基于变长码与算术码的联合信源信道解码方法

摘要

本发明公开了基于变长码与算术码的联合信源信道解码方法，适用于目前已被广泛使用的视频编码标准H.264视频传输，同时也适用于新一代压缩标准HEVC视频传输，以及JPEG2000的图像传输，考虑到H.264，HEVC及JPEG2000的熵编码特性，本发明主要包括两个模块，联合信源信道算术解码器及联合信源信道变长码解码器。联合信源信道算术码解码器输出的软解码信息可以作为联合信源信道变长码解码器的软输入信息，经过进一步的联合变长码格状图搜索来获得最佳的解码符号序列。同时在联合信源信道算术码解码器部分可以利用变长码的码字结构信息来删除无效搜索路径，提高解码性能，该方法计算复杂度低，延时小，适用于实际的视频及图像传输系统。

说明书

技术领域

本发明涉及一种视频，图像通信技术领域的方法，尤其涉及基于变长码与 算术码的联合信源信道解码方法。

背景技术

在传统的通信系统中，信源编码和信道编码都是分别进行的。这种设计原 则是基于香农的信源信道分离理论。但是在实际系统中，尤其是在多媒体传输 系统中，由于延迟和复杂度的限制，分离系统并不能保证系统的最优。于是， 为了提高系统性能，人们把目光集中到了信源信道联合编解码。

近年来视频压缩标准H.264得到了广泛的应用，新一代视频压缩技术HEVC 的标准也正在制定当中，它们的熵编码都是基于上下文的算术码CABAC。由于 CABAC良好的压缩性能，为H.264及H.265增色不少。但是CABAC由于其压 缩性能较高，相反冗余信息就存留较少，对误码很敏感。解码一旦出现错误比 特就会很快地误码扩散，导致重建视频质量的严重下降。因此，在误码环境下， 如何来提高CABAC的误码抵抗能力就是一个亟待解决的问题。为了能在误码环 境下提供较好的性能，H.264标准也提出了不少在编码层提高视频解码鲁棒性的 方法。虽然这些误码抵抗的方法能在编码层将误码扩散限制在较小的时域或空 域内，但是他们无法纠正传输错误，特别是当信道噪声很大的情况下，解码器 可能会产生很多错误，严重降低重建视频的质量。

CABAC的压缩有两个步骤，第一步把待压缩符号先二值化，二值化采用的 方式有一元编码，截短的一元编码，k阶Exp-Golomb编码等方式，符号序列在 二值化之后才送入基于上下文的二值算术码(CABAC)编码器，经二值算术码 编码之后的比特序列经调制被送上噪声信道，在接收端，Salma Ben等人在《IEEE trans on communication》(IEEE通信汇刊)，2009，57卷7期，pp.2014-2023上发 表了题为“improved sequential MAP estimation of CABAC encoded data with  objective adjustment of the complexity/efficiency tradeoff”，该文设计了基于CABAC 二值算数码部分的基于最大后验概率(MAP)的联合信源信道解码器，但她没 有考虑将联合解码的策略应用到反二值化处理器，其结果是，一旦从CABAC的 算术码联合解码器来的数据中有错误，用普通的反二值化处理器解码符号序列 时就会误码扩散，造成严重错误。实际上目前较常用的视频标准H.264，HEVC， 以及图像压缩标准JPEG2000都在做算数编码之前先将待压缩的符号序列转换 成二进制序列然后再做二值算术码编码，而这个二进制序列的转换就是一个变 长码编码的过程，目前的联合算数码解码都是只考虑了算数码联合解码的部分， 而在视频及图像处理中通常在算数码解码之后还要经过变长码解码的这个过程 都未涉及。由此，我们想到要设计适用于视频和图像传输的基于变长码和算数 码的联合信源信道解码器，将变长码的联合解码部分也同时考虑进来，以此进 一步提高联合解码的性能，同时也使其能应用到实际的传输系统中去。

