手机射频信号预压缩方法与流程

1.本发明涉及手机网络射频信号处理领域，尤其涉及多功能角尺。


背景技术：

2.帧内预测编码模式是在h.264中提出的新的编码方案，采用了对静止图像进行编码的手段实现视频帧内部空间冗余的去除，即用周围邻近的像素值来预测当前的像素值，然后对预测残差进行编码。hevc中的帧内预测相对于h.264/avc的编码技术，引进了更多预测块大小，更多预测方向的变化。例如h.264/avc的帧内模式选择中，对于亮度分量，块的大小可以在16
×
16和4
×
4之间选择，16
×
16块有4种预测模式，4
×
4块有9种预测模式；对于色度分量，预测是对整个8
×
8块进行的，有4种预测模式。除了dc预测外，其他每种预测模式对应不同方向上的预测。而在hevc的帧内预测模式中，单预测块的大小就存在4
×
4，8
×
8，16
×
16，32
×
32，64
×
64五种选择，且预测模式最高达34种，即除去dc预测外，角度预测增加到了33种。现有技术如公告号为cn102724509b的中国发明专利，公开了一种视频序列的最优帧内编码模式选择方法及装置，该方法包括：将图像划分为多个编码块；根据编码块的大小确定多个帧内编码模式；计算编码块中像素点的水平、垂直梯度等；计算每一个帧内编码模式对应编码方向的斜率，并将多个帧内编码模式分为n组；将所有梯度方向斜率与第一至第n预定区间进行比较以得到第一至第n梯度能量值；选择最大的梯度能量值对应的一组帧内编码模式作为候选预测模式集；计算候选预测模式集中每个编码模式的率失真代价以并选取率失真代价最小的帧内编码模式为编码块的最优帧内编码模式。具有减少率失真代价的计算量，提高运算速度，适用于实时编码的优点。上述技术仅公开用语图像压缩，并没有在底层应用的报道。


