[发明专利]一种混合的分布式信源编码、解码方法及系统

说明书

本发明涉及一种混合的分布式信源编码、解码方法及系统，具体涉及通信数据传输技术领域。所述解码方法包括：对待解码信源序列的抽取子序列码字进行解码得到重构抽取子序列；利用双边对称的Context模型根据重构抽取子序列和待解码信源序列的边信息序列，得到未抽取子序列中各符号的条件分布；根据未抽取子序列中各符号的条件分布和待解码信源序列的未抽取子序列的伴随式进行解码，得到重构未抽取子序列；将重构抽取子序列和重构未抽取子序列进行合并得到待解码信源序列。本发明的要点是在基于信道码的分布式信源编码方案中利用信源序列内部相邻符号间的相关性来进一步提高压缩性能。

技术领域

本发明涉及通信数据传输技术领域，特别是涉及一种混合的分布式信源编码、解码方法及系统。

背景技术

分布式信源编码(distributed source coding,DSC)是指压缩两个或多个彼此间不相互通信的相关信源的问题。DSC可以用于无线传感器网络、图像识别和视频压缩等领域。DSC的理论是基于1973年Slepian和Wolf提出的Slepian-Wolf定理发展起来的。这个定理表明：对于两个离散相关的信源，即使只能分别对这两个信源进行独立编码，但只要这两个信源的编码比特流在解码器处都可用，那么这两个相关信源就可以进行最佳的编码。例如，有两个离散的无记忆的信源序列X和Y，其中序列Y也被称为边信息序列。在编码端，边信息序列Y以不小于其熵H(Y)的速率进行无失真编码。而信源序列X则以不小于其条件熵H(X|Y)的速率进行编码。在解码端，如果信源序列X的解码器接收到足够的关于信源序列X的压缩比特，那么解码器就能通过对接收到的关于X的比特和边信息序列Y执行联合译码来重构信源序列X。我们也称这为非对称的Slepian-Wolf问题。

为了解决非对称的Slepian-Wolf问题，一些学者将注意力集中在信源码的技术上。例如Grangetto等人将传统的算术码扩展到了分布式的情况(即分布式算术码方案)。在编码端，该方案首先通过构建基于Context的统计模型来利用信源序列内部相邻符号间的相关性。然后，信源序列X的编码器通过允许概率区间重叠以不小于其条件熵H(X|Y)的速率进行编码。这种重叠虽然使编码器获得了更高的压缩率，但同时也产生了歧义。在解码端，这种歧义引起的不确定性可能使多个消息序列对应于同一码字。为了消除这种歧义，联合解码器利用边信息序列Y的信息来恢复信源序列X。该方案通过构建基于Context的统计模型来有效地利用了信源序列内部的相关性并展示出了很好的压缩性能。然而，对于有记忆的信源序列，分布式算术码方案在利用高阶的Context模型估计信源序列X的条件概率时将会产生高度扭曲的条件分布(例如，在二进制分布中，一个符号的概率远大于另一个符号的概率)。这些高度扭曲的条件分布会使分布式算术码方案的概率区间无法进一步扩大，从而使分布式算术码方案无法充分利用信源间的相关性来提高压缩性能。

除了基于信源编码的技术外，现有技术还有使用信道码的技术解决非对称Slepian-Wolf问题。在2003年，Pradhan和Ramchandran提出了第一个处理非对称Slepian-Wolf问题的实用的基于信道编码的方案，它也被称为使用伴随式的分布式源编码方案。在该方案中，X表示信源序列，由于边信息序列Y是与X相关的，而这种相关性可以被视为Y序列是将信源序列X通过一个虚拟的二进制对称信道(binary symmetric channel，BSC)得到，因此，Y序列可以被视为信源序列X的“有噪”版本。编码器将信源序列X编码为关于信道码的伴随式，并将其发送到解码器。解码器在接收到伴随式后，对边信息序列Y进行“纠错”以恢复信源序列X。该方案已经通过使用Turbo码和低密度奇偶校验(low-densityparitycheck，LDPC)码的系统的各种实现来证明其巨大的应用潜力。这些基于信道码的DSC方案都通过有效地利用信源间的相关性获得了不错的压缩性能。然而，在实际的Slepian-Wolf应用中，大多数信源序列内部的相邻符号间都存在相关性。这种相关性对于提高基于DSC方案的整体性能非常重要。但这些基于信道码的DSC方案都没有考虑如何利用信源序列内部相邻符号间的相关性来进一步提高压缩性能。

发明内容