情况下，将所述星座符号划分至第二子集；

在所述第一LLR值和所述第二LLR值均为负数的情况下，将所述星座符号划分至第三子集；

在第一LLR值为非负数和第二LLR值为负数的情况下，将所述星座符号划分至第四子集。

4.根据权利要求1所述的方法，其特征在于，对各所述子集的所述星座符号进行矢量量化计算，得到多个量化后矢量，包括：

选取步骤，在所述子集中随机选取预定数量的所述星座符号，得到所述预定数量的码字，所述预定数量小于所述子集中所述星座符号的数量，一个所述码字对应一个包腔；

第一计算步骤，计算所述子集中所述星座符号与各所述码字的最小欧式距离或最大化互信息，得到所述预定数量的失真度；

确定步骤，根据所述预定数量的失真度确定所述星座符号对应的所述码字，得到匹配码字，所述匹配码字为最小的所述失真度对应的所述码字；

第二计算步骤，计算所述子集中所述星座符号与所述匹配码字的失真度的和，得到总失真度；

迭代步骤，迭代更新所述码字，重复所述第一计算步骤、所述确定步骤和所述第二计算步骤，直至迭代次数达到最大迭代次数或畸变改进量小于畸变阈值，将当前的所述码字确定为所述量化后矢量，所述畸变改进量为失真度差值与迭代更新后的所述总失真度的比值的绝对值，所述失真度差值为迭代更新前的所述总失真度与迭代更新后的所述总失真度的差值。

5.根据权利要求4所述的方法，其特征在于，迭代更新所述码字，包括：

计算所述匹配码字相同的所述星座符号的各所述LLR值的平均值，得到更新后的所述码字。

6.根据权利要求4所述的方法，其特征在于，在所述迭代步骤之后，所述方法还包括：

在所有的所述星座符号对应的所述匹配码字不包括所有的所述量化后矢量的情况下，将对应的所述星座符号数量最多的所述匹配码字更新为两个所述码字，重复所述第一计算步骤、所述确定步骤、所述第二计算步骤和所述迭代步骤，得到所述量化后矢量。

7.一种LLR矢量量化的计算装置，其特征在于，包括：

获取单元，用于获取LLR值，所述LLR值为接收的码字的比特信息进行星座映射得到的；

第一分类单元，用于将所述LLR值按照星座映射的调制方式进行分类，得到多个星座符号，所述星座符号为一组所述LLR值组成的矢量，不同的调制方式得到的所述星座符号对应所述LLR值的个数不同；

第二分类单元，用于将所述星座符号按照对应的所述LLR值的正负进行分类，得到多个子集，所述子集中任意两个所述星座符号的对应的两个所述LLR值的乘积大于或者等于0；

计算单元，用于对各所述子集的所述星座符号进行矢量量化计算，得到多个量化后矢量。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，所述程序执行权利要求1至6中任意一项所述的方法。

9.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至6中任意一项所述的方法。

10.一种通信系统，其特征在于，包括：译码装置、一个或多个处理器，存储器，显示装置以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行权利要求1至6中任意一项所述的方法。

Images