CN1981471A - 用于信源－信道联合map解码的方法和装置 - Google Patents

Abstract

一种用于纠错的方法，包括：接收比特流，所述比特流包括一个或更多比特；确定该比特流是否有一个或更多受损比特；确定一个或更多表示错误模式的假设；并且为每个假设指定概率，其中，基于一个或更多参考数据来确定该概率。

Description

用于信源-信道联合MAP解码的方法和装置

根据35 U.S.C.§119的优先权要求

本专利申请要求2004年5月6日提交的、题目是“Method andApparatus for Joint Source-Channel MAP VLC”的临时申请No.60/569,400的优先权，该申请已转让给本申请的受让人，并特此通过引用将其并入此处。

技术领域

本发明涉及数字通信，并且尤其涉及信道和信源解码。

背景技术

对于移动通信系统中更高数据率和更高服务质量的需求迅速增长。然而，诸如有限的发射功率、有限的带宽和多径衰落这样的因素继续限制实际系统所处理的数据率。在多媒体通信中，尤其是易出错环境下，所发送的媒体的抗错能力(error resilience)对提供所期望的服务质量起到关键作用，因为即便是在单个解码值中的错误也能够导致对在空间域和时间域中传播的非自然信号(artifact)进行解码。使用各种编码措施使错误减少到最少同时维持必要的数据率，然而，所有这些技术都遭受在解码器一侧出现的错误的问题。

通过使用信源编码器，对数据进行压缩——通过使用最少比特数传送最多的信息，接下来是信道编码器，对于在接收这些比特时的给定的错误概率，其倾向于使传输信道容量最大。

信道编码，例如里德-所罗门编码，用于提高信源编码数据的鲁棒性。信源-信道联合编码方法用于向非均匀重要性的信源编码数据提供非均匀的错误保护，或者通过对分组进行划分或抛弃，使得编码视频数据率能够适应可用的网络带宽。这是因为通用传输协议不把受损数据交给信源解码器。

信源编码技术，例如可逆变长编码(例如，在MPEG-4中使用)，用于当实际接收到受损分组时，通过以逆向顺序对该分组进行解码来实现错误恢复。信源编码技术使得编码效率受到损害，其转换为针对给定比特率的已解码视频的质量。

熵编码实现对随机信息源生成的符号的非常高效的无损表示。同样，熵编码是无损和有损数据压缩方案所必不可少的部分。尽管其对压缩效率有极大好处，但是熵编码也使解码过程复杂化。所有不同的进行熵编码的方法的一个共同特征是，单一或一连串信源符号(词典编码)与一个二进制模式，即称为码字的一连串1或0，相关联并用其表示，其中随着符号似然性的降低，码字长度增加。因此，越可能出现的符号被分配越紧凑的表示，使得相对于基于定长表示的简单符号字母表大小，平均起来有大量节省。

关于在比特流中、即在信息源输出的熵编码表示中，下一个符号要用掉多少个比特的不明确性，对于解码器而言是一个显然的复杂化因素。然而，更重要的是，在比特流中存在错误的情况下，使用变长码字、结合翻转的比特(由于错误引起)，将常常导致对不正确的码字长度的仿真(emulation)，并且结果是解析/解码处理过程将失去它和比特流的同步，即，将开始无法正确识别码字边界以及因此无法正确解释比特流。

假设，执行基本层检错测量的解码器在对比特流进行解码时遇到问题，并且失去同步。最终，或者由于句法违规，即无效码字，或者由于语义故障，例如无效参数值或意外的比特流对象，解码器将意识到这个问题并且采取必要的步骤使其与比特流重新同步。典型地，这将引起数据丢失达到远超过首先触发数据丢失的损坏(corruption)的程度。发生这种情况的一个原因是，由于提供在比特流中允许重新同步的点(其最通常的例子是片(slice)边界)的开销而导致不能频繁利用这些点。一个更重要的原因是其对于压缩效率所花费的代价，该代价源自于这样的需求，即，在所有这些点上，需要避免所有形式的编码/解码相关性，例如，需要结束预测编码链并在默认的初始化之后重新开始。

将会引起数据丢失超过初始损坏的另一个原因是由于不正确的码字仿真。识别初始的比特错误位置并不是普通的任务，并且典型地，在应用层下没有专门的设计，即没有支持这种识别的解码器的情况下，就不能进行这种识别。因此，检测到比特流损坏之后，信源解码器不得不停止解码，并且在比特流中向前移动以便发现下一个重新同步点，在该处理中，必然跳过相当大量的潜在的健康数据。尽管相对上述事件序列，对一个与原始的、即真实的码字有相同长度的另一个码字进行仿真似乎并是一个大问题，但事实不是这样。在很多方式中这类错误可能导致在解码器正确解释比特流中的失败。例如，在大多当前的编解码器中，在比特流中有这样的对象(与压缩相关的参数)，它们的值影响该比特流后面部分的句法。因此，这种对象的一个不正确的值将导致不正确的比特流解释。

在引入视频压缩标准H.264之后，仍旧有另外一个原因，造成对不正确但长度相同的码字进行的仿真和失步一样糟糕。所谓的上下文自适应(或上下文相关性)熵编码规则可能导致这样的情况，其中，比特流失步并不是因为仿真不同长度的码字，即，码字长度保持相同，但是不正确的值(对不正确的码字进行解码得到的)触发了不真实的上下文改变，从而用替换的和不正确的一组规则替代了有效的熵解码规则。在所描述的所有情况下，即便是单个不正确解码的值也将会导致对非自然信号进行解码。

需要一种改善的纠正比特错误的方法，以便在熵编码比特流中避免与信源解码器的失步以及因而发生的重新同步相关联的数据丢失。就是说，需要解决残留比特错误、即或者未被检测到或者检测到但未被所使用的前向纠错方案纠正的比特错误，及其对熵编码比特流的解码造成的降级影响...。

发明内容

本发明描述了一种用于数字通信的方法和装置，其在解码器、例如在移动设备上，提供了改进的纠错能力。在物理层中，在移动设备接收的噪声数据被解调并且发送到解码器，例如级联解码器。解码之后，正确接收的符号和不正确接收的符号(包含一个或更多受损比特)均被传送到应用层，这里，软件应用程序或专用硬件例如执行最大后验概率(Maximum a Posteriori Probability，MAP)框架内的最优化问题表述(problem formulation)，并且对其求解以确定有关熵编码符号的假设的似然，所述熵编码符号的表示是受损的，带有出错的比特。

正确解码的符号的相关信息保留在与MAP应用相关联的一个或更多存储模块中。监视来自级联信道解码器的信道数据并且用其生成描述各种信道条件并与各种信道条件有关的概率分布函数(probability distribution function)。取决于当前的(实际的或估计的)信道条件，这些PDF中的一个或多个可用于该MAP应用。在不正确接收的符号中关于怀疑受损比特的信息和它们的位置信息一起被存储在存储模块中。保持来自可能与不正确接收的符号相关的正确解码的符号的信息。该相关信息用于生成改进的后验概率分布。通过使用不正确接收的符号的适当改进的先验PDF以及在该不正确接收的符号的假设的条件下有关的信道观测的条件PDF，确定这个符号的MAP表述。结果是，对MAP函数求最大值以确定该不正确接收的符号的正确值。

