用于无人机的远距离大数据量无线通信方法
【专利摘要】本发明公开了一种既能够实现对无线视频数据的数字传输又能够对抗无线信道中的干扰问题从而提高无线传输系统传输可靠性的用于无人机的远距离大数据量无线通信方法。该方法通过将无人机拍摄的视频图像与无人机飞行过程中的性能参数叠加到一起形成视频数据；然后对视频数据进行压缩编码，最后将编码后的视频数据采用无线传输的方式传递给客户端，并且在无线传输中采用基于预测的混和自动重传请求算法进行差错控制，不但能够实现对无线视频数据的数字传输，而且采用基于预测的混和自动重传请求算法对无线传输信道进行差错控制，能够对抗无线信道中的干扰问题从而提高无线传输系统传输可靠性。适合在无线传输技术领域推广应用。
【专利说明】
用于无人机的远距离大数据量无线通信方法
技术领域
[0001] 本发明设及无线传输技术领域，尤其是一种用于无人机的远距离大数据量无线通 信方法。
【背景技术】
[0002] 要实现远距离无人机作业和现场故障判断，需要保证地面基站收到清晰稳定的图 像数据，而图像的传输数据量非常大，所W需要对远距离大数据量无线通信平台进行研究。 运里面需要解决的问题主要有:数据输速率、数据信息的抗干扰、信息压缩和通信距离。对 于远距离无线通信的研究，近年来国内外已经做了很多研究，也取得了很多成果。由于无人 机巡检输电线路应用场合比较特殊，很多铁塔都处在偏远山区或者人员稀少的地方，在运 些地方很难铺设通信网络设施。加之目前市面上的无线传输均采用基于模拟信号的图传， 由于模拟信号的数据量庞大很难实现数据远距离传输，且容易受到干扰，影响操控手判断。 其次，无线传输中如何能够对抗无线信道中的干扰问题从而提高无线传输系统传输可靠性 也是目前亟待解决的一个技术问题。为了解决该问题，目前大都是通过对无线传输中的差 错进行控制，无线传输中差错控制的方式分为S类：前向纠错（FEC ,Forward Error Correction)、检错重传（ARQ,Automatic Repeat reQuest)、混合自动重传请求（HARQ, Hybrid Automatic Repeat Request)。前向纠错(阳C)方式是发送端编码器通过加入冗余 信息的方式将所发信息编码成纠错码，在接收端，若译码器有能力纠正接收到错误信息，贝U 译码器自动对接收到的信息进行纠正。前向纠错无需将译码结果反馈给发送端，传输延迟 小，但由于接收端无法完全纠正错误时不能反馈，所W其传输可靠性得不到保障，且由于纠 错码冗余量恒定，无法适应时刻变化的信道。检错重传(ARQ)是发送端编码器将信息编码成 可检错的码，根据接收的信息是否有错误向发送端发送反馈信号。若反馈否定信号，则将该 信息重新发送;反之，则发送下一组信息。检错重传方式发送的检错码只需少许多余码元就 可W使信息可靠传输，并且能够适应变化的信道，但由于反馈信道的存在，其传输延迟有所 增大。混合自动重传请求算法化ARQ)是FEC和ARQ的结合，信息块经过无线信道到达接收端 后，如果信息块的错误数量在纠错码纠错范围内，则接收端译码器对其进行纠错;如果纠错 码的纠错能力不足W纠正信息块中的错误，则通过反馈信号请求发送端重传此信息块。 HARQ结合了ARQ和FEC的优点，在一定程度上减少了时延，提高了带宽利用率。但由于无线信 道不稳定，随时都有可能变化，产生突发错误，HARQ首次传输采用固定码率，在重传过程中 调节码率，增强纠错能力，自适应能力略有不足。
【发明内容】
[0003] 本发明所要解决的技术问题是提供一种既能够实现对无线视频数据的数字传输 又能够对抗无线信道中的干扰问题从而提高无线传输系统传输可靠性的用于无人机的远 距离大数据量无线通信方法。
[0004] 本发明解决其技术问题所采用的技术方案为:该用于无人机的远距离大数据量无 线通信方法，包括W下步骤：
[0005] Sl、将无人机拍摄的视频图像与无人机飞行过程中的性能参数叠加到一起形成视 频数据；
[0006] S2、将步骤Sl得到的视频数据进行压缩编码;所述压缩编码包括W下步骤：