发明内容

针对上述技术缺陷，本发明提出基于变长码与算术码的联合信源信道解码 方法。

为了解决上述技术问题，本发明的技术方案如下：

基于变长码与算术码的联合信源信道解码方法，包括对长度为N的信源符 号序列a＝{a₁，a₂，...a_i，...a_N}经过CABAC的二值化编码器做二值化编码，输出长度 为S的二进制序列b＝{b₁，b₂，...b_S}；对所述二进制序列经过CABAC的二值算术码 编码器进行二值算术码编码，输出长度为M的二进制序列x＝{x₁，x₂，...x_M}，经过 二进制相移键控BPSK调制及信道编码成序列y＝{y₁，y₂，...y_N}后送入噪声信道；

在接收端收到序列后经过信道解码得到输出信息

所述序列为序列y＝{y₁，y₂，...y_N}经过噪声信道得到的序列；

所述为x序列经噪声信道得到的序列；

包括如下步骤：

11)在联合信源信道算术码解码器通过公式(a)、公式(b)和公式(c)计算输出 序列的似然比LLR(x_i)，进而根据x_i与b_i是一一映射的关系，得到

$\left(\begin{array}{c}{\alpha }_i={\alpha }_{i-1}+{\gamma }_i\\ {\alpha }_0\left(0\right)=0\end{array}\right)i=\mathrm{1,2},...M---\left(a\right)$

$\left(\begin{array}{c}{\beta }_{i-1}=\ln \underset{{\sigma }_i}{\Sigma }\exp ({\gamma }_i+{\beta }_i),\\ B_S={\Pi }_{i=0}^{M-1}\ln P\left(x_i\right)\end{array}\right)i=\mathrm{1,2},...M---\left(b\right)$

$\mathrm{LLR}\left(x_i\right)=\ln \left[\frac{{\Sigma }_{\left({\sigma }_{i-1,{\sigma }_i}\right);x_i=1}\exp ({\alpha }_{i-1}+{\lambda }_i+{\beta }_i)}{{\Sigma }_{\left({\sigma }_{i-1,{\sigma }_i}\right);x_i=0}\exp ({\alpha }_{i-1}+{\lambda }_i+{\beta }_i)}\right]---\left(c\right)$

所述α_i＝ln A_i，β_i＝ln B_i，所述σ_i表示二叉树中的每 一个状态节点的解码状态；所述A_i-1为前向递推； $G_i({\sigma }_{i-1},{\sigma }_i)=P\{{\sigma }_i,{\hat{x}}_i/{\sigma }_{i-1}\},$G_i为σ_i-1→σ_i的分支转移概率；$B_i\left({\sigma }_i\right)=P\{{\hat{x}}_{i+1}^{\left(M\right)}/{\sigma }_i\},$B_i为 后向递推

12)联合信源信道的算术解码采用广度优先的M堆栈算法来搜索最佳路径，在每 个搜索深度i，根据公式(a)只保留N个具有最大度量的状态节点用于后续扩展， 而每一个状态节点的扩展有两条路径，一个为0，另一个为1；在扩展路径时检 测当前的解码路径上的输出序列是否是合法的后续变长码解码器的变长码码 字，若不是，则删除当前路径，当搜索深度达到二值序列的长度时搜索结束， 选择度量值最大的路径后向逐步递推就可以得到最优估计序列；

13)将步骤11)及12)后的输出结果输入到联合信源信道变长码解码器， 在所述联合信源信道变长码解码器中通过公式(d)和公式(e)来计算路径度量 值；

$P(\widetilde{b_k}=l)=\left(\begin{array}{ccc}\frac{\exp \left(\mathrm{LLR}\left(\widetilde{b_k}\right)\right)}{1+\exp \left(L\left(\widetilde{b_k}\right)\right)}& \mathrm{if}& l=0\\ \frac{1}{1+\exp \left(\mathrm{LLR}\left(\widetilde{b_k}\right)\right)}& \mathrm{if}& l=1\end{array}\right)---\left(d\right)$

$\log P\left(B\right|\tilde{B})=\underset{i=0}{\overset{S-1}{\Sigma }}[\left(\underset{j=1}{\overset{i_U}{\Sigma }}\log P\left(\widetilde{b_i^j}\right|b_i^j)\right)+\log P\left(b_i\right|b_{i-1})+V\left(\widetilde{b_i}\right)\log 2]---\left(e\right)$