附图说明

图1是从信源编码器输出的、被格式化成码组以用于里德-所罗门纠删编码(erasure coding)以及随后的Turbo编码的符号的一个例子；

图2是级联Turbo/里德-所罗门解码方案的一个例子；

图3是说明相邻的4×4块向受损块提供相关数据的一个例子；

图4是信源-信道联合MAP熵解码器的框图的一个例子；

图5是说明帧序列的一个例子；

图6是信源-信道联合MAP熵解码的方法的流程图的一个例子。

具体实施方式

在以下的说明中，给出了特定细节以供细致了解所述实施例。然而，本领域的一个普通技术人员可以理解，在没有这些特定细节的情况下也可以实现这些实施例。例如，可以以框图示出电子部件，以便不会在不必要的细节上模糊这些实施例。在其它情况下，可以详细示出这样的部件、其它结构和技术以便进一步解释这些实施例。

同样，要注意的是，这些实施例可以被说明为处理过程，其被描述为流程图、操作程序图、结构图或者框图。尽管流程图可以把操作描述成顺序的处理过程，但是许多操作能够并行或并发执行并且能够重复该处理过程。此外，可以重新安排操作的次序。当处理过程的操作完成时，终止该处理过程。处理过程可以对应于方法、函数、过程、子例程、子程序等等。

本发明描述了一种在用于压缩数据传输的数字通信系统之内的错误恢复方法和装置，其采用无错接收到的信息来恢复接收到的数据的受损部分。通过对接收到的含有与受损数据相关的参考数据的符号进行统计估算，估计不正确接收的符号中的受损数据。在一个例子中，执行最大后验概率(MAP)最优化表述以处理在应用层不正确接收的分组。为了估计这些不正确接收的分组中的符号值，使用来自接收到的符号的信息来计算MAP函数，其中该信息涉及与不正确接收的分组中带有出错的比特的受损符号相关的参考数据。

在一个实施例中，MAP框架利用对通过监视传入的信道数据得到的参考数据的统计分析。在一个例子中，该方法和装置被用作现有的联合视频工作组(JVT)H.264视频编码标准的扩展，然而，其基本概念能够被扩展到其它压缩的视频、音频、图像和一般的多媒体通信应用中，其中，通过信道对编码的视频和/或音频或者其它形式的信息进行发送，所述信道向属于数据的不同片段或数据的相关片段的数据引入了不同的错误特征。

图1是从H.264编码器输出的、并被组织为用于级联里德-所罗门纠删编码和Turbo编码的符号的一个例子。对于该编码一侧，从信息源输出的符号，例如从H.264编码器输出的二进制码字，被组成字节102。每个字节102被认为是被称为“伽罗瓦域(Galois Field)(256)”的有限域中的一个符号，为的是GF上的一个外部(N，K)里德-所罗门(RS)码。N和K分别表示整个RS码字104的长度以及其持有系统部分的信源数据106的长度，以符号为单位，于是(N-K)给出了添加到每个码字104上的奇偶校验符号108的个数。一个(N，K)RS码可以纠正(N-K)个删除错误(erasure)。

基本上，最上面的K行106保存从信息源输出的符号，并且这些符号能够以行优先或列优先的方式被扫描成K行。通过列优先扫描实现的交织导致显著缩短的突发长度。因此，结合这个例子，使用按列符号放置更理想。在第一步的源数据放置之后，通过对L个(K个字节的)列104中的每一列增加N-K个奇偶校验字节，将该每一列RS编码成N个字节，并因此生成图1中的行K+1，...，N108。由源数据组成的最上面的K行106被称为RS信息块，而整个N行的集合被称为RS编码组，或简单地被称为码组110。

对每一行112附加turbo编码器的纠正操作所需的CRC(循环冗余校验)校验和以及一些拖尾比特。通过在每一行112附加校验和，turbo解码之后，不能满足各自校验和的这些行将被宣告删除。每个码组110一次向turbo编码器输入一行112，因此每一行被称为一个Turbo信息分组。Turbo编码器的输出比特被进行调制然后输入到信道。

里德-所罗门编码使用依赖伽罗瓦域(GF)操作的特定属性的算法。能够指定一组实数作为一个域，其中该域含有有限个元素，这样的有限域也称作伽罗瓦域。如果p是一个素数，而q是p的任何次幂，则码具有来自伽罗瓦域GF(q)的符号。里德-所罗门码，具有来自伽罗瓦域GF(2^m)(即p＝2并且q＝2^m)的码符号，常常被考虑用于实际的数字通信系统，并且根据这种码的生成多项式的根出自于伽罗瓦域GF(2^m)，确定该生成多项式。

图2是Turbo/里德-所罗门级联解码方案的一个例子。所采用的纠错方案使用级联码200，即内部(信道)码202和外部(信道)码204二者。该级联信道解码器200由在物理层执行操作的Turbo(内部)解码器202和放置在传输/MAC层的里德-所罗门(外部)纠删(erasurecorrecting)解码器204组成。使用这样的级联系统200，通过数字通信系统208接收噪声调制数据206。解调器210接收到的数据206和解调后的数据212一起被发送到turbo解码器202以便提供一些差错控制。然后turbo解码器202把硬判决数据214发送给外部里德-所罗门解码器204，该里德-所罗门解码器204进一步降低残差率。纠删成功或失败依赖于在一个码组中删除错误的总数以及每个RS码字使用的奇偶校验符号的个数(N-K)。然后，把正确接收的、不正确接收但被纠正的、以及仍旧不正确接收并且不能被纠正的数据216传递到应用层218。

在针对物理层的信道编码设计中，如果里德-所罗门(RS)码组的删除错误超出了纠正能力，则相应的RS信息块(图1)将不变地被传递到应用层218，即信源解码器，一同传递的还有说明K个Turbo信息分组112(图1)中的哪些被损坏的联合通知。在GF(256)上的外部(N，K)RS码的系统结构使得能够直接利用未受损的、即正确接收的turbo信息分组。

当对于一个码组的纠删解码(erasure decoding)失败时，即删除错误的总数>(N-K)时，里德-所罗门解码层依然把该信息块随同关于删除错误位置的信息或例如可能的受损字节位置这样的一些等价信息，传递到应用层218，例如视频解码层。

众所周知，典型的视频信号是一种非稳定的随机信号，例如一种具有变化的时空统计特性的信号。然而，由于在大部分时间内该变化既不是特别快也不是没有结构，因此空间和时间上均存在显著的局部/暂时相关性，这使得能够使用现代的视频压缩标准/算法来获得高的压缩比。

原始数字视频信号的像素值和由视频压缩算法根据所述原始像素值生成的变换/处理后的量和对象，均为随机变量/矢量。同样，在所研究的视频信号的范围上，这些随机变量/矢量具有“先验”概率分布和其它高阶统计，这在缺乏任何附加信息时就表现为其特征。