[0007] S21、将视频数据进行分层处理;将视频数据分为视频编码层(V化)和网络抽象层 (NAL)，其中视频编码层用于对视频数据的内容进行压缩处理；网络抽象层用于编排数据格 式；
[0008] S22、对视频数据进行帖内预测编码;将同一视频图像分为若干宏块，然后按照分 块对视频图像进行编码处理，所述宏块是指视频编码的基本处理单元，编码宏块时，通过周 围已编码宏块来预测当前宏块的值，然后再对预测值与实际值的差值进行变换、量化和编 码；
[0009] S23、对视频数据进行帖外预测编码;所述帖外预测编码是指在连续图像帖之间的 相互编码;相邻图像帖之间编码使用多尺寸的宏块匹配和运动估计技术实现；
[0010] S24、对视频数据进行整数变换与量化处理；
[0011] S25、对视频数据进行赌编码;赌编码是指利用概率统计的方法对编码后的符号建 模，然后用数据符号来表示它。
[0012] S3、将编码后的视频数据采用无线传输的方式传递给客户端，并且在无线传输信 道中采用基于预测的混和自动重传请求算法进行差错控制。
[0013] 进一步的是，在步骤S25中，所述赌编码采用基于内容的自适应二进制算术编码。
[0014] 进一步的是，在步骤S3中，所述无线传输采用基于RTP流媒体传输协议的无线传输 方案。
[0015] 进一步的是，在步骤S3中，所述基于预测的混和自动重传请求算法包括W下步骤：
[0016] A、建立HMM模型，所述HMM模型由集合A ={A，B，JT}确定；
[0017] B、根据初始样本初始化HMM模型的参数A，B，JT;
[001引 C、通过Viterbi算法根据已知观测序列0={01，化，...，0t}计算出隐含状态序列Q ={qi,Q2, . . . , qx};
[0019] D、根据如下公式计算得到下一个隐含状态qw，所述计算公式为q町i = argmax(",,,) 1《j《6，其中，?,/表示从隐含状态QT转移到隐含状态j的概率；
[0020] E、根据如下公式计算得到隐含状态QT+1所对应的观测符号化+1，所述计算公式为 巧'+1二arg max(/7,,: i J116，其中，砖表示隐含状态为QT+1时产生观测状态为k的概率；
[0021] F、当前时刻为第t秒，计算第t+1秒RS编码所需的监督元数量UW，确定编码方案， 如果UW超过设定的最大监督元数量，则W最大监督元数量作为编码方案;如果UW低于设 定的最小监督元数量，则W最小监督元数量作为编码方案;所述第t+1秒RS编码所需的监督 元数量ut+i = Int(utX山,t+i)+l，
为t秒时RS码监督元数量；
[0022] G、判断译码是否成功，如果不成功且传输次数已达到设定的最大传输次数则放弃 传输;如果不成功且传输次数小于最大传输次数，则增加监督元数量后再次传输;如果监督 元数量高于上限或低于下限，则W最大监督元数或最小监督元数为编码方案；
[0023] H、经过一段时间T，得到新的观测样本，然后根据新的观测样本利用Baum-Welch算 法重新估计HMM参数A，B，JT，重复步骤C至步骤H。
[0024] 进一步的是，利用Ba皿-Welch算法重新估计HMM参数A,B,JT的具体方法如下；
[0025] Sl、通过观测样本得到该观测样本初始时刻隐含状态Si的概率分布JI= {p{qi = Si}}，l《i《6;
[0026] 82、定义前向变量:曰*(;〇=口(〇1〇2...〇1；地=51|人），曰*(;〇表示在上一次更新的歷1 模型入基础上，t时刻的状态Si从开始至Ijt时刻观测序列为〇1，〇2,.. .Ot的概率；
[0027] S3、定义后向变量:0t(i)=p{Ot+iOt+2. ..Orkt = Si,A}，0t(i)表示在上一次更新的 HMM模型A基础上，t时刻状态Si从t+1时刻到最后时刻观测序列为0t+i，0t+2,. . .，〇T的概率； [002引 S4、在上一次更新的HMM模型A基础上，t时刻状态为Si, t+1时刻状态为Sj的概率为
[0029]