14)在联合信源信道变长码解码器中采用格状图搜索方式来计算解码的最佳路 径，在格状图中在每一个比特解码时刻，将所有有效路径按度量公式(e)值进行 排序，只保留度量值最大的K条路径，当解码深度等于接收到的比特序列的长度 时，比较当前所有存留的路径，具有最大的路径度量值且其输出的解码符号数 符合编码符号数的那条路径就可以认为是最优路径，该路径通过后向递推可获 得输出解码符号序列。

进一步的，在联合信源信道变长码解码器部分，格状图搜索的后向推导过 程中如果没有一条路径具有正确的符号数，联合信源信道变长码解码器选择累 积度量值最大的路径作为联合信源信道变长码解码的输出结果。

本发明的有益效果在于：对基于CABAC编码的H.264及HEVC视频传输数据 采用融合了算术码及变长码的联合信源信道的解码方式来解码并纠正在噪声信 道中传输时导致的一些错误比特，从而获得更好的误码抵抗的性能，防止并降 低误码扩散。在联合信源信道算术码解码器的路径搜索过程中很好地利用了变 长码码字结构的特点来删除一些无效路径，达到进一步提高解码性能的目的。

附图说明

图1为本发明的联合信源信道解码器的结构框图；

图2为算术码解码树；

图3为联合信源信道变长码解码器的比特搜索框图。

具体实施方式

下面将结合附图和具体实施例对本发明做进一步的说明。

本发明提出了一种基于算术码及变长码的联合信源信道解码方案，使其能 应用到实际的视频压缩标准H.264，HEVC及图像压缩标准JPEG2000的传输系 统中。如图1所示，在发送端，含有冗余的多媒体符号序列首先经过CABAC编 码器，该编码器包括两个部分，二值化处理器及二值算术码编码器，CABAC编 码器的输出是一个二进制比特序列，然后改序列被送到下一级的信道编码及调 制模块被信道编码并调制成适合在无线信道中传输的波形，进行传输。通过噪 声信道后，在接收端，接收天线对接收到的信息序列先进行解调，及信道解码， 获得基于似然比的比特软信息序列，之后就可以对该软信息序列采用基于算术 码和变长码的联合信源信道解码方法进行解码，最终输出最佳的估计符号序列。

1、联合信源信道算术码解码器的实现。

(1)基于BCJR算法的联合信源信道算术解码

算术码的解码树示意图如图2所示。该二叉树表示了长度为M的所有可能 的码字序列x_i，树中的每一个状态节点表示解码状态σ_i，G_i(σ_i-1，σ_i)表示由x_i引 起的分支转移概率。解码器根据码字比特x_i不断的从状态σ_i-1更新到状态σ_i，并 解码得到不同长度的信源符号子序列。由此，联合算术解码的最大后验概率的 公式推导如下：

假设长度为N的信源符号序列a＝{a₁，a₂，...a_i，...a_N}经二值化变长码编码后成为长度 为S的二进制序列b＝{b₁，b₂，...b_S}，然后再进入二值算术码编码器(变长码编码)，输出 长度为M的二进制序列x＝{x₁，x₂，...x_M}，之后经BPSK调制及信道编码成序列 y＝{y₁，y₂，...y_N}，送上噪声信道，在接收端接收到的序列是经信道解码得到 软输出信息可认为是x序列经噪声信道。经变换后得到：

$P({\hat{x}}_i/x_i)=\left(\begin{array}{ccc}\frac{\exp \left(\mathrm{LLR}\left({\hat{x}}_i\right)\right)}{1+\exp \left(\mathrm{LLR}\left({\hat{x}}_i\right)\right)}& \mathrm{if}& x_i=0\\ \frac{1}{1+\exp \left(\mathrm{LLR}\left({\hat{x}}_i\right)\right)}& \mathrm{if}& x_i=1\end{array}\right)---\left(1\right)$

算术码的联合信源信道软解码就是要估计后验概率(APP)因为对于给定的接收序列，是个常数，因 此可以只计算联合概率根据贝叶斯准则，λ_i(m)可以表示为 码树中由x_i＝m引起的状态转移σ_i-1→σ_i的所有可能路径的平均，即 由于λ_i(m)的取值不仅与而且与和有关，也就是 可以把接收序列分解为从而有