这些时空相关性支配着许多进入比特流的、即进入原始数字视频信源的压缩表示的中间和最终量和对象(符号)。这隐含着，可以利用关于这些符号中的任意一个的一些准确/可靠的信息，通过某些其它符号与这些符号的相关性，来实现降低某些其它符号的不定性。一种非常方便的数学模型通过使用后验概率分布解释了这种观测。后验概率分布反映了用相关观测获得的间接信息导出的这些随机符号的概率描述中的变化。

在一个例子中，在H.264中使用了上下文自适应变长码(CAVLC)编码的句法元素。基于已经接收到的可靠信息，上下文表示一类解码状态。因此，上下文实际上对应于所研究的符号的特定后验分布。在H.264中，在上下文中对许多符号进行编码，并且每个符号的概率相对于在其中对该符号进行编码的上下文而变化，也就是说，相对于在一个符号之前所处理过的内容而变化。包括H.264在内的许多视频压缩标准显式或隐式地定义或利用了几种上下文，例如，为一个帧选择的编码类型，I、P或B(其中，I、P和B分别表示内部、预测和双向)，设置了一个上下文，当对该帧进行编码时，该上下文令某些宏块类型更有可能被生成，这使得对那些更有可能的宏块类型的更高效表示成为必需。全部上下文引入了共同描述一种编码/解码处理过程进入的状态和/或时段的概率。使用不同的质量设置，在对诸如视频序列这样的不同的测试信号执行许多测试之后，确定了这些概率。随着这些信号被编码或解码，这些上下文也发生改变并适应实际的输入值。

称为coeff_token的CAVLC编码符号用于起说明作用，其中coeff_token是有两个分量的矢量的别名。这两个分量是：

1.TotalCoeff∈{0，1，2，...，16}：在4×4变换和量化块中非零系数级的总数；以及

2.TrailingOnes∈{0，1，2，3}：在同一个4×4块中拖尾的‘|值|＝1’变换系数级的数目。

对coeff_token进行解析和解码得到这两个量的值。变长码(VLC)的编码和解码处理过程将参考VLC码表。这个码表有两项，一个是原始数据，即可能的符号值，另一个是对应的码字。在一种称为变长编码或哈夫曼编码的熵编码形式中，出现概率较大的值与较短的码字相关联，而出现概率较小的值与较长的码字相关联。因而，如果已知要进行编码的事件/符号的统计，而倘若这样的统计足以表示，则可以对这样的事件/符号进行编码，其中平均比特数低于/小于定长编码所需要的平均比特数。表1反映了一部分表，其中规定了用于对coeff_token进行解码的5种可能的不同的上下文(每一种与该表的最后五列中的一列相对应)，其中coeff_token被定义成名为nC的变量以及五个相关联的上下文有关的VLC码本(每个码本都被调到矢量(TotalCoeff,TrailingOnes)的对应的一种不同的后验分布)的函数。

TrailingOnes(coeff_token)	TotalCoeff(coeff_token)	0＜＝nC＜2	2＜＝nC＜4	4＜＝nC＜8	8＜＝nC	nC＝＝-1
							0	0	1	11	1111	00011	01
0	1	000101	001011	001111	000000	000111
							1	1	01	10	1110	00001	1
0	2	00000111	000111	001011	000100	000100
							1	2	000100	00111	01111	000101	000110
2	2	001	011	1101	000110	001
							0	3	000000111	0000111	001000	001000	000011
1	3	00000110	001010	01100	001001	0000011
							2	3	0000101	001001	01110	001010	0000010
3	3	00011	0101	1100	001011	000101
							0	4	0000000111	00000111	0001111	001100	000010
1	4	000000110	000110	01010	001101	00000011
							2	4	00000101	000101	01011	001110	00000010
3	4	000011	0100	1011	001111	0000000
							0	5	00000000111	00000100	0001011	010000	-
1	5	0000000110	0000110	01000	010001	-
							2	5	000000101	0000101	01001	010010	-
3	5	0000100	00110	1010	010011	-
							0	6	0000000001111	000000111	0001001	010100	-
1	6	00000000110	00000110	001110	010101	-
							2	6	0000000101	00000101	001101	010110	-
3	6	00000100	001000	1001	010111	-

表1

图3说明了相邻的4×4块为受损当前4×4块提供相关参考数据的一个例子。通过一些简化的归纳，确定了变量nC的上下文被指定为可从相邻的4×4块A(302)和B(304)得到的信息的函数。来自相邻的A(302)和B(304)的相关信息帮助确定用于对当前4×4块306中的coeff_token进行解码的上下文，其中当前4×4块306的相应的二进制表示，即比特流中的码字，受损或部分受损。

令nA和nB分别表示位于当前4×4块306左侧的块A(302)中的和位于当前4×4块306上方的块B(304)中的非零变换系数级的数目。当块A(302)和块B(304)均可用的时候，能够通过以下公式给出nC：

nC＝(nA+nB+1)＞＞1.                  [1]

这个公式把nC简单地描述为nA和nB的算术平均值，其中，结果中的小数部分0.5总是向上舍入。这是一种利用可从相邻的4×4块A和B得到的可靠的相关信息，改变解码器对属于当前4×4块的信息的期望值的方式。这是通过基于以某种方式总结出可用的后验信息的nC的值而选择上下文(影响比特流解释和解析)来实现的。正如能够容易地从在不同上下文中表示同一个coeff_token值的不同长度的码字中判断出的那样，上下文依照后验信息，修改coeff_token的先验概率分布。本实施例的一个特征是，这样的后验改进符号概率分布被用作一般MAP框架中的先验符号概率函数。

还有其它不常用的方式，其中已经接收到的可靠参考数据，即后验信息，能够被用来改进符号概率分布。假设nA＝4，nB＝1，该4×4相邻块B(304)不纵向相邻于片边界，并且假定基于其内部4×4预测模式，推断出其包含了纵向结构，例如，诸如纵向边缘308这样的图像细节。应用上述公式[1]得到nC＝3，暗示一个上下文不同于相邻A(302)和B(304)的上下文。在这些情况下，推断出无疑要将属于上下文‘2≤nC＜4’的VLC码本中的码字用于对当前块306的coeff_token进行编码。

在另外一个例子中，由于非常频繁的统计，以及因此在块B(304)之内高度一致地存在纵向边缘308，可以强烈预计到相似的纵向边缘310从块B(304)扩展到了当前4×4块306。因此，预计到当前4×4块306的系数结构和相邻4×4块B(304)的系数结构彼此非常相似。因此，对于当前4×4块来说，coeff_token的后验改进概率分布应该更接近于与相邻块B(304)的上下文相关联的coeff_token的后验改进概率分布。因此，如果这样，对于当前块306来说，尽管表示coeff_token的码字将来自于上下文‘2≤nC＜4’(使用上述公式[1]推出)，但它的后验改进概率分布将由上下文‘0≤nC＜2’的coeff_token的后验改进概率分布更准确地进行表示。