技术实现要素：

3.本发明的目的在于针对现有技术提供一种压缩损耗资源少、关键信号无损且占用基带资源低、误识别率低的手机射频信号预压缩方法。
4.本发明解决上述技术问题所采用的技术方案为：手机射频信号预压缩方法，包括如下步骤：步骤1)：将接收到的射频信号缓存到临时存储器；步骤2)：利用射频信号目标检测方法将临时存储器中的信号信息划分为背景信区和扰动信区；步骤3)：对所述的扰动信区采用无损压缩方式压缩，对所述的背景信区采用快速的有损压缩方式压缩；将被压缩后的扰动信区和背景信区信息传输到基带。通过舍弃意义较小的背景信区信息，采用有损压缩方式节省出基带资源，并对具有意义的扰动信区进行无损压缩确保重要信息不丢失，达到既节省资源，又不丢失关键信息，同时在基带传输上由于进行了预压缩，能空出较多的资源用于其他数据传输。
5.为优化上述技术方案，采取的措施还包括：步骤2)中，存储前i帧图谱中每个编码单元的深度值、方向模式和satd值，存储单元为4
×
4或8
×
8的子块。
6.步骤3)中，对于背景信区根据深度值和预测模式计算当前编码单元的satd值；如
果与存储前i帧的satd值相差的绝对值不超过阈值，就可以不进行深度和方向模式的遍历搜索，直接使用前i帧的深度值和预测模式，否则就按照基于相关性的帧内预测压缩算法得到深度值和预测模式。
7.步骤3)中，对于i帧扰动信区采用hevc标准进行编码。对于p帧，存储前p帧的mv预测编码信息和sad值，采用merge模式和skip模式进行mv预测；在背景区域中，采用与前p帧相同的编码单元划分；如果当前预测单元的sad值与前p帧的sad值相差的绝对值不超过一定的百分比阈值，则采用与p帧相同的mv预测编码信息，否则重新按照标准的帧间预测方式进行mv预测和编码。对于目标区域，同样按照标准的帧间预测方式进行mv预测和编码。
8.由于本发明采用了对所述的扰动信区采用无损压缩方式压缩，对所述的背景信区采用快速的有损压缩方式压缩；将被压缩后的扰动信区和背景信区信息传输到基带。通过舍弃意义较小的背景信区信息，采用有损压缩方式节省出基带资源，并对具有意义的扰动信区进行无损压缩确保重要信息不丢失，达到既节省资源，又不丢失关键信息，同时在基带传输上由于进行了预压缩，能空出较多的资源用于其他数据传输。因而本发明具有压缩损耗资源少、关键信号无损且占用基带资源低、误识别率低的优点。
附图说明
9.图1为本发明实施例1的方法流程示意图；
10.图2为本发明实施例1的利用射频信号目标检测方法流程示意图；
11.图3为本发明实施例1的缓存射频信号波形示意图；
12.图4为本发明实施例1的缓存射频信号波形检测错误示意图；
13.图5为本发明实施例1的缓存射频信号波形检测优化后处理示意图；
14.图6为本发明实施例2的缓存射频信号频谱混叠原理示意图；
15.图7为本发明实施例2的缓存射频信号正交变频原理示意图；
16.图8为本发明实施例2的缓存射频信号分频后星座示意图。
具体实施方式
17.以下结合附实施例对本发明作进一步详细描述。
18.实施例1：
19.参照图1至图5，首先对射频数据进行基于高斯分布的背景建模，然后利用背景建模得到的背景区域进行运动目标检测，并获得扰动信号在背景区域中的位置即扰动区域，再将背景和扰动区域区域划分信息发送给编码模块进行压缩。编码模块根据区域划分的信息对不同的区域进行不同的qp分配，实现对扰动信号进行失真较小的信号压缩，而对背景区域进行失真较大的压缩。
20.将接收到的射频信号缓存到临时存储器；
21.利用射频信号目标检测方法将临时存储器中的信号信息划分为背景区域(背景信号区、背景信区)和扰动区域(扰动信号区、扰动信区)。
22.从具有背景信区特点射频信号图谱的相关性分析可知，由于背景信区的变化很小，所以可以认为在背景区域前后i帧图谱的相关性很高。
23.首先存储前i帧图谱中每个编码单元的深度值、方向模式和satd值，存储单元为4
×
4或8
×
8的子块。
24.对于背景信区，首先根据深度值和预测模式计算当前编码单元的satd值。如果与存储前i帧的satd值相差的绝对值不超过阈值，就可以不进行深度和方向模式的遍历搜索，直接使用前i帧的深度值和预测模式，否则就按照基于相关性的帧内预测压缩算法得到深度值和预测模式。
25.对于i帧扰动区域，采用hevc标准进行编码。对于p帧，存储前p帧的mv预测编码信息和sad值，采用merge模式和skip模式进行mv预测。在背景区域中，采用与前p帧相同的编码单元划分。如果当前预测单元的sad值与前p帧的sad值相差的绝对值不超过一定的百分比阈值，则采用与p帧相同的mv预测编码信息。否则重新按照标准的帧间预测方式进行mv预测和编码。对于目标区域，同样按照标准的帧间预测方式进行mv预测和编码。
26.利用射频信号目标检测方法：
27.(1)背景信区建模
28.由于射频信号传输内容的变化，会使背景信区发生变化。在这种情况下建立具有鲁棒性的自学习背景模型，及时对背景模型进行更新，从而适应信区特征的变化。
29.将射频信号映射到图像，分别统计图像中不同位置的像素的混合高斯分布并在每个像素上确立k个高斯分布。像素在t时刻的亮度值为属于背景的概率为：
30.上式，
31.其中，是第i个高斯分布第概率密度函数，w
i，t
是t时刻第i个高斯分布第权值，是t时刻高斯分布第均值，c
i，t
是第i个分布第协方差矩阵，n是像素的维数。这k个分布按照优先级ρ
i，t
＝w
i，t
/σ
i，t
来排序，背景像素是由前b个高斯分布共同组成。
[0032][0033]
σ
i，t
是t时刻第i个高斯分布的方差。背景像素是t是选择阈值，取值为sintan