${\lambda }_i\left(m\right)=\underset{({\sigma }_{i-1},{\sigma }_i):x_i=m}{\Sigma }{A}_{i-1}\left({\sigma }_{i-1}\right)G_i({\sigma }_{i-1},{\sigma }_i)B_i\left({\sigma }_i\right)---\left(2\right)$

其中$A_{i-1}\left({\sigma }_{i-1}\right)=P\{{\sigma }_{i-1},{\hat{x}}_1^{i-1}\},A_{i-1}$为前向递推；$G_i({\sigma }_{i-1},{\sigma }_i)=P\{{\sigma }_i,{\hat{x}}_i/{\sigma }_{i-1}\},G_i$为σ_i-1→σ_i的分 支转移概率；为后向递推。对于分支转移概率G_i(σ_i-1，σ_i)，由于解 码树中从状态σ_i-1更新到状态σ_i的分支正好对应于码字比特x_i，从而有

$G_i({\sigma }_{i-1},{\sigma }_i)=P\{{\sigma }_i,{\hat{x}}_i/{\sigma }_{i-1}\}=P\{{\hat{x}}_i,x_i\}=P\{{\hat{x}}_i/x_i\}P\left(x_i\right)---\left(3\right)$

假设所用的算术码是理想的，那么得到的码字比特应该是独立等概分布， 即可以认为P(x_i)≈0.5。在这种情况下，G_i(σ_i-1，σ_i)的值就只与先验概率有关， 这个先验概率也是软输入软输出联合算术码解码器的输入。

而前向A_i-1和后向B_i可以继续推导得到：

$A_i=\frac{{\Sigma }_{{\sigma }_{i-1}}{A}_{i-1}{G}_i/P\left({\hat{x}}_1^{k-1}\right)}{{\Sigma }_{{\sigma }_i}{\Sigma }_{{\sigma }_{i-1}}{A}_{i-1}{G}_i/P\left({\hat{x}}_1^{k-1}\right)}=\frac{{\Sigma }_{{\sigma }_{i-1}}{A}_{i-1}{G}_i}{{\Sigma }_{{\sigma }_i}{\Sigma }_{{\sigma }_{i-1}}{A}_{i-1}{G}_i}---\left(4\right)$

$B_{i-1}=\frac{B_{i-1}}{P({\hat{x}}_k^M/{\hat{x}}_1^{k-1})}=\frac{{\Sigma }_{{\sigma }_i}{B}_i{G}_i}{P({\hat{x}}_{k+1}^M/{\hat{x}}_1^k)P\left({\hat{x}}_1^k\right)/P\left({\hat{x}}_1^{k-1}\right)}=\frac{{\Sigma }_{{\sigma }_i}{B}_i{G}_i}{{\Sigma }_{{\sigma }_i}{\Sigma }_{{\sigma }_{i-1}}{A}_{i-1}{G}_i}---\left(5\right)$

另外代表信源二值序列的先验概率，其对应的解码路径 中止于状态σ_M。对于前向递推A_i-1和后向递推B_i可以分别通过如下所示的前后向 递推实现。

$\left(\begin{array}{c}{A}_i=A_{i-1}{G}_i\\ A_0\left(0\right)=1\end{array}\right)i=\mathrm{1,2},...M---\left(6\right)$

$\left(\begin{array}{c}{B}_{i-1}=\underset{{\sigma }_i}{\Sigma }{G}_i{B}_i\\ B_S={\Pi }_{i=0}^{M-1}P\left(x_i\right)\end{array}\right)i=\mathrm{1,2},...M---\left(7\right)$

为了简化计算，将上述公式转化为对数形式，通过对数似然比来获得最大 后验概率输出：

$\mathrm{LLR}\left({\hat{x}}_i\right)=\ln \left[\frac{{\lambda }_i(m=1)}{{\lambda }_i(m=0)}\right]=\ln \left[\frac{{\Sigma }_{\left({\sigma }_{i-1,{\sigma }_i}\right);x_i=1}{A}_{i-1}{G}_i{B}_i}{{\Sigma }_{\left({\sigma }_{i-1,{\sigma }_i}\right);x_i=0}{A}_{i-1}{G}_i{B}_i}\right]---\left(8\right)$