正如所述的那样，以下两种coeff_token的概率分布之间有显著不同：(1)在真实情况下的先验PDF，即PDF没有上下文或任何其它可用的附加信息，以及(2)后验改进的PDF，在某种意义上是一种条件PDF，假设相邻4×4块A(302)和B(304)分别具有非零系数级总数nA和nB。

在一个例子中，统计方法结合贝叶斯框架来确定用于参数(即符号值)估计的最大后验概率(MAP)表述。这个贝叶斯框架要求使用将要进行估计的参数的先验概率模型、以及在已知将要进行估计的参数的条件下有关观测的条件概率模型。当应用层(在信源解码器中)218(以上的图2)准备对符号‘coeff_token’进行解析和熵解码时，在那个点的有关观测和所访问的关于coeff_token的信息能够被分类成如下两个主类：

1.已经接收到并且成功进行解码的健康的、即可靠的相关信息，尤其是关于相邻块的那些信息；

2.携带表示coeff_token值的码字的可能的受损比特流片段(含有可疑的比特)。

以上类1信息非常重要，并且在所公开的一个例子中，通过用适当的上下文有关的(后验改进的)PDF代替coeff_token的真正的先验PDF，把类1类型的后验信息合并到该贝叶斯表述中。所描述的贝叶斯模型能够使用所有来自信源(以上的类1)和信道(以上的类2结合概率信道模型)的可用信息，并且因此被命名为信源-信道联合熵解码。

图4是用于熵解码的信源-信道联合MAP解码器的框图。在应用层的该信源-信道联合熵解码器400包括：信道概率模型生成器部件402、存储模块1404、MAP表述和求解部件406、相关数据处理部件408和存储模块2410。在一个实施例中，通过运行在通用CPU或嵌入式CPU上的应用软件能够实现该MAP表述和求解部件406。所有来自级联Turbo/里德-所罗门解码器414的数据412，即正确接收(包括不正确接收但是随后被纠正)的符号和不正确接收的符号(删除错误)，被发送到用于基于信道观测研究出信道的统计特性的信道概率模型生成器部件402。在一个可能的实施例中，基于最近的信道状态观测，该信道概率模型生成器可以选择和采用多种概率信道模型的固定集合中的一种。相同的数据412被发送到设备416，该设备充当用于将数据从MAC层路由到适当的目的地的交换机。正确接收的符号被从设备416发送到相关数据处理部件408，该相关数据处理部件确定在已知所有可用和相关的参考信息的条件下，不正确接收的符号的后验改进概率分布函数。正确接收的符号也被发送到视频解码器420，用于常规的解码和显示。不正确接收且不能被纠正的符号422被发送到MAP表述和求解部件406以进行可能的纠错。MAP表述和求解部件406接受来自数据路由交换设备416和来自存储模块1404和存储模块2410的数据，以计算最大后验概率函数。该MAP函数用于通过求最大值的处理来确定不正确接收的符号的最可能的值。MAP表述和求解部件406纠正后的符号(424)返回到它们在被发送到视频解码器420的符号流418中的各自位置。

在执行一组(期望是有关的)观测之后，在已知获得的可用认识的条件下，后验分布是符号/参数的条件概率分布的同义词。为了使用这种认识，通过使用贝叶斯规则将后验分布边际化(marginalized)，并且根据关于将要估计的符号/参数的假设，对观测进行调节。对于使用最大后验概率估计框架的解码方法来说，需要对下面的后验PDF最大值问题进行求解：

$\widehat{\mathrm{\Θ}}=\arg \underset{\mathrm{\Θ}}{\max }\mathrm{\ρ}\left(\mathrm{\Θ}\right|x).---\[2\]$

在已知观测x的条件下，这将取将要估计的未知符号Θ的后验概率的最大值，然后返回达到这个最大值的Θ的值。在一个实施例中，该观测x是在受损Turbo信息分组中存在的二进制数据，即比特，并且x的随机性将源于需要依靠适当的概率模型来描述其特征的信道的随机性。在上述公式[2]中，p(Θ|x)表示在已知观测x的条件下，符号Θ的条件概率。因此，它反映了在该观测之后，对Θ的认识的状态改变，因此，命名为‘后验概率’。符号Θ表示比特流符号，例如，宏块类型、量化参数、帧内预测方向、运动矢量(差分)、DC系数(差分)、AC系数等等。按照贝叶斯理论，与所描述的等式[2]中的最大值问题等价的一个是如下：

$\widehat{\mathrm{\Θ}}=\arg \underset{\mathrm{\Θ}}{\max }\mathrm{\ρ}\left(x\right|\mathrm{\Θ})\mathrm{\ρ}\left(\mathrm{\Θ}\right).---\[3\]$

在一个例子中，等式[3]用于确定不正确接收的符号的实际值。术语p(Θ)是将要被(软)解码的比特流符号Θ的先验PDF(或先验概率)。关于Θ的假设，即Θ的允许值，以及和这些假设相关联的先验似然(以先验的连续或离散的PDF的形式)，将被基于“健康的”、即可靠的相关信源观测来构建。在一个例子中，通过在相邻实体中正确接收到的信息来提供该可靠的相关信源观测，其中所述相邻实体既可以是空间上的也可以是时间上的，例如，相邻块、宏块、片和帧。已知健康的数据，例如，在可疑的比特流片断的任一侧正确接收的比特，提供了硬限制，其不能和任何假设冲突。同样，在已知健康的数据片段内，没有假设能够导致句法或语义违规。这两个条件分别是任意假设的可行性所必需的，并且因此，其中任何一个的失效都足以丢弃一个假设。

贝叶斯规则用p(x|Θ)和符号Θ的先验PDF p(Θ)的乘积来代替等式[2]中的后验PDF p(Θ|x)，以获得等价的等式[3]。这里隐含着的等价性是关于最大值问题的结果。函数(条件密度)p(x|Θ)定义了在已知符号Θ的条件下，观测x发生的概率，并且同样的，它只是信道的函数，并且因此，p(x|Θ)完全能够由适当的(固定或变化的)信道模型来描述其特征。另一方面，按照所公开的方法的一个重要概念，基于可用的可靠相关信息，将符号Θ的先验PDF p(Θ)用Θ的后验改进的PDF代替。

图5说明了时域定向帧。健康的信源观测能够来自空间相邻的块，如在图3中示出的相邻块A(302)和B(304)，或来自图5中示出的时间关系。如上所述，在图象/帧内容中时域上的变化可能缓慢引起在视频序列506中视频帧502和504之间出现急剧变化，其中视频序列506包含一组连续且不正确接收的帧508。因此，通过使用相关的未受损参考数据512和514，能够获得丢失的符号的概率模型，例如，一个可提供与受损区域510有关的数据的似然的概率模型。这样的相关数据被用于向等式[3]的先验概率分布函数提供后验改进。