[0030] 其中，aij = p{qt+i = Sj I qt = Si}，，j《N，au表示从状态i转换到状态j的概率； 其中，bj (Ot+i)为状态为Sj时产生观测符号Ot+i的概率;(j) =P {Ot+2〇t+3-〇T Iqt = Sj，入}， 0t+i( j)表示在上一次更新的HMM模型A基础上，t+1时刻状态Sj从t+2时刻到最后时刻观测序 列为Ot+2〇t+3' ? 'Ot的概率；
[0031 ] S5、通过如下公式计算得到rtQ)，
-t(i)表示在上 一次更新的HMM模型A基础上，t时刻状态为Si的概率；
[0032] S6、分别通过如下计算公式得到31，^，可A:}，所述公式如下所述：
[0033]
rt(j)表示在上一次更新的HMM模 型入基础上，t时刻状态为Sj的概率；
[0034] S7、对计算得出的观测值概率^进行判断，若计算得出的观测值概率完设有达到 阔值，重复步骤Sl至S6,直到计算得出的观测值^概率达到阔值，则该^ W及所对应的 马，可'*)即为HMM重新估计的参数A，B，3i。
[0035] 本发明的有益效果:该用于无人机的远距离大数据量无线通信方法通过将无人机 拍摄的视频图像与无人机飞行过程中的性能参数叠加到一起形成视频数据;然后对视频数 据进行压缩编码，最后将编码后的视频数据采用无线传输的方式传递给客户端，并且在无 线传输中采用基于预测的混和自动重传请求算法进行差错控制，不但能够实现对无线视频 数据的数字传输，而且采用基于预测的混和自动重传请求算法对无线传输信道进行差错控 审IJ，降低了重传次数及误码率，提升了吞吐量增加速度，能够对抗无线信道中的干扰问题从 而提高无线传输系统传输可靠性。
【具体实施方式】
[0036] 本发明所述的用于无人机的远距离大数据量无线通信方法，包括W下步骤：
[0037] Sl、将无人机拍摄的视频图像与无人机飞行过程中的性能参数叠加到一起形成视 频数据；
[0038] S2、将步骤Sl得到的视频数据进行压缩编码;所述压缩编码包括W下步骤：
[0039] S21、将视频数据进行分层处理;将视频数据分为视频编码层(V化)和网络抽象层 (NAL)，其中视频编码层用于对视频数据的内容进行压缩处理；网络抽象层用于编排数据格 式，W便实现视频数据在不同网络中的传输；
[0040] S22、对视频数据进行帖内预测编码;将同一视频图像分为若干宏块，然后按照分 块对视频图像进行编码处理，所述宏块是指视频编码的基本处理单元，编码宏块时，通过周 围已编码宏块来预测当前宏块的值，然后再对预测值与实际值的差值进行变换、量化和编 码，运种对预测误差编码的操作效率很高；
[0041] S23、对视频数据进行帖外预测编码;所述帖外预测编码是指在连续图像帖之间的 相互编码；因为在连续的视频画面中，相邻的两幅视频画面之间通常十分相似，把当前图像 和前一帖图像相减获得图像差值，再对图像差值进行编码，压缩效率会很高，一帖的像素来 代替当前画面的像素，但运样视频图像质量将会变差，相邻图像帖之间编码使用多尺寸的 宏块匹配和运动估计技术，宏块尺寸可W根据顿间画面不同选取16*16像素或者更小的4*4 像素块，再加上高精度的运动补偿和多帖预测，有效提高编码率；
[0042] S24、对视频数据进行整数变换与量化处理，根据压缩的数据类型不同采用不同的 变换方式，通过不同的变换方式达到较高的压缩率，提供32种量化步长，为编码率和图像质 量相互调整听灵活性，增强码率控制能力，通过步长来达到控制码流的目的，保证视频传输 不延迟；
[0043] S25、对视频数据进行赌编码;对视频画面进行编码后，原始视频数据信号就变成 了一些列的代码符号，赌编码就是利用概率统计的方法对编码后的符号建模，然后用数据 符号来表示它，运样可W进一步减少最终的码率；
[0044] S3、将编码后的视频数据采用无线传输的方式传递给客户端，并且在无线传输信 道中采用基于预测的混和自动重传请求算法进行差错控制。
