[发明专利]一种基于SLWE概率估计模型的自适应区间编码方法及解码方法

说明书

技术领域

本发明涉及利用随机学习弱估计理论(SLWE)进行信源概率估计的自适应区间编码及解码技术。

背景技术

随着信息产业和多媒体技术的蓬勃发展，每天产生的数据量越来越巨大，为了节省存储空间和传输带宽，迫切需要各种数据压缩技术的发展。熵编码属于数据压缩技术中的一种，也是很多国际压缩标准中的关键一环，在数据压缩领域占有重要的地位。其理论基础为香农的信息论，主要通过去除数据中的统计冗余达到压缩数据的目的，可压缩到的理论极限为待压缩数据的香农熵。目前常见的熵编码方法有Huffman编码、算术编码、区间编码等，其中算术编码和区间编码由于可以用小数位比特编码每个字符，因而编码性能更高，二者中又因为区间编码不受专利的限制，因而吸引了越来越多的人对其进行研究。

除了编码速度、存储空间等工程实现方面的因素以外，理论上影响熵编码性能的关键在于编码过程中编码器对信源概率特性的估计与信源的实际情况是否一致，当估计值与真实情况完全一致时，理论上能达到该信源的压缩极限，即香农熵值，熵编码器中主要依靠概率估计模型对信源进行概率估计。对于区间编码来说，依照概率估计过程中需要事先遍历全部待压缩数据或仅依靠已经编码完的数据，可分为静态区间编码和自适应区间编码，其中自适应模式由于不需要事先遍历数据，因而应用范围更广。现阶段的自适应区间编码主要利用基于最大似然的参数估计思想，即以累积频率逼近概率的方式对信源特性进行估计，当信源特性发生变化时，其估计效果较差，影响最终的编码性能，其根本原因是最大似然参数估计法属于强估计方法，算法收敛之后很难再随环境改变。近年来，一大类弱估计算法的涌现为这一问题的解决提供了新的思路，其中较具有代表性的一种弱估计算法为随机学习弱估计法(SLWE)，它能有效地解决非平稳环境下二项分布和多项分布的参数估计问题，并且估计方式简单，易于实现。

发明内容

本发明是为了解决现有的区间编码在信源特性不断改变的环境下编码性能降低的问题，从而提出一种基于SLWE概率估计模型的自适应区间编码方法及解码方法。

一种基于SLWE概率估计模型的自适应区间编码方法，

步骤一、统计信源的基本信息，所述基本信息包括：待编码数据长度BSIZE、符号最大值ma、符号最小值mi、符号种类数N，所述各符号的种类分别用索引0，…，N-1表示；

步骤二、初始化区间上界R_ini和区间下界L_ini，初始化各个符号占据的初始区间长度range[0],...,range[N-1]，以数组形式保存，初始化区间规格化时的临界阈值Range₀；

步骤三、根据读入字符计算累积区间长度：初始化原始累积区间长度Cumrange为0，根据当前待编码字符索引j，计算累积区间长度Cumrange；

步骤四、编码和区间规格化：根据当前待编码字符种类的索引对原始累积区间进行更新，当更新后的累积区间长度小于临界阈值Range₀时，或以字节为单位比较更新后的累积区间的上界和下界，当上界和下界的高位字节相等时，移出高位的字节作为输出码流，同时对区间进行规格化处理；并计算编码后区间和编码前区间的比值m；

步骤五、更新概率估计表；根据SLWE算法对各字符所在区间的大小进行更新，具体过程如下：

步骤五一、根据信源基本信息，设置最小概率p_min，并根据当前总区间大小Range计算各字符所在区间的下限R_min＝Range·p_min，初始化学习因子λ，定义变量Sum_range＝0；

步骤五二、根据公式：

range[i]←max(range[i]·m·λ,R_min)

依次计算序号为i＝0,...,N-1且i≠j的字符所占累积区间的大小；

步骤五三、根据公式：

计算除了序号j的剩余字符所占区间的和；

步骤五四、根据公式：

range[j]←Range-Sum_range

更新序号j字符所占的区间；

步骤六、根据步骤三至五的方式，对所有待编码数据进行编码；当已编码字符数量等于待编码数据长度BSIZE时，则编码结束，并移出映射区间内所有的位。

在编码结束后，分别将码流和待编码数据的相关信息以文件形式保存。

一种基于SLWE概率估计模型的自适应区间解码方法，