基于残差分布式压缩感知的视频软组播方法
【技术领域】
[0001] 本发明属于视频编解码和无线传输技术领域，具体涉及一种基于残差分布式压缩 感知的视频软组播方法。
【背景技术】
[0002] 随着无线网络发展，各种广播服务得到了快速的发展，如移动电视、新闻广播、多 媒体共享，进行实时可靠的无线视频传输已成为必然需求。无线组播的目的是将同一个编 码的视频流传输给多个用户，然而大量异构用户面临的不同信道状况和不同的实际接受能 力，因此，如何在无线环境中实现数据同时传输到多个用户成为无线组播技术的关键。
[0003] 传统的无线视频组播常采用两种信源编码框架，分别是分层编码和多描述视频编 码方法。无线视频传输时，分层编码不能选择分层和码率，信道的连续变化会引起视频产生 悬崖效应，即：当噪声的能量大于一定的阈值，视频码流会导致传输损失和错误，导致解码 失败。多描述编码框架只能发出一个特定的信源码率，只有与发送码率匹配的接受用户才 能恢复视频，不能满足多个接收者同时享受视频的要求。Jakubczak等提出了一种新无线视 频软组播（SoftCast)，SoftCast传输的不再是被编码的二进制码流，而是经过编码后的实 数序列，简单的星座图映射在0FDM中信道传输，消除了悬崖效应。范晓鹏等在SoftCast的 基础上提出了DCast，利用了帧间相关性，提高了SoftCast性能。但是编码后的码流被打包 时，每个包里的数据仍有重要性区分，不同用户在丢包时仍然有重要性区分，不符合组播的 特性。
[0004] 压缩传感（CompressedSensing，CS)是近几年内刚刚发展起来的一种新颖的信号 处理方法。CS理论指出，只要信号是可压缩的或在某个变换域是稀疏的，那么就可以用一个 与变换基不相关的观测矩阵将变换所得的高维信号投影到一个低维空间上，然后通过求解 一个优化问题就可以从这些少量的投影中以高概率重构出原始信号。其核心思想是将压缩 与采样合并进行，首先采集信号的非自适应线性投影（观测值），然后根据相应重构算法由 观测值重构原始信号。CS的优点在于信号的投影观测数据量远远小于传统采样方法所获的 数据量，突破了奈奎斯特采样定理的瓶颈，使得高分辨率信号的压缩采样成为可能。
[0005] 由于CS理论还不完善，因此在实际应用中还面临许多问题，如：观测矩阵需要的 存储空间过大，重构算法过于复杂等。对此，LuGan提出一种针对图像编码的块压缩传感 (BlockCompressedSensing，BCS)方法，采用分块观测的方式降低了观测矩阵的大小；同 时，一些快速恢复算法也被提出，如M.A.T.Figueiredo等人提出的GPSR算法、T.D.Tran等 人提出的基于结构化随机矩阵（StructurallyRandomMatrices，SRM)的快速压缩传感算 法，J.E.Fowler等人提出了基于图像的BCS-SPL算法和基于视频序列的MC-BCS-SPL算法。 但是利用压缩感知在无线视频组播中传输仍然面临很多的挑战。
【发明内容】
[0006] 本发明的目的是提供一种能够适应信道带宽变化和不同噪声信道的基于残差分 布式压缩感知的视频软组播方法，可有效地克服现有方法存在的缺点，本发明是这样实现 的，其特征在于操作步骤是：
[0007] 第一步：编码
[0008] (1)对每一帧每个像素值减去128,并将每一帧分为多个BXB大小的不重叠图像 块，B为正整数；
[0009](2)生成一个B2XB2大小的正交高斯随机矩阵作为观测阵ΦB，即<|^ (:: ;
[0010] (3)对每一个图像块进行CS全观测，如公式⑴：
[0011]yj=ΦBXj, (1)