参考公式[3]，项p(x|Θ)表示条件性地描述在已知信道输入的情况下来自信道的观测的概率模型(即PDF)，该项p(x|Θ)将基于对从测量信道状态得到的PDF的分析，即在基础信道上观测到的比特错误模式，也就是信道错误模型(图4中的信道概率模型生成器部件402和存储模块1404)。能够通过逼真的信道模拟或者从实际的现场实验中收集用于这个目的的数据，其中在实际的现场实验中，真实的发射和接收子系统被投入使用，同时有已知的输入和记录过的输出信号。

提供以下例子来说明各种概率模型的应用。任何有用的概率模型都能够被用来生成PDF，而并不限于以下所描述的那些模型。表2说明了残留突发长度的概率密度函数(PDF)，即移动接收机所经历的连续出错的里德-所罗门(RS)码字符号删除错误的串(streak)长度的PDF。表2使用(N，K)RS码、速率为j/m的Turbo码，并且在RS信息块中使用列优先扫描模式来放置数据。

能够如下表示上述的、并且在图1中也提及的各种参数的典型值：

·N＝16；

·K＝∈{15，14，12}；

·L＝122；附加的3个额外字节用于CRC校验和、拖尾的Trubo编码比特(也叫作尾比特)和预留比特，整个Turbo信息分组长度变为125字节＝1000比特；并且

·Trubo码率∈{1/3，1/2，2/3}。

表2.残留突发长度分布样本。

在这些假设下，在最坏的情况时，4个连续的Turbo信息分组被删除。参考图1，由于诸如视频编码层数据这样的应用层数据被以列优先方式扫描到里德-所罗门码组中，最坏情况下的4个被连续删除的Turbo信息分组中的数据将映射为在图1中定义为一个RS码字的每一列中的4个连续的GF(256)符号，即4个字节。在这些假设下，在最坏情况的例子中，解码器对最多4个字节(32比特)的受损的、但不知道比特错误的位置的应用层数据进行解码。根据这些样本统计，最大可能长度为4的突发的可能性(概率≈0.4)几乎是任意其它突发长度的可能性(1、2、3各自概率≈0.2)的两倍。要注意的是，这些统计只当例子使用，并且在真正的实现中，这些实际观测的统计很强地依赖于所使用的内部和外部码率以及其它因素。

表3示出在一个被删除的Turbo信息分组中有错比特的总数的PDF。能够用这个统计推断出被删除的分组中比特错误的平均数，或者有错比特(在被删除的分组中)的先验概率。

表3.在一个被删除的Turbo信息分组中比特错误的总数的分布。

表4示出在一个被删除的Turbo信息分组中有错比特的扩展的PDF。这仅是在那个分组中的错误突发长度。表4中的样本统计典型指示出，有错比特不是限于局部，而是延伸到整个分组。

表4.在一个被删除的Turbo信息分组内错误突发长度的分布。

表5说明了表示在一个被删除的Turbo信息分组内有错比特的串长度的PDF，即，连续全都有错的比特的个数的PDF。如将会清楚了解的那样，这个特定统计非常紧密地涉及比特错误模式，并且在以下讨论的例子中扮演很重要的角色。

表5：在一个被删除的Turbo信息分组中连续有错比特的数目的分布。

最后，表6反映了在一个被删除的Turbo信息分组内，分隔相邻的比特错误串的距离的PDF。就像在表5中报告的统计，这个特定的统计非常紧密地涉及比特错误模式的一种简单而有效的模型。

表6：在一个被删除的Turbo信息分组中比特错误串之间的距离的分布。

在一个例子中，使用以下表7、8和9中的概率模型。不失一般性、并且只起到说明的目的，这里假设解码器仅仅，即一个一个连续地，对来自比特流的coeff_token句法元素进行解析和熵解码。采用这种假设有两个原因。第一，这种设置提供了适当的例子对这个基本思想进行说明，而不需要引入会复杂化所描述的例子的其它句法元素的码本。第二，没有直接到其它句法元素的PDF的捷径，这需要对其进行类似的基于编码模拟的统计分析学习。

TotalCoeff	TrailingOnes
					0	1	2	3
	0	0.4973	0.0000	0.0000					0.0000
1					0.0307	0.2999	0.0000	0.0000
	2	0.0059	0.0179	0.0855					0.0000
3					0.0018	0.0045	0.0077	0.0226
	4	0.0007	0.0018	0.0025					0.0094
5					0.0003	0.0005	0.0011	0.0039
	6	0.0001	0.0003	0.0004					0.0020
7					0.0001	0.0001	0.0002	0.0011
	8	0.0000	0.0001	0.0001					0.0005
9					0.0000	0.0000	0.0001	0.0003
	10	0.0000	0.0000	0.0000					0.0001
11					0.0000	0.0000	0.0000	0.0001
	12	0.0000	0.0000	0.0000					0.0000
13					0.0000	0.0000	0.0000	0.0000
	14	0.0000	0.0000	0.0000					0.0000
15					0.0000	0.0000	0.0000	0.0000
	16	0.0000	0.0000	0.0000					0.0000

表7.用于上下文‘2≤nC＜4’的coeff_token(取自表1)的后验改进PDF的样本。

对于coeff_token的先验PDF，它的基本的上下文有关的后验改进PDF用于所假设的基础上下文。如前面所提示，例如，通过识别出被较强期望与当前块(图3中的块306)相关(在图3中，纵向边缘308可能继续为纵向边缘310)的相邻块(图3中的块B304)，即使是基于上下文的后验改进PDF也能够被进行变换，以便反映这种推断。

比特错误串长度	概率
		1	0.7
2	0.2
		3	0.07
4	0.02
		5	0.01
≥6	0

表8.连续比特错误的串长度的PDF样本，来自表5。

错误串间距	概率
		1	0
2	0.3
		3	0.22
4	0.15
		5	0.11
6	0.075
		7	0.05

表9.被规定为比特数的错误串间距的被截取的、即部分的PDF样本，来自表6。

在一个例子中，解码器拥有以下三个字节作为物理层接收的比特流的一部分。FEC层已经对数据进行处理，并且标出中间的字节来自被删除的分组。因此，怀疑在该中间字节中所有比特由于比特错误而受到污染。以下，分别用‘√’和‘？’标记健康的和可能受损的比特，并且‘X’表示其值和这个例子无关的比特。也能够通过其位置索引对比特进行引用，并且比特的位置编号从左到右，从1开始直到24；注意也示出了比特25和26。

字节边界：

错误状态指示：√√√√√√√√    ？？？？？？？？    √√√√√√√√

比特：

X 0 0 0 1 0 0 0    1 0 1 0 0 0 0 1     0 1 0 0 0 0 0 0  11X

在这个例子中，解码器成功地用码字‘000100’将coeff_token(TrailingOnes，TotalCoeff)解码为等于(1，2)，其中，码字‘000100’从比特位置2到7，包括位置2和7。如上所述，位于可能受损的字节两侧的健康比特对验证/估算解码器可以生成的各种假设确定了重要的限制。使用诸如这样的附加限制：