‑1w
i
/e。经过优化的t取值会随着w
i
的变化波动，能将负向波识别出来，有效的避免关键信息被误识别为背景信区信号。模型匹配的过程就是当前帧的像素值和前b个高斯分布进行匹配，若不匹配，该像素视为前景像素，否则为背景像素。
[0034]
模型的更新过程是对每个分布的协方差矩阵和均值矢量进行更新以及权值的归一化。归一化属于现有技术，由于篇幅所限不再赘述。
[0035]
(2)扰动信区检测
[0036]
将前后两幅视频图像进行帧间差分d
a，b
(x，y)来分割出运动目标。设f
a
(x，y)是第一帧图像，f
b
(x，y)是第二帧图像，则二值图像可以通过简单的阈值分割方法得到。
[0037][0038]
现有技术通常还需要对查分后对两个或多个d
a，b
(x，y)相乘并消除噪声点等方式进行计算，计算流程分支会大量增加，消耗算力较多，效率不如本发明技术方案。本发明通过优化背景信区建模的方式将判定内容前移，从而提高计算效率和准确性。
[0039]
(3)qp值分配
[0040]
为了避免划分区域过于碎片化，将步骤(2)处理后得到的扰动信区按照一定的阈值进行外扩，这样就获得了最终可输出的扰动信区的区域。对qp值分配，则需要根据实际的通讯系统的带宽，分别设定扰动信区和背景信区的qp值，在保证将碎片化的划分区域不会过多而影响系统效率的同时，满足通讯系统带宽的需求。假设扰动信区的qp值为q
roi
，背景信区的qp值为q
uroi
，可以设定他们的qp值之差为固定的阈值qp
con
，并且视频的总码率r
total
小于系统带宽t
threshold
，即：r
total
(q
roi
，q
uroi
)＜t
threshold
。
[0041]
实施例2
[0042]
参见图6至图8。本实施例在上一实施例基础上对射频信号进行正交分频处理。
[0043]
即在射频信号进入缓存前进行正交分频为i路信号和q路信号，相应的，缓存分为两个区块，用于分别缓存i路信号和q路信号。相应的记录为i路信号i缓存和i路信号p缓存，q路信号i缓存和q路信号p缓存。
[0044]
采样频率小于信号中最大频率之时，频谱就会发生混叠，因此，令信号x(t)为：
[0045][0046]
式中f0为信号的频率，进行采样后变为离散信号：
[0047][0048]
上算式中的n为自然数，t
s
为采样点的时间间隔，进而对其进行傅立叶变换得到
[0049][0050]
从上算式可以看出，如果如果输入的信号是复信号时，其频域为单边频谱，且频谱中所有的谱线都只能在0到n
‑
1中显示，所以当信号频率大于采样频率时，其在频域上的谱线将重新折回显示在0到n
‑
1之间，因此信号发生失真。如果输入的信号是实信号时，其频域为双边频谱，由于其频谱中所有的谱线都只能在0到n
‑
1中显示并且关于n/2对称，所以当信号频率大于采样频率的一半时，其在频域上的谱线将重新折回显示在0～f
s
之间。
[0051]
当我们对信号进行采样时，其频谱则会发生混叠。假如我们使用的采样频率是1000mhz，那么我们可以测试的信号最大频率为500mhz，假如我们测试空间中存在干扰噪音信号的最大信号频率是2000mhz，那么我们采样到的信号就会发生畸变。比如，一个信号在中显示的频率为500mhz，但是它实际频率同样可能是1000mhz、1500mhz、2000mhz等，原理如图6所示，为教科书内容，便于解释本发明技术方案。因此，在对信号采样中，如何避免频谱发生混叠则成为采样测试中的重要影响因素。
[0052]
在发射性能测试中，射频信号首先经过机台发送的模拟信号进行第一次下变频，转换为中频信号，再经过采样仪器进行数字化处理，在使用正交数字下变频进行第二次变
频。正交数字下变频可以将中频信号分解为同相的i路信号和有90
°
相移的q路信号。数字下变频的基本作用就是将数字信号转换为零中频的数字信号，然后根据测试要求对其进行滤波。
[0053]
采样的手机数字信号为：
[0054][0055]
那么，经过正交数字变频对生成的信号进行滤波，后的i路信号为
[0056][0057]
同样，q路信号为
[0058][0059]
信号x(n)为传输经过标准化处理的图像p的集合。
[0060]
一般图像均是分段平滑信号，因此图像的梯度域具有稀疏性。梯度域稀疏性的数学度量通常使用全变差(total variation)范数:
[0061][0062]
其中(t1,t2)是图像g的像素坐标，d1为垂直方向上的差分
[0063]
d1＝g(t1,t2)
‑
g(t1
‑
1,t2)，
[0064]
d2为水平方向上的差分d2＝g(t1,t2)
‑
g(t1,t2
‑
1)。
[0065]
利用图像梯度域稀疏性的先验知识，图像重建采用最小tv模型求解:
[0066][0067]
上述方法通过构造出一种高斯概率密度模型来解释α的稀疏性，将观测向量y的各分量看作是学习样本，通过rvm训练出概率模型的相关参数，从而确定出向量α的概率分布，取其期望值作为最优解αopt。通过分频后进一步进行实施例1的预压缩，同样能起到节约基带传输资源的效果，且经过这样的结合，能在i或q信号上进行单独的运算操作，例如，根据需要，舍去q信号，单独处理i信号，能在普通节省一半基带资源的情况下，进一步缩小资源的占用。
[0068]
尽管已结合优选的实施例描述了本发明，然其并非用以限定本发明，任何本领域技术人员，在不脱离本发明的精神和范围的情况下，能够对在这里列出的主题实施各种改变、同等物的置换和修改，因此本发明的保护范围当视所提出的权利要求限定的范围为准。