[0012] 其中，1彡j彡MB，MB是每帧图像包含的全部块数，ΦB是第j个图像块x郝观测 矩阵，设定的观测率为1 %是第j个图像块X的观测值；
[0013] (4)将每帧中所有块的观测值组成一个集合Y1;其中1 <i<m，m为正整数，m是 一个图片组G0P的大小，t是第i个视频帧的观测值；
[0014] (5)将非参考帧的观测值减去参考帧的观测值，得到残差观测值，如公式⑵：
[0016] 其中，2彡k彡m，是非参考帧的残差观测值；
[0017] (6)计算参考帧的观测值1的协方差F/]|，并计算非参考帧的残差 观测值$的协方差謂G
[0018] 第二步：以图片组G0P为单位进行数据打包
[0019](1)从每个图片组G0P每帧每个块中取一个观测值，参考帧取其初始观测值，非参 考帧取其残差观测值，然后放入一个数据包中，据此，一个图片组G0P可以生成N=BXB个 数目的数据包；
[0020] (2)将数据包中每个观测值进行四舍五入取整，并给每个数据包分配一个索引值 SG{1./2,.-Λ?}，ν为正整数；
[0021] (3)为了更好的保护参考帧，我们需要对每个包内的参考帧观测值和非参考帧的 残差观测值进行能量分配，假设Y1>k是第1包中第k帧的全部观测值，则gl,k为其对应的能 量分配的伸缩因子，如下公式所示：
[0022] Ah=guiY1A (3)
[0025] 其中，2彡k彡m，1彡1彡ΝΛ,# 分别为参考帧和非参考帧能量分配后的观 测值，其中伸缩因子gl,k是由能量失真优化得到的；
[0026] 首先，推导得出一个包内总能量失真函数：
[0028] 而最优化能量分配的目标是最小化总失真Di，因此可以用如下公式表示：
[0030] 其约束条件为：
[0031] gu2λu+gjλh2+…+gl，m2λλλU+...+λb (8)
[0032] 其中，λ^是第m帧观测值矩阵第1行的方差；
[0033] 对公式（7)和⑶描述的优化问题，运用Matlab编程语言里面自带的fmincon函 数来求解这个优化函数；
[0034] 第三步：0FDM传输信道，包括如下步骤：
[0035] (1)以数据包为单位，将每一数据包内的每一对相邻整数值映射为一个符号，形成 一个长度为队的符号串，并将此符号串经过"串并转化"，转为大小为汉c* 的矩 阵β，l|表示向上取整，NC表示子信道的个数，如果Ns/NC不是整数，将矩阵β的最后一 列进行补零填充；
[0036] (2)对β进行反傅里叶变换IFFT，对IFFT之后的矩阵前端插入大小 力1.6 *的保护间隔得到ξ，最后再将ξ进行"并串转换"得到长度为 始:+ 16) |JVsy7\k:j的 0FDM传输符号symbol;
[0037] (3)将symbol发送进入高斯白噪声信道AWGN;
[0038] 第四步：接收端的去噪重构
[0039] (1)接收端的每个用户接受到不同数目的有噪声数据包，即带噪声的0FDM符号， 将每个包内数据经过"串并转换"，傅里叶变换（FFT)，去除保护间隔，"并串转换"；
[0040] 每个用户得到不同数目的观测值，此时观测值具有一定程度的噪声，假设η为信 道噪声，那么接收到的符号可以用以下公式表示：
[0043] 其中，2彡k彡m，1彡1彡Ν，表4和%|分别为参考帧和非参考帧接收到的观测 值；
[0044] 变换公式（9)和公式（10)得出每个包的带噪声观测值：
[0047] 其中2彡k彡m，l彡1彡N;
[0048] (2)对接收包进行解包得到每帧的带噪声观测值然后运用线性最小均方误差 LLSE来估计每帧的去噪观测值得到YasE，LLSE估计的观测值可以用如下公式表示：
[0050] 其中入,和Σ分别是观测值和噪声的协方差矩阵；
[0051] 对于丢包情况，YasE可以用如下公式去噪：<