一種適用于VTS 系統(tǒng)的自適應(yīng)雷達(dá)視頻壓縮方法*

舒亞海，楊明遠(yuǎn)，李 棟＊＊

(1.海軍駐江南造船(集團(tuán)）有限責(zé)任公司軍事代表室，上海 200434;2.中國船舶重工集團(tuán)公司第七二四研究所，南京 210003)

0 引言

在VTS 系統(tǒng)(船舶交通導(dǎo)航系統(tǒng)）中，傳輸?shù)男畔⒅饕欣走_(dá)原始信息(雷達(dá)視頻、方位和觸發(fā)信號(hào)等）、VHF-DF信息、雷達(dá)目標(biāo)跟蹤信息、無人站監(jiān)控信息及工業(yè)電視等。由于受到網(wǎng)絡(luò)帶寬的限制，導(dǎo)致了雷達(dá)視頻往往無法做到無損失傳輸。當(dāng)前，VTS 系統(tǒng)中傳輸?shù)睦走_(dá)視頻大多是進(jìn)行了有損失的壓縮(降低所傳輸雷達(dá)角度及距離分辨率）。這經(jīng)常會(huì)導(dǎo)致目標(biāo)無法正確分離，無法區(qū)分目標(biāo)和地物以及相鄰的多個(gè)目標(biāo)。也有些VTS 系統(tǒng)采用某種單一的無損壓縮算法(如LZW、哈夫曼編碼等），這又存在壓縮率低、傳輸帶寬要求高和機(jī)器性能要求高的問題。

1 傳統(tǒng)的壓縮算法

(1）LZW算法

LZW 數(shù)據(jù)壓縮算法是一種新穎的壓縮方法，具有實(shí)時(shí)性和壓縮效率高等特點(diǎn)，可對(duì)不同的數(shù)據(jù)流進(jìn)行自適應(yīng)壓縮;對(duì)于緩變、重復(fù)性高的數(shù)據(jù)流，隨著數(shù)據(jù)量的增大，壓縮效率能顯著提高。LZW算法有3個(gè)重要的對(duì)象:數(shù)據(jù)流(CharStream）、編碼流(CodeStream）和編譯表(String Table）。在編碼時(shí)，數(shù)據(jù)流是輸入對(duì)象，編碼流是輸出對(duì)象。數(shù)據(jù)流是指被壓縮數(shù)據(jù)，編碼流是指壓縮后輸出的代碼流，編譯表存儲(chǔ)的是數(shù)據(jù)的索引號(hào)，相同塊的數(shù)據(jù)只輸出第一塊的索引號(hào)，從而實(shí)現(xiàn)數(shù)據(jù)的壓縮。

LZW 壓縮算法的基本原理是提取出待壓縮數(shù)據(jù)中的不同字符，基于這些字符創(chuàng)建一個(gè)編譯表，然后用編譯表中的字符索引替代原始數(shù)據(jù)中的相應(yīng)字符，從而減少原始數(shù)據(jù)的大小。其中編譯表不是事先創(chuàng)建好的，而是根據(jù)原始文件數(shù)據(jù)動(dòng)態(tài)創(chuàng)建的。

LZW 壓縮算法的基本思想是建立一個(gè)串表，將輸入字符串映射成定長的碼字輸出，通常碼長設(shè)置為12 bit，也可設(shè)置為15 bit 或者18 bit。串表具有“前綴性”:假設(shè)任何一個(gè)字符串P和某一個(gè)字符S組成一個(gè)字符串PS，若PS 在串表中，則S為P的擴(kuò)展，P為S的前綴。字符串表是動(dòng)態(tài)生成的，編碼前先將其初始化，使其包含所有的單字符串。在壓縮過程中，串表中不斷產(chǎn)生壓縮信息的新字符串，存儲(chǔ)新字符串時(shí)也保存新字符串PS的前綴P 相對(duì)應(yīng)的碼字。在解壓縮過程中，解碼器可根據(jù)編碼字恢復(fù)出同樣的字符串表，解出編碼數(shù)據(jù)流［3-4］。