[0045] 该用于无人机的远距离大数据量无线通信方法通过将无人机拍摄的视频图像与 无人机飞行过程中的性能参数叠加到一起形成视频数据;然后对视频数据进行压缩编码， 最后将编码后的视频数据采用无线传输的方式传递给客户端，并且在无线传输中采用基于 预测的混和自动重传请求算法进行差错控制，不但能够实现对无线视频数据的数字传输， 而且采用基于预测的混和自动重传请求算法对无线传输信道进行差错控制，降低了重传次 数及误码率，提升了吞吐量增加速度，能够对抗无线信道中的干扰问题从而提高无线传输 系统传输可靠性。
[0046] 在步骤S25中，所述赌编码技术可W采用基于内容的自适应变长编码(CA化C)，也 可W采用基于内容的自适应二进制算术编码(CABAC)，作为优选的，所述赌编码采用基于内 容的自适应二进制算术编码。
[0047] 另外，在步骤S3中，所述无线传输采用基于RTP流媒体传输协议的无线传输方案。 RTP协议首先将编码后的流媒体数据加上RTP头后向下发送到传输层UDP层，在UDP层加上 UDP头后发送到网络IP层，最后在网络IP层加上IP头后才通过网络传输客户端
[0048] 再者，在步骤S3中，所述基于预测的混和自动重传请求算法包括W下步骤：
[0049] A、建立HMM模型，所述HMM模型由集合A ={A，B，JT}确定；
[0050] B、根据初始样本初始化HMM模型的参数A，B，JT;
[0051] C、通过Viterbi算法根据已知观测序列0={〇1，化，...，0t}计算出隐含状态序列Q ={qi,Q2, . . . , qx};
[0化2] D、根据如下公式计算得到下一个隐含状态qw，所述计算公式为qw=argmax(",,,;) 1《j《6，其中，表示从隐含状态QT转移到隐含状态j的概率；
[0053] E、根据如下公式计算得到隐含状态qm所对应的观测符号化+1，所述计算公式为 a 11二arg) 116，其中，鸣。,*表示隐含状态为QT+1时产生观测状态为k的概率； [0化4] F、当前时刻为第t秒，计算第t+1秒RS编码所需的监督元数量UW，确定编码方案， 如果UW超过设定的最大监督元数量，则W最大监督元数量作为编码方案;如果UW低于设 定的最小监督元数量，则W最小监督元数量作为编码方案;所述第t+1秒RS编码所需的监督 元数量ut+i = Int(utXdt,t+i) + l
It为t秒时RS码监督元数量;其中，IntO表示向 下取整运算，设定最大及最小监督元数目；
[0055] 丢包率为信道状态的一种反应，丢包率的变化意味着信道状态的变化，同时误码 率也会随信道状态的变化而变化，所W，误码率与丢包率存在正相关关系，根据不同时刻丢 包率所对应观测符号的比值动态调节监督元数量，RS码编译码简单，且给定码长n和纠错能 力m时，能直接确定一个RS码，适合预先设定码的纠错能力，对于RS码，2m个监督元，可W纠 正m个错误；
[0056] G、判断译码是否成功，如果不成功且传输次数已达到设定的最大传输次数则放弃 传输;如果不成功且传输次数小于最大传输次数，则增加监督元数量后再次传输;如果监督 元数量高于上限或低于下限，则W最大监督元数或最小监督元数为编码方案；
[0057] H、经过一段时间T，得到新的观测样本，然后根据新的观测样本利用Baum-Welch算 法重新估计HMM参数A，B，JT，重复步骤C至步骤H。
[005引该用于无人机的远距离大数据量无线通信方法通过对无线信道RS码监督元数量 的预测动态调节HARQ传输中编码方案，并通过RS码监督元数量的比值关系确定下一时刻所 采用的RS编码方案，该算法降低了重传次数及误码率，提升了吞吐量增加速度，相对传统的 HARQ算法有较优越的性能。
[0化9] 在上述实施方式中，利用Baum-Welch算法重新估计HMM参数A, B, JT的具体方法如 下：
[0060] Sl、通过观测样本得到该观测样本初始时刻隐含状态Si的概率分布JI= {p{qi = Si}}，l《i《6;
[0061 ] 82、定义前向变量:叫（；〇=口(〇1〇2...〇*地=51|人），叫（；〇表示在上一次更新的歷1 模型入基础上，t时刻的状态Si从开始至Ijt时刻观测序列为〇1，〇2,.. .Ot的概率；