简化该式，分子分母同除以并令α_i＝ln A_i，β_i＝ln B_i，上式变为

$\mathrm{LLR}\left(x_i\right)=\ln \left[\frac{{\Sigma }_{\left({\sigma }_{i-1,{\sigma }_i}\right);x_i=1}\exp ({\alpha }_{i-1}+{\lambda }_i+{\beta }_i)}{{\Sigma }_{\left({\sigma }_{i-1,{\sigma }_i}\right);x_i=0}\exp ({\alpha }_{i-1}+{\lambda }_i+{\beta }_i)}\right]---\left(9\right)$

α_i-1和β_i的计算分别如下：

$\left(\begin{array}{c}{\alpha }_i={\alpha }_{i-1}+{\gamma }_i\\ {\alpha }_0\left(0\right)=0\end{array}\right)i=\mathrm{1,2},...M---\left(10\right)$

$\left(\begin{array}{c}{\beta }_{i-1}=\ln \underset{{\sigma }_i}{\Sigma }\exp ({\gamma }_i+{\beta }_i),\\ B_S={\Pi }_{i=0}^{M-1}\ln P\left(x_i\right)\end{array}\right)i=\mathrm{1,2},...M---\left(11\right)$

得到信道的先验信息γ_i和二值序列信源的先验概率P(x_i)后，依据上式(10)， (11)进行前向和后向递推，就可以获得软输出算术解码的结果LLR(x_i)。而x_i与 b_i是一一映射的关系，可根据LLR(x_i)，得到

如果依据上面的推导，直接在解码树上进行运算的话，需要用到所有长为M 的码字序列，而通常其对应的实际应用的信源序列长度都大于1000，由于路径数 目随着搜索深度成指数增长，实现这样高复杂度的运算对系统资源是一个极大 的挑战，因此，有必要重点考虑并设计删除无效路径的策略。

2、M堆栈搜索算法

算数码是二值树型码，因此，考虑采用序列搜索的方式来获得最优估计序 列。但是直接根据路径度量公式(10)在所有可能的路径中搜索最佳路径是不 现实的，因为随着解码比特长度的增加，解码树中的路径也会以指数级别快速 增加。为此，需要寻找次优的序列搜索方式。本文采用广度优先的M堆栈算法 (Multiple stack algorithm)，在每个搜索深度i，根据公式(10)只保留N个具有最大 度量的状态节点用于后续扩展，而每一个状态节点的扩展有两条路径，一个为0， 另一个为1。另外，以往的删除路径策略主要都是采用在算术码中添加禁用区间， 然后在解码端一旦检测到禁用区间就删除该路径。这种在算术码编码时添加纠 错信息的方法若应用到CABAC，势必会导致目前CABAC的概率模型的变化， 影响其编码效率。因此，不考虑在编码端添加禁用区间，而是在路径搜索过程 中，考虑到正确的解码路径应该是能够符合后续的VLC(变长码)解码的码字， 由此，在扩展路径时检测当前的解码路径上的输出序列是否是合法的vlc码字， 若不是，则删除当前路径。当该搜索深度达到二值序列的长度时搜索结束，选 择度量值最大的路径后向逐步递推就可以得到最优估计序列。

联合信源信道变长码解码器(JVLD)的实现：

从联合算数码解码器输出的比特信息还需要进行变长码联合解码。变长码 联合信源信道解码通常采用两种搜索格状图。第一个是符号受限的格状图，由 Sayood提出，(Khalid Sayood and HasanH，“Joint source/cahnnel coding for variable  length codes，”IEEE通信汇刊，2000，第48卷第5期，pp.787-794.)每一条路径 都包含相同的符号数。另一个则是比特受限的格状图，由Park提出(M.Park and  D.J.Miller，“Joint source-channel decoding for variable length encoded data by exact  and approximate MAP sequence estimation”，IEEE通信汇刊，2000，第48卷 pp.1-6.)，每一条路径都包含相同的比特数。在仿真试验中发现符号受限联合解 码的性能低于比特受限联合解码的性能。这是由于比特受限的解码精确度较符 号受限的解码精确度高。同时还发现，在比特受限的解码过程中，在每一个比 特解码时刻，若要在每一种解码状态下都保留K条最佳路径，实际上加大了要 搜索的路径复杂度，同时还限制了最佳路径的选择。基于以上考虑，提出了改 进的比特受限可变长联合解码算法，如图3所示。在每一个比特解码时刻，其 最佳的一些路径并不一定会散布于各种可能的解码状态，而有可能只存在于一 个和几个解码状态中，因此，不同于Park和Miller的删除方法，在每个解码状 态都保留若干条最优路径，采用的删除方式为在每一个比特解码时刻，将所有 有效路径进行排序，只保留最优的K条路径。示意图图3中在每一个解码时刻， 只保留各种可能的路径中的两条最佳路径。很明显，当编码符号集的数目增大 时，该方法会大大降低计算复杂度。

