一种基于多进多出技术的数据传输方法及相关设备技术

本发明专利技术公开了一种基于多进多出技术的数据传输方法及相关设备，所述方法包括：获取M张待压缩图像，分别输入到编码网络中的M个输入层后分别经过所述编码网络中M个待量化特征层后变换为M个待量化特征；将M个待量化特征输入至M个量化单元，M个量化单元分别对M个待量化特征进行压缩量化得到M个整数；将M个整数通过M个无损编码模块分别进行无损编码后得到M个二进制码流，并将M个二进制码流分别输入至M个无损解码模块进行解码；将解码还原得到的M个整数输入至解码网络的M个待解码层，M个待解码层将M个整数变换为M个解码图像，并输出M个解码图像。本发明专利技术提高了神经网络对图像进行编解码的效率。码的效率。码的效率。

【技术实现步骤摘要】
一种基于多进多出技术的数据传输方法及相关设备


[0001]本专利技术涉及无线通信领域中基于MIMO技术的数据传输
，尤其涉及一种基于多进多出技术的数据传输方法、系统、终端及计算机可读存储介质。

技术介绍

[0002]卫星通道数据传输具有延时大丢包，延时抖动厉害，传输成本高昂的特点，一般的传输信道很难满足要求，必须对数据进行压缩。
[0003]近年来，许多基于深度学习的神经网络数据压缩方法，例如面向图像压缩的相关方法达到了比JPEG、BPG等传统图像压缩方法更好的性能。但是现存的基于深度学习的数据压缩框架往往采用参数量大、计算复杂度高的神经网络模型，而且输出的压缩码率为单一码率，无法根据天线数自适应分配数据。因此，需要考虑如何降低模型复杂度，输出适用于多天线数据传输，合理地利用有限的卫星计算资源，缓解任务接收卫星的计算压力。进而对空间激光通信系统的数据传输业务提供有效的支撑，保障数据传输的稳定性。
[0004]现有技术中发现神经网络（Neural Network，简称NN）中大部分参数对最终的输出结果贡献不大，最终起作用的部本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多进多出技术的数据传输方法，其特征在于，所述基于多进多出技术的数据传输方法包括：获取M张待压缩图像，并输入到编码网络中的M个输入层，M张待压缩图像经过M个输入层后分别经过所述编码网络中M个待量化特征层后变换为M个待量化特征；将M个待量化特征输入至M个量化单元，M个量化单元分别对M个待量化特征进行压缩量化得到M个整数；将M个整数通过M个无损编码模块分别进行无损编码后得到M个二进制码流，并将M个二进制码流分别输入至M个无损解码模块进行解码；将解码还原得到的M个整数输入至解码网络的M个待解码层，M个待解码层将M个整数变换为M个解码图像，并输出M个解码图像。2.根据权利要求1所述的基于多进多出技术的数据传输方法，其特征在于，所述获取M张待压缩图像，并输入到编码网络中的M个输入层，M张待压缩图像经过M个输入层后分别经过所述编码网络中M个待量化特征层后变换为M个待量化特征，具体包括：将所述编码网络的输入层扩张 M 倍，获取M张待压缩图像，将M张待压缩图像分别输入到所述编码网络中的M个输入层；将所述编码网络中的待量化特征层扩展M倍，将扩展M倍后得到的所有待量化特征层按照通道顺序进行均匀分组，得到M组待量化特征层；将经过M个输入层后的M张待压缩图像分别经过所述编码网络中M组待量化特征层后变换为M个待量化特征，表示如下：Z=E（X），其中，Z表示待量化特征，E表示编码网络，X表示待压缩图像。3.根据权利要求2所述的基于多进多出技术的数据传输方法，其特征在于，所述待量化特征层用于去掉所述待压缩图像中的冗余信息。4.根据权利要求2所述的基于多进多出技术的数据传输方法，其特征在于，所述将M个待量化特征输入至M个量化单元，M个量化单元分别对M个待量化特征进行压缩量化得到M个整数，具体包括：将经过M组待量化特征层的M个待量化特征输入至M个量化单元；基于M个量化单元分别对M个待量化特征进行压缩量化得到M个整数，表示如下：Z_hat = Q（Z），其中，Z_hat 表示整数，Q表示量化单元。5.根据权利要求4所述的基于多进多出技术的数据传输方法，其特征在于，所述量化单元用于将浮点数压缩为整数。6.根据权利要求4所述的基于多进多出技术的数据传输方法，其特征在于，所述将M个整数通过M个无损编码模块分别进行无损编码后得到M个二进制码流，并将M个二进制码流分别输入至M个无损解码模块进行解码，具体包括：将M个整数Z_hat通过M个无损编码模块分别进行无损编码后，将M个整数转化为M个二进制码流；将M个二进制码流经过信号传输至M个无损解码模块，M个无损解码模块分别将M个二进制...

【专利技术属性】
技术研发人员：丁润伟，孟凡阳，鲍有能，张轶群，张钦宇，
申请(专利权)人：鹏城实验室，
类型：发明
国别省市：