[00创 S3、定义后向变量:0t(i)=p{0t+i0t+2. . .Orkt = Si,A}，0t(i)表示在上一次更新的 HMM模型A基础上，t时刻状态Si从t+1时刻到最后时刻观测序列为0t+i，0t+2,. . .，0T的概率；
[0063] S4、在上一次更新的HMM模型A基础上，t时刻状态为Si, t+1时刻状态为Sj的概率为
[0064]
[0065] 其中，aij = p{qt+i = Sj I qt = Si}，，j《N，au表示从状态i转换到状态j的概率； 其中，bj (Ot+I)为状态为Sj时产生观测符号Ot+I的概率;(j ) =P {Ot+2〇t+3-〇T Iqt = Sj，入}， 0t+i( j)表示在上一次更新的HMM模型A基础上，t+1时刻状态Sj从t+2时刻到最后时刻观测序 列为Ot+2〇t+3' ? 'Ot的概率；
[0066] S5、通过如下公式计算得到rtQ) rt(i)表示在上 一次更新的HMM模型A基础上，t时刻状态为Si的概率；
[0067] S6、分别通过如下计算公式得到，:写，与烤)，所述公式如下所述：
[00側
't(j)表示在上一次更新的HMM模 型入基础上，t时刻状态为Sj的概率；
[0069] S7、对计算得出的观测值概率之进行判断，若计算得出的观测值概率之没有达到阔 值，重复步骤Sl至S6,直到计算得出的观测值占概率达到阔值，则该之W及所对应的 I；，与脚即为HMM重新估计的参数A，B，3i。
[0070] 该基于预测的混和自动重传请求算法通过对无线信道RS码监督元数量的预测动 态调节HARQ传输中编码方案，并通过观测状态所对应的观测符号的比值关系确定下一时刻 所采用的RS编码方案，该算法降低了重传次数及误码率，提升了吞吐量增加速度，相对传统 的HARQ算法有较优越的性能。
[0071 ]在上述实施方式中，所述HMM模型由五个元素来表示：
[0072] 1)隐含状态S，隐含状态是不可见的，隐含状态集合可W表示为S={Si，S2,...， Sn} ,t时刻的状态表不为qt;
[0073] 2)隐含状态所对应的观测序列0;观测序列集合可表示为0={〇1，化，...，0m};
[0074] 3)状态转移矩阵A= {aij}NN,其中，aij = p{qt+i = Sj qt = Si}, , j《N,即从状态i 转换到状态j的概率；
[007引 4)观测符号概率分布矩阵B={bjk}NM，其中，b化={Ok|qt = Sj}，l《j《N，l《k《M。 表示状态为&时产生观测状态为k的概率；
[0076] 5)初始状态分布3T={jii}，其中，jii = p{qi = Si}
[0077] -个HMM模型可由集合A={A，B，3t}确定。
【主权项】
1. 用于无人机的远距离大数据量无线通信方法，其特征在于包括W下步骤： 51、 将无人机拍摄的视频图像与无人机飞行过程中的性能参数叠加到一起形成视频数 据； 52、 将步骤S1得到的视频数据进行压缩编码;所述压缩编码包括W下步骤： 521、 将视频数据进行分层处理；将视频数据分为视频编码层（V化）和网络抽象层 (NAL)，其中视频编码层用于对视频数据的内容进行压缩处理；网络抽象层用于编排数据格 式； 522、 对视频数据进行帖内预测编码;将同一视频图像分为若干宏块，然后按照分块对 视频图像进行编码处理，所述宏块是指视频编码的基本处理单元，编码宏块时，通过周围已 编码宏块来预测当前宏块的值，然后再对预测值与实际值的差值进行变换、量化和编码； 523、 对视频数据进行帖外预测编码;所述帖外预测编码是指在连续图像帖之间的相互 编码;相邻图像帖之间编码使用多尺寸的宏块匹配和运动估计技术实现； 524、 对视频数据进行整数变换与量化处理； 525、 对视频数据进行赌编码;赌编码是指利用概率统计的方法对编码后的符号建模， 然后用数据符号来表示它。 53、 将编码后的视频数据采用无线传输的方式传递给客户端，并且在无线传输信道中 采用基于预测的混和自动重传请求算法进行差错控制。2. 如权利要求1所述的用于无人机的远距离大数据量无线通信方法，其特征在于:在步 骤S25中，所述赌编码采用基于内容的自适应二进制算术编码。3. 