·结果的像素域特征的连续性/平滑性，例如，在与可用邻块的块边界上的连续性；以及

·在可疑的错误位置之后，对一定数目的连续健康的比特，没有解析和熵解码故障，即没有句法和语义检查故障；

使用诸如上述的附加限制是很重要的并推荐使用，因为它们将提高所提出的算法的成功率。上述两种限制用于进一步提高与可行的假设相关联的置信级。例如，一个关于受损符号的原始值的特定假设可能导致相对高的后验概率，并且可能与紧跟在该受损符号所在的可能受损的比特流片段之后的最初几个前导的健康比特相一致。然而，如果基于这个假设随后进行的解码导致后来在已知正确接收的比特流的范围内的比特流中出现句法和语义故障，则这足以指示出该基础假设是错误的，并应该被丢弃。同样，在选择特定假设之后，对每个符号在句法和语义上进行正确的解码，实际上增加了那个假设的置信级。这些想法的实现细节在各个实施例中会有不同。

从比特位置8开始，能够从上述比特流中对下列coeff_token值序列进行解码：(1，1)(1，1)(2，3)[(0，3)或(1，4)]→‘01’‘0l’‘0000101’‘00000011X’。

通过表7，与基于无记忆的、即独立符号的模型的该假设相关联的先验概率(精确地说，是后验改进概率测量)是：0.2999×0.2999×0.0077～＝6.9254×10^-4。(P((0，3))或P((1，4))不包含在这个计算中，因为二者相应的码字均完全位于健康比特的范围之内。)

在已知假设的条件下的信道观测的条件概率应该进一步对上述这个假设的先验概率进行缩放。这个假设暗示在可疑的中间字节中没有比特错误。假定存在一个期望值，其中每8个比特中有2个有错比特(1000个比特中平均～250个有错比特)，或者假定存在在这种情况下暗示的错误串间距≥8比特的概率，则在这中间的8个可疑比特中根本没有错误的情况不是一个很有可能的事件，并且因此，它对应一个相当小的概率。因此，P(错误串间距≥8)＝0.095能够被用作在已知假设的条件下的信道观测的条件概率。利用该缩放操作，与上面假设相关联的概率测量，即P(无比特错误地发送和接收的‘...000100010100001 0100000011...’)，变成6.5791×10^-5。

由于在这个例子中，仅有8个可能受比特错误污染的比特，因此实际错误模式将是256种可能的8比特长的二进制序列中的一种。在这个表示中，0将表示无错比特的位置，而1将暗示有错比特的位置。在这些256种可能的错误模式(错误掩盖(error mask))中，一些直接没有资格成为可能的假设。例如，那些包含子序列‘...101...’的模式将被指定全部概率为0，因为该子序列将对应于概率为0的错误串间距1(从表9中得到)。因此，能够直接从解码器的可能的错误模式假设列表中丢弃它们。即使由于不同的错误模式统计，解码器可能不能如所述的那样缩短这个列表，但是依旧能够排除、推迟或有条件地进行对某些错误模式假设的估计，这些错误模式假设对应于不是很可能出现的模式，例如，那些相对于期望的比特错误率而包含太多或太少比特错误的模式。

作为解码器对认为是一种可行的假设的一种可能的错误模式进行检查/估算的例子，考虑该错误模式：‘10010001’。当这个错误模式被应用到上面的中间字节、即与上面的中间字节进行异或运算时，有效地从接收到的信道输出中移除了错误，得到以下的3字节序列(还有附加的第25和第26个比特)：

X0001000 00110000 01000000 11X

从比特位置8开始，能够从上述比特流中对下列coeff_token值序列进行解码：

(3，3)(3，6)(3，4)→‘00011’‘00000100’‘000011’

通过表7，与再次基于我们先前的无记忆的、即独立符号的模型的该假设相关联的先验概率(更准确地，后验改进概率测量)是：

0.0226×0.0020～＝4.52×10^-5，其中P((3，4))不包括在这个计算中，这是因为它对应的码字完全位于健康比特范围之内。

如前，在已知假设的条件下的信道观测的条件概率应该进一步对上述这个假设的先验概率进行缩放。如果注意到上述概率已经小于与‘没有比特错误’的假设相关联的概率测量(6.5791×10^-5)，则解码器能够避免这个计算。然而，为了完成、并提供这个处理过程的另一个例子，继续这个计算。假设错误模式为‘10010001’。这能够被解分解成信道中的以下事件序列：

‘单比特错误’；‘错误串间距2’；‘单比特错误’；‘错误串间距3’；‘单比特错误’

继续假设错误模式的简单无记忆模型，则与以上错误模式相关联的概率能够被写成：

0.7×0.3×0.7×0.22×0.7～＝0.0226。

利用该缩放操作，与当前假设相关联的概率测量，即P(利用错误模式‘10010001’发送和接收的、中间字节受损的‘...000100000110000 0100000011...’)变成1.0232×10^-6。仅仅基于这两个后验似然的比较，解码器更愿意选择第一种假设：“无比特错误地发送和接收的‘...0001000 10100001 0100000011...’”。

当然，解码器需要用某种方式估算在上述通用框架中的所有可能的假设，并且，重要的是，把附加的限制并入这个估算中，以提高纠错率。尽管上述例子基于对单一符号进行解码来考虑假设和相应的概率——例如使用示例的coeff_token，但相似的方法能够应用到包括多于一个符号的符号矢量中。这些符号可以具有相同的类型，即同质矢量，或不同的类型，即异质矢量。考虑一个符号矢量，即，同时多个符号而不是一次一个符号，能够提供更多的限制、附加的统计信息和进行更有效并且更优的结构化表述的机会，这些能够提高纠错率并降低计算复杂度。

在常规的比特流句法中，对重建符号具有不同程度重要性的符号交织在一起。片数据划分，SDP，能够把具有相似的/可相比的重要性的句法元素的编码表示聚集在一起。这种重新格式化有下列显而易见的优势。如果较低重要性的分区(即数据组块(data chunk))由于错误而受到损坏，其能够被简单和安全地忽略，即丢弃，并且该损坏将不会污染其它分区的数据，其中这些其它分区的数据能够用于获得较低质量但仍然有助于重建。像这样，SDP能够被有利地用于提高有效性以及降低与不同实施例相关联的计算复杂度。

在一个例子中，可以仅当高重要性的SDP分区受到损坏时，才有条件地开始使用和执行所公开的方法。否则，即，对于较低重要性的分区，在受损分区中的数据可以只是被部分地使用，即只使用已知是好的部分，或者一起被丢弃，以避免对其进行处理所需的额外复杂度。

在另一个例子中，所公开的方法和SDP一起使用，改善了该纠错方案的计算效率。这在以计算、存储或功率限制为特征的嵌入式环境中是有用的。所公开的方法可能需要访问大量的数据，例如对于许多不同类型的符号的概率模型。嵌入式设备的高速缓存的效率对于确定处理器的执行速度和负载来说，是一个重要因素。在短的执行周期内不需要非常大组的数据，这能够导致避免破坏高速缓存数据或避免时常重写高速缓存，因此能够导致增加的高速缓存命中率。SDP减少了在每个数据分区中的句法元素的类型变化。作为回报，这增加了处理这个有限子集的句法元素所需的数据的相干性。这种句法元素数目的减少还能够导致指定错误模式假设的概率所需的参考数据量相应地减少。