如图3所示，中的水平元素代表比特时间，在时间n的每一个状态代表比特 长度为n的一组符号。当解码深度达到S比特时，比较当前所有存留的路径， 具有最大的路径度量值且其输出的解码符号数符合编码符号数的那条路径就可 以认为是最优路径。

路径度量公式的导出如下所示：

假设一组信源a＝(a₀，a₁，...a_N-1)包含有N个信源符号a_i，该信源经二值算术码编码 器编码变成b＝(b₀，b₁，...b_N-1)，其中每一个a_i都被编码成不同长度的比特矢量 b_U表示b_i的比特长度。将这些比特矢量串连到一起就可以组成长度 为S的一个二进制序列。然后这个序列a通过噪声信道之后变成这 样就可以得到这个序列的后验概率：

$P\left(B\right|\tilde{B})=\underset{i=0}{\overset{S-1}{\Pi }}\frac{P\left(\widetilde{b_i}\right|b_i)P\left(b_i\right|b_{i-1})}{2^{-V\left(\widetilde{b_i}\right)}}=\underset{i=0}{\overset{S-1}{\Pi }}\frac{\left(\underset{j=1}{\overset{i_U}{\Pi }}P\left(\widetilde{b_i^j}\right|b_i^j)(P\left(b_i\right|b_{i-1}\right)}{2^{-V\left(\widetilde{b_i}\right)}}---\left(12\right)$

这里，是信道转移概率，P(b_i|b_i-1)则依赖于信源统计特性，代表编 码所需要的比特数。可以由前一级联合信源信道算术码解码器输出的软 信息经过变换之后获得。它的定义为为了将其用于 JVLD，对它做如下变换，得到

$P(\widetilde{b_k}=l)=\left(\begin{array}{ccc}\frac{\exp \left(\mathrm{LLR}\left(\widetilde{b_k}\right)\right)}{1+\exp \left(L\left(\widetilde{b_k}\right)\right)}& \mathrm{if}& l=0\\ \frac{1}{1+\exp \left(\mathrm{LLR}\left(\widetilde{b_k}\right)\right)}& \mathrm{if}& l=1\end{array}\right)---\left(13\right)$

由此，采用公式(12)的对数形式来表示路径度量标准：

$\log P\left(B\right|\tilde{B})=\underset{i=0}{\overset{S-1}{\Sigma }}[\left(\underset{j=1}{\overset{i_U}{\Sigma }}\log P\left(\widetilde{b_i^j}\right|b_i^j)\right)+\log P\left(b_i\right|b_{i-1})+V\left(\widetilde{b_i}\right)\log 2]---\left(14\right)$

这样联合信源信道可变长解码器JVLD就包含了一个前向的扩充累积路径 的过程和一个后向的回退路径搜索过程来寻找最佳的具有最大后验概率的路 径。每一条路径的度量由公式(14)表示。数值越大，代表其可能是最佳路径 的概率越大。整个解码过程一直进行到解码路径的长度等于接收到比特序列的 长度。最后，后向搜索寻找最佳路径序列，先在所有的路径列表中找出解码符 号数正确的解码路径，再从中找出累积度量值最大的路径作为最终解码的输出 序列。在解码结束时，把具有正确符号数和比特数，并且度量值最大的路径作 为解码器的输出结果。如果没有一条路径具有正确的符号数，解码器选择累积 度量值最大的路径作为解码的输出结果。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通 技术人员，在不脱离本发明构思的前提下，还可以做出若干改进和润饰，这些 改进和润饰也应视为本发明保护范围内。