一种分布式视频混合数字模拟传输方法及相关设备

本发明涉及视频传输，特别涉及一种分布式视频混合数字模拟传输方法及相关设备。

背景技术：

1、随着移动互联网和视频应用的快速发展，视频传输不在局限于广播等场景，视频发送端由集中式服务器向低能耗、低运算能力的终端转移，如手机、摄像头、汽车以及各类智能设备。视频流数据在无线移动互联网中的占比逐年增高，思科网络指数的报告指出，截至2022年底，视频数据在整个无线移动互联网中的占比达到了80%，视频数据的指数级增长为传统的分离式视频传输系统带来了挑战。

2、传统的分离式无线视频传输由于其设计本身对于传输错误极为敏感，无线信道的时变性使得该系统不可避免的受到了“悬崖效应”的影响。相对于数字方案来说，能够有效应对“悬崖效应”的模拟传输方法压缩效率低，对于带宽有限的移动互联网并不适用。视频混合数字模拟传输的方法结合了数字方法和模拟方法的特点，实现了优异的编码效率的同时，继承了模拟方法良好的信道自适应性。

3、目前，大多数的视频混合数字模拟传输的方法多为基于h.264设计的，以编码再解码获取精进层的方式极大的增加编码复杂性。同时还导致了这些方法的资源优化问题极其复杂，只能通过迭代或者暴力搜索的方式解决，这使得基于h.264设计的视频混合数字模拟传输方法不适用于计算能力弱、信道时变性的终端设备。因此，如何提供一种低编码复杂度的混合视频数字模拟传输方法，并将深度学习应用于解决复杂资源优化问题是一个亟需解决的问题。

技术实现思路

1、本发明提供了一种分布式视频混合数字模拟传输方法及相关设备，其目的是为了保持良好鲁棒性和编码效率的同时，降低编码复杂度。

2、为了达到上述目的，本发明提供了一种分布式视频混合数字模拟传输方法，包括：

3、步骤1，将获取的原始待传输视频划分为多个图像组数据，并将多个图像组数据输入编码器，每个图像组数据中包括连续多帧的原始待传输视频；

4、步骤2，对原始待传输视频和传输信道进行特征提取，得到信源特征和信道特征；

5、步骤3，构建参数优化网络模型用于实现联合信源信道的资源分配，并对参数优化网络模型进行训练，得到训练后的参数优化网络模型；

6、步骤4，将信源特征和信道特征输入训练后的参数优化网络模型进行参数优化，得到编码参数，并将编码参数、信源特征和信道特征输入功率分配模块中进行分配，得到功率分配系数；

7、步骤5，将功率分配系数和编码参数输入编码器，根据分配功率和编码参数对连续的图像组数据进行分布式编码，得到编码符号序列；

8、步骤6，在传输信道中对编码符号序列进行高斯白噪声叠加，得到带噪声的编码符号序列，并将带噪声的编码符号序列进行传输。

9、进一步来说，信源特征包括方差和相关噪声方差；

10、信道特征为信道噪声方差。

11、进一步来说，步骤4包括：

12、给定初始分配功率；

13、针对每个图像组数据中的每一帧视频，将每一帧视频经过离散余弦变换至频域，将转换至频域的每一帧视频划分为n个大小相同的频域系数块；

14、针对除第一帧视频以外的多帧视频中的每个频域系数块，将频域系数块的方差、相关噪声方差、初始分配功率和信道噪声方差输入参数优化网路模型进行参数优化，得到每个频域系数块的编码参数；

15、利用编码参数对每个频域系数块进行量化，得到量化值和量化误差值；

16、根据编码参数得到优化的分配功率；

17、根据优化的分配功率，计算量化值的功率分配系数和量化误差值的功率分配系数。

18、进一步来说，参数优化网络模型采用全连接深度神经网络，包括：

19、依次连接的输入层、第一隐藏层、第二隐藏层和输出层；

20、输入层包括四个输入节点，分别输入频域系数块的方差、相关噪声方差、初始分配功率和信道噪声方差；

21、输出层包括两个输出节点，输出编码参数，编码参数包括功率分配因子和量化步长。

22、进一步来说，优化的分配功率为：

23、

24、其中，为总的能量约束，为每个频域系数块的相关噪声方差，为每个频域系数块的量化误差值的方差，为功率分配因子。

25、进一步来说，步骤5包括：

26、针对第一帧视频中的每个频域系数块，基于最优功率缩放系数对频域系数块进行功率缩放，得到第一编码结果；

27、针对除第一帧视频以外的多帧视频中的每个频域系数块，利用功率分配系数分别对量化值和量化误差值进行缩放，得到缩放结果，将缩放结果进行叠加，得到第二编码结果；

28、对第一编码结果和第二编码结果进行哈达玛变换，得到编码符号序列。

29、进一步来说，在所述步骤6之后，还包括：

30、步骤7，在数据接收端将带噪声的编码符号序列、功率分配系数和编码参数均输入解码器，解码器基于功率分配系数和编码参数对带噪声的编码符合序列进行解调，得到解调结果，并根据解调结果重建视频帧。

31、进一步来说，步骤7包括：

32、将带噪声的编码符号序列、功率分配系数和编码参数均输入解码器；

33、解码器基于功率分配系数和编码参数对带噪声的编码符合序列进行解调，得到解调结果；

34、对解调结果进行逆哈达玛变换，得到第一帧视频的第一编码结果和除第一帧视频以外的多帧视频的第二编码结果；

35、针对第一编码结果，根据第一编码结果和逆功率缩放系数计算得到多个频域系数块，将多个频域系数块进行合并并通过逆离散余弦变换，将频域下的频域系数块进行重建，得到重建后的第一帧视频；

36、针对第二编码结果，利用图像插帧算法对重建后的第一帧视频进行处理，生成边信息；

37、解码器采用带边信息的最小二乘估计器对边信息进行估计，得到估计的量化误差值和量化值；

38、将估计的量化误差值和量化值进行叠加，得到多个频域系数块，将多个频域系数块进行合并并通过逆离散余弦变换，将频域下的频域系数块进行重建，得到重建后的除第一帧视频以外的多帧视频；

39、将重建后的第一帧视频和重建后的除第一帧视频以外的多帧视频进行合并，完成视频传输。

40、本发明还提供了一种计算机存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现分布式视频混合数字模拟传输方法。

41、本发明还提供了一种终端设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现分布式视频混合数字模拟传输方法。

42、本发明的上述方案有如下的有益效果：

43、本发明通过将获取的原始待传输视频划分为多个图像组数据，并将多个图像组数据输入编码器；对原始待传输视频和传输信道进行特征提取，得到信源特征和信道特征；构建参数优化网络模型并对参数优化网络模型进行训练，得到训练后的参数优化网络模型；将信源特征和信道特征输入训练后的参数优化网络模型进行参数优化，得到编码参数，并将编码参数、信源特征和信道特征输入功率分配模块中进行分配，得到功率分配系数；将功率分配系数和编码参数输入编码器，根据分配功率和编码参数对连续的图像组数据进行分布式编码，得到编码符号序列；在传输信道中对编码符号序列进行高斯白噪声叠加，得到带噪声的编码符号序列，并将带噪声的编码符号序列进行传输；将传统的基于迭代的编码参数优化方法转换为基于深度神经网络的参数优化方法，与现有技术相比，保持了良好的鲁棒性和编码效率的同时，降低了编码复杂度。

44、本发明的其它有益效果将在随后的具体实施方式部分予以详细说明。