图6是基于MAP的信源-信道联合熵解码方法的流程图的一个例子。在步骤602中，无线远程设备的解调器接收比特流中的已编码和已调制的符号，并且对其进行解调。接收模块，例如图2中的解调器210，能够执行步骤602。该符号能够提供关于任何类型的压缩数据的信息，这些压缩数据包括、但并不限于诸如宏块类型、量化参数、帧内预测方向、运动矢量、DC系数或AC系数这样的压缩多媒体数据。被解调之后，在步骤604中，这些符号经过纠错解码器，例如级联Turbo/里德-所罗门解码器。解码模块和受损比特确定模块，例如图2中的Turbo/里德-所罗门解码器200，能够执行步骤604。在Turbo/里德-所罗门解码器中进行检错和纠错之后，在步骤606中，一个充当交换机的设备(见图4的部件416)把仍旧受损或者部分受损的符号发送到在应用层中的MAP表述和求解部件(见图4的部件406)。在步骤608中，Turbo/里德-所罗门解码器的输出也被发送到信道概率模型生成器(见图4的部件402)以便确定、即计算或选择当前信道状态的适当的概率特性。数据路由交换机把相关数据发送到相关数据分析部件(见图4的部件408)。在步骤610中，能够从例如时间或空间上与受损符号的位置接近的符号，获得该相关数据。在步骤612中，MAP表述和求解部件接受来自存储模块1和2(见图4的部件404和410)的数据、以及来自数据路由交换机的不能被纠正的符号，并且在步骤614中，对最大值问题进行求解以便求得受损符号的后验PDF的最大值。因此，在步骤614中，该MAP表述和求解部件能够为(不正确接收且不能被纠正的)、即受损或部分受损的符号计算最可能取的值。假设确定模块和概率指定模块，例如图4中的MAP表述和求解部件406，能够执行步骤614。在步骤616中，合并来自MAP表述和求解部件的被纠正的符号和正确接收的(包括不正确接收但后来被FEC纠正的)符号，并且在步骤618中，把该数据发送到视频解码器，其输出被传送到显示单元。

值得注意的是，所公开的方法不仅能够被应用到H.264比特流，而且能够被应用到其它当前可用的或将来的为视频、图像、音频和其它形式的媒体所设计的数据压缩方案。例如，本发明能够被应用到基于上下文的自适应算术编码(CABAC)中。由于CABAC使用相似的概率建模来为被“二进制化”或变换成二进制码的符号生成上下文，因此所讨论的MAP最优化方法能够适合于CABAC算术编码方案。在CABAC中，在算术编码之前，非二进制值符号(例如，变换系数或运动矢量)被二进制化。这个处理过程类似于把符号变换成变长码的处理过程，但是在传输之前，进一步对该二进制码进行编码(由该算术编码器执行)。“上下文模型”是对于二进制化符号的一个或更多比特的概率模型。这个模型可以取决于最近编码符号的统计从可用模型选择集中选择。该上下文模型存储每个是“1”或“0”的比特的概率。然后，基于实际被编码的值，对所选择的模型进行更新。应用后验信息，即来自相邻的(时间/空间上的)符号的相关数据，以改进原始先验符号分布，连同如上所述的描述信道条件的条件PDF，能够被用来表述用于对有错的CABAC符号进行熵解码的MAP最优化方法。

所公开的例子的各方面包括、但并不限于以下的描述。

一种用于纠错的方法，包括：接收比特流，该比特流包括一个或更多比特；确定该比特流是否有一个或更多受损比特；确定一个或更多表示错误模式的假设；以及为每个假设指派一个概率，其中基于一个或更多参考数据来确定该概率。

一种用于纠错的装置，包括：用于接收比特流的模块，该比特流包括一个或更多比特；用于确定该比特流是否有一个或更多受损比特的模块；用于确定一个或更多表示错误模式的假设的模块；以及用于为每个假设指派一个概率的模块，其中基于一个或更多参考数据来确定该概率。

一种用于纠错的电子设备，用于：接收比特流，该比特流包括一个或更多比特；确定该比特流是否有一个或更多受损比特；确定一个或更多表示错误模式的假设；以及为每个假设指派一个概率，其中基于一个或更多参考数据来确定该概率。

一种计算机可读介质，包含用于使计算机执行一种方法的模块，所述方法包括：接收比特流，该比特流包括一个或更多比特；确定该比特流是否有一个或更多受损比特；确定一个或更多表示错误模式的假设；以及为每个假设指派一个概率，其中基于一个或更多参考数据来确定该概率。

本领域的普通技术人员还能理解，结合这里所公开的例子说明的各种说明性的逻辑块、模块、电路、以及算法步骤可以用电子硬件、计算机软件或者它们的组合来实现。为了清楚说明硬件和软件的互换性，以上通常就其功能性说明了各种说明性的部件、功能块、模块、电路以及步骤。根据施加在整个系统上的特定应用和设计约束来确定是用硬件还是软件实现这样的功能性。针对每个特定应用，专业技术人员可以以各种方式实现上述功能性，但是这样的实现决策不应被解释为其使得偏离了本发明的范围。

结合这里所公开的例子说明的各种说明性的逻辑块、模块以及电路可以采用通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列或其它可编程逻辑器件、分立门或晶体管逻辑、分立硬件部件或者设计用来执行这里所说明的功能的上述部件的任意组合来实现或执行。通用处理器可以是微处理器，但是作为选择，该处理器可以是任何常规处理器、控制器、微控制器或者状态机。处理器也可以用计算设备的组合来实现，举例来说，DSP和微处理器的组合、多个微处理器、结合DSP内核的一个或多个微处理器、或者任何其它这样的配置。

结合这里所公开的例子说明的方法或算法的步骤可以直接用硬件、处理器执行的软件模块或者两者的组合来体现。软件模块可以存在于RAM存储器、闪速存储器、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或者任何其它形式的本领域已知的存储介质中。示例性的存储介质被连接到处理器上，这样，处理器能够从存储介质中读取信息，也能够向存储介质写入信息。作为选择，存储介质可以集成到处理器中。处理器和存储介质可以存在于专用集成电路(ASIC)中。ASIC可以存在于无线调制解调器中。作为选择，处理器和存储介质可以作为分立部件存在于无线调制解调器中。

因此，本发明描述了一种用于提供改善的纠错能力的方法和装置，这是通过执行最大后验概率(MAP)框架内的最优化问题表述，并且对其求解以确定有关熵编码符号的假设的似然而实现的，其中所述熵编码符号的表示是受损的，带有出错的比特。

Claims (34)