如权利要求2所述的用于无人机的远距离大数据量无线通信方法，其特征在于:在步 骤S3中，所述无线传输采用基于RTP流媒体传输协议的无线传输方案。4. 如权利要求1所述的用于无人机的远距离大数据量无线通信方法，其特征在于:在步 骤S3中，所述基于预测的混和自动重传请求算法包括W下步骤： A、 建立HMM模型，所述HMM模型由集合λ = {A，B，31}确定； B、 根据初始样本初始化HMM模型的参数A，B，31; C、 通过Viterbi算法根据已知观测序列0={〇1，〇2, . . .，0τ}计算出隐含状态序列Q={qi， Q2 J . . . J QT}; D、 根据如下公式计算得至Ij下一个隐含状态啊，所述计算公式为％+1 = a塔,) 1 y空6 .， 其中，而·/表示从隐含状态qT转移到隐含状态j的概率； E、 根据如下公式计算得到隐含状态QT + 1所对应的观测符号Οτ + 1，所述计算公式为 0, II ^argmaxA,. 其中，馬,表示隐含状态为QT+1时产生观测状态为k的概率； F、 当前时刻为第t秒，计算第t+1秒RS编码所需的监督元数量UW，确定编码方案，如果 Ut+l超过设定的最大监督元数量，则W最大监督元数量作为编码方案；如果UW低于设定的 最小监督元数量，则W最小监督元数量作为编码方案;所述第t+1秒RS编码所需的监督元数 量Ut+1 = Int(utX山,t+i)+l，d,,ii 二为t秒时RS码监督元数量； G、 判断译码是否成功，如果不成功且传输次数已达到设定的最大传输次数则放弃传 输;如果不成功且传输次数小于最大传输次数，则增加监督元数量后再次传输;如果监督元 数量高于上限或低于下限，则w最大监督元数或最小监督元数为编码方案； H、经过一段时间τ，得到新的观测样本，然后根据新的观测样本利用Baum-Welch算法重 新估计HMM参数A，B，31，重复步骤C至步骤H。5.如权利要求4所述的用于无人机的远距离大数据量无线通信方法，其特征在于:利用 Ba皿-We 1 ch算法重新估计HMM参数A, B, π的具体方法如下； S1、通过观测样本得到该观测样本初始时刻隐含状态Si的概率分布3!={p{qi = Si}}，l 82、定义前向变量:日*(;〇=口(〇1〇2...〇1；，9* = 51|人），日*(;〇表示在上一次更新的曲慰模型入 基础上，t时刻的状态Si从开始到t时刻观测序列为〇1，〇2, . . .Ot的概率； 53、 定义后向变量:0t(i)=p{Ot+iOt+2. . .〇T|qt = Si,A}，0t(i)表示在上一次更新的HMM模 型λ基础上，t时刻状态Si从t+1时刻到最后时刻观测序列为0t+i，0t+2,...，化的概率； 54、 在上一次更新的HMM模型入基础上，t时刻状态为Si，t+1时刻状态为Sj的概率为其中，aij = p{qt+i = Sj I qt = Si}，l《i，j《N，au表示从状态i转换到状态j的概率;其中， bj(0t+i)为状态为 Sj时产生观测符号 Ot+i 的概率;i3t+i(j)=p{Ot+2〇t+3-〇T|qt = Sj，A}，ew(j) 表示在上一次更新的HMM模型λ基础上，t+1时刻状态Sj从t+2时刻到最后时刻观测序列为 Ot+2〇t+3 · · ?τ的概率； 55、 通过如下公式计算得到rt(i):rt(i)表示在上一次 更新的HMM模型λ基础上，t时刻状态为Si的概率； 56、 分别通过如下计算公式得到31，I；，而A).所述公式如下所述：，t(j)表示在上一次更新的HMM模型入基 础上，t时刻状态为Sj的概率； 57、 对计算得出的观测值概率之进行判断，若计算得出的观测值概率之没有达到阔值， 重复步骤S1至S6，直到计算得出的观测值之概率达到阔值，则该品W及所对应的^?^炸） 即为HMM重新估计的参数A，B，31。
【文档编号】H04N19/42GK105979264SQ201610242661
【公开日】2016年9月28日
【申请日】2016年4月19日
【发明人】张瑜, 董鹤飞
【申请人】成都翼比特自动化设备有限公司