[发明专利]基于深度压缩感知网络的无线视频组播方法

权利要求书

1.基于深度压缩感知网络的无线视频组播方法，其特征在于，本方法的操作方法为：

Ⅰ.发送端，包括下列步骤：

1)读入视频序列；

2)将视频序列每一帧分成33×33的块，经随机高斯观测阵观测；

3)量化观测值；

4)进入高斯白噪声信道(AWGN)，发送到接收端；

Ⅱ.接收端，包括下列步骤：

1)将接收到的信号进行LLSE去噪，LLSE去噪算法如公式(1)所示：

y_LLSR＝Λ_y·(Λ_y+∑)^-1·y_noise 公式(1)

其中，Λ_y是发送端观测值的协方差矩阵，∑是信道噪声n的协方差：∑＝E[n·n^T]，y_LLSE是经LLSE去噪后的观测值；

2)将y_LLSE作为已训练深度压缩感知网络模型的输入，进行重构；

深度压缩感知网络结构为：

1)网络主要由全连接网络和深度残差网络构成，其中全连接网络由一个全连接层和Reshape层组成，深度残差网络由四层卷积层和三块残差块组成，每块残差块有四个卷积层和一个Eltwise层； 全连接网络生成初始恢复图像，而深度残差网络迭代预测初始恢复图像与原图像之间的残差，然后将残差与初始恢复图像相加得到最终恢复结果；

2)在深度残差网络的每个残差块中，第一个卷积层使用11×11卷积核生成128个特征图，第二个卷积层使用1×1卷积核生成64个特征图，第三个卷积层使用7×7卷积核生成32个特征图，第四个卷积层使用1×1卷积核生成1个特征图，前三个卷积层添加归一化层、Scale层和ReLU层，最后一层卷积层添加ReLU层。

2.根据权利要求1所述的基于深度压缩感知网络的无线视频组播方法，其特征在于：所述深度压缩感知网络训练方法为：

1)使用91张自然图像训练网络，以固定步长为14将每张图片裁剪为33×33的块，每块只保留亮度分量，此亮度分量构成训练集的标签，亮度分量经随机高斯观测阵观测构成训练集；

2)由33×33块得到1089维向量，将此向量输入网络，训练网络。