1、一种用于纠错的方法，包括：

接收比特流，所述比特流包括一个或更多比特；

确定所述比特流是否有一个或更多受损比特；

确定一个或更多表示错误模式的假设；并且

为所述假设中的每一个指定概率，其中，基于一个或更多参考数据来确定所述概率。

2、根据权利要求1所述的方法，还包括：

对未受损比特进行解码；并且

其中，所述参考数据包括所解码的未受损比特中的一个或更多比特。

3、根据权利要求1所述的方法，还包括：

基于对信道条件进行测量来确定先验概率分布函数；并且

其中，所述参考数据包括所述先验概率分布函数。

4、根据权利要求1所述的方法，还包括：

对一个或更多帧中的未受损比特进行解码；并且

其中，所述参考数据包括所解码的未受损比特中的一个或更多比特。

5、根据权利要求1所述的方法，还包括：

对包含所述受损比特的帧中的未受损比特进行解码；并且

其中，所述参考数据包括所解码的未受损比特中的一个或更多比特。

6、根据权利要求1所述的方法，还包括：

对未受损比特进行解码；

确定所述假设之一在所述未受损比特之内导致句法或语义故障；并且

指定导致所述故障的所述假设概率为零。

7、根据权利要求1所述的方法，其中，确定所述假设还包括：

为构成一个编码符号的一组比特确定所述假设。

8、根据权利要求1所述的方法，其中，确定所述假设还包括：

为构成一个编码符号的一组比特确定所述假设，其中，所述编码符号是从由宏模块类型、量化参数、帧内预测方向、运动矢量、DC系数和AC系数组成的组中选出的。

9、根据权利要求1所述的方法，还包括：

对一个或更多片中的未受损比特进行解码；并且

其中，所述参考数据包括所解码的未受损比特中的一个或更多比特。

10、根据权利要求1所述的方法，还包括：

使用从由比特错误串距离、错误突发长度、被删除的分组的比特错误的平均数、没有比特错误的相邻字节、用户数据字段以及接收到的分组的错误特征组成的组中选出的信息，确定不正确接收的符号的概率分布；并且

其中，所述参考数据包括所述概率分布。

11、根据权利要求1所述的方法，还包括：

通过无线网络接收所述比特流。

12、一种用于纠错的装置，包括：

用于接收比特流的模块，所述比特流包括一个或更多比特；

用于确定所述比特流是否有一个或更多受损比特的模块；

用于确定一个或更多表示错误模式的假设的模块；以及

用于为所述假设中的每一个指定概率的模块，其中，基于一个或更多参考数据来确定所述概率。

13、根据权利要求12所述的装置，还包括：

用于对未受损比特进行解码的模块；并且

其中，所述参考数据包括所解码的未受损比特中的一个或更多比特。

14、根据权利要求12所述的装置，还包括：

用于基于对信道条件进行测量来确定先验概率分布函数的模块；并且

其中，所述参考数据包括所述先验概率分布函数。

15、根据权利要求12所述的装置，还包括：

用于对一个或更多帧中的未受损比特进行解码的模块；并且

其中，所述参考数据包括所解码的未受损比特中的一个或更多比特。

16、根据权利要求12所述的装置，还包括：

用于对包含所述受损比特的帧中的未受损比特进行解码的模块；并且

其中，所述参考数据包括所解码的未受损比特中的一个或更多比特。

17、根据权利要求12所述的装置，还包括：

用于对未受损比特进行解码的模块；

用于确定所述假设之一在所述未受损比特之内导致句法或语义故障的模块；以及

用于指定导致所述故障的所述假设概率为零的模块。

18、根据权利要求12所述的装置，其中，确定所述假设还包括：

用于为构成一个编码符号的一组比特确定所述假设的模块。

19、根据权利要求12所述的装置，其中，确定所述假设还包括：

用于为构成一个编码符号的一组比特确定所述假设的模块，其中，所述编码符号是从由宏模块类型、量化参数、帧内预测方向、运动矢量、DC系数和AC系数组成的组中选出的。

20、根据权利要求12所述的装置，还包括：

用于对一个或更多片中的未受损比特进行解码的模块；并且

其中，所述参考数据包括所解码的未受损比特中的一个或更多比特。

21、根据权利要求12所述的装置，还包括：

用于使用从由比特错误串距离、错误突发长度、被删除的分组的比特错误的平均数、没有比特错误的相邻字节、用户数据字段以及接收到的分组的错误特征组成的组中选出的信息，确定不正确接收的符号的概率分布的模块；并且

其中，所述参考数据包括所述概率分布。

22、根据权利要求12所述的装置，还包括：

用于通过无线网络接收所述比特流的模块。

23、一种用于纠错的电子设备，所述电子设备用于：接收比特流，所述比特流包括一个或更多比特；确定所述比特流是否有一个或更多受损比特；确定一个或更多表示错误模式的假设；并且为所述假设中的每一个指定概率，其中，基于一个或更多参考数据来确定所述概率。

24、根据权利要求23所述的电子设备，还用于对未受损比特进行解码，并且其中，所述参考数据包括所解码的未受损比特中的一个或更多比特。

25、根据权利要求23所述的电子设备，还用于基于对信道条件进行测量来确定先验概率分布函数，并且其中，所述参考数据包括所述先验概率分布函数。

26、根据权利要求23所述的电子设备，还用于对一个或更多帧中的未受损比特进行解码，并且其中，所述参考数据包括所解码的未受损比特中的一个或更多比特。

27、根据权利要求1所述的电子设备，还用于对包含所述受损比特的帧中的未受损比特进行解码，并且其中，所述参考数据包括所解码的未受损比特中的一个或更多比特。

28、根据权利要求23所述的电子设备，还用于对未受损比特进行解码，确定所述假设之一在所述未受损比特之内导致句法或语义故障，并且指定导致所述故障的所述假设概率为零。

29、根据权利要求23所述的电子设备，还用于为构成一个编码符号的一组比特确定所述假设。

30、根据权利要求23所述的电子设备，还用于为构成一个编码符号的一组比特确定所述假设，其中，所述编码符号是从由宏模块类型、量化参数、帧内预测方向、运动矢量、DC系数和AC系数组成的组中选出的。

31、根据权利要求23所述的电子设备，还用于对一个或更多片中的未受损比特进行解码，并且其中，所述参考数据包括所解码的未受损比特中的一个或更多比特。

32、根据权利要求23所述的电子设备，还用于使用从由比特错误串距离、错误突发长度、被删除的分组的比特错误的平均数、没有比特错误的相邻字节、用户数据字段以及接收到的分组的错误特征组成的组中选出的信息，确定不正确接收的符号的概率分布，并且其中，所述参考数据包括所述概率分布。

33、根据权利要求23所述的电子设备，还用于通过无线网络接收所述比特流。

34、一种包含用于使计算机执行一种方法的模块的计算机可读介质，所述方法包括：

接收比特流，所述比特流包括一个或更多比特；

确定所述比特流是否有一个或更多受损比特；

确定一个或更多表示错误模式的假设；并且

为所述假设中的每一个指定概率，其中，基于一个或更多参考数据来确定所述概率。

Images