(2）行程編碼

僅存儲(chǔ)一個(gè)像素值并具有相同顏色的像素?cái)?shù)目的圖像數(shù)據(jù)編碼方式稱為行程編碼，或稱游程編碼，常用RLE(Run-Length Encoding）表示。該壓縮編碼技術(shù)相當(dāng)直觀和經(jīng)濟(jì)，運(yùn)算也相當(dāng)簡(jiǎn)單，因此壓縮速度很快，且在數(shù)據(jù)簡(jiǎn)單(信息含量低）時(shí)也有較好的壓縮率。

(3）LZMA 編碼

LZMA 編碼是一種將Deflate和LZ77算法改良和優(yōu)化后的壓縮算法，開發(fā)者是Igor Pavlov，2001年被首次應(yīng)用于7－Zip 壓縮工具中，是2001年以來得到發(fā)展的一個(gè)數(shù)據(jù)壓縮算法。它使用類似于LZ77的字典編碼機(jī)制，在一般的情況下壓縮率比bzip2 高，用于壓縮的可變字典(字典為壓縮后和壓縮前數(shù)據(jù)對(duì)應(yīng)關(guān)系表，一般根據(jù)數(shù)據(jù)不同實(shí)時(shí)生成）最大可達(dá)4GB。該算法對(duì)復(fù)雜數(shù)據(jù)(信息含量高）有很好的壓縮率，但壓縮復(fù)雜度高，壓縮速率慢。

(4）視頻壓縮

視頻壓縮算法一般壓縮率很高，但屬于有損壓縮算法，如div、mpge，并且壓縮的復(fù)雜度高，壓縮速率慢。

2 自適應(yīng)雷達(dá)視頻壓縮方法

針對(duì)前述背景技術(shù)中的缺陷和不足，本文提出了一種適用于VTS 系統(tǒng)的雷達(dá)視頻自適應(yīng)壓縮方法。使用該方法可以降低雷達(dá)視頻信號(hào)所傳輸?shù)膸?，增加在相同存?chǔ)空間下雷達(dá)視頻記錄時(shí)間，并減少壓縮計(jì)算時(shí)間，實(shí)現(xiàn)實(shí)時(shí)無損壓縮雷達(dá)視頻。

2.1 壓縮原理

首先，根據(jù)從地理環(huán)境信息系統(tǒng)獲取的VTS 交通管理所監(jiān)管的有效區(qū)域位置(水域位置），對(duì)雷達(dá)視頻和水域位置進(jìn)行匹配，去除地物、島嶼等無實(shí)用價(jià)值的雷達(dá)視頻，保留對(duì)水域探測(cè)的雷達(dá)視頻，減少數(shù)據(jù)量;再根據(jù)氣象系統(tǒng)獲取當(dāng)前的氣象信息，通過雷達(dá)數(shù)據(jù)采集卡獲取雜波區(qū)(海雜波區(qū)、大浪區(qū)等）;根據(jù)氣象信息及雜波區(qū)信息把雷達(dá)探測(cè)的視頻劃分為幾個(gè)不同區(qū)域;根據(jù)當(dāng)前氣象信息(雨雪、霧天、海況）及雜波區(qū)計(jì)算出各已劃分的雷達(dá)區(qū)域環(huán)境參數(shù)，對(duì)不同的環(huán)境區(qū)域下的雷達(dá)視頻采用最適合的壓縮算法，最后統(tǒng)一編碼實(shí)現(xiàn)壓縮數(shù)據(jù)文件。該算法原理如圖1。

圖1 自適應(yīng)的雷達(dá)視頻壓縮方法原理

2.2 具體實(shí)現(xiàn)

該方法在VTS 系統(tǒng)中的具體實(shí)現(xiàn)如下:

(1）獲取雷達(dá)數(shù)據(jù)采集卡所采集的雷達(dá)視頻信號(hào);

(2）根據(jù)地理環(huán)境信息系統(tǒng)獲取的VTS 交通管理所監(jiān)管的有效區(qū)域位置(此處主要是指水域位置），對(duì)雷達(dá)視頻和水域位置進(jìn)行匹配，去除地物、島嶼等無實(shí)用價(jià)值的雷達(dá)視頻，保留對(duì)水域探測(cè)的雷達(dá)視頻，以減少數(shù)據(jù)量;

(3）根據(jù)氣象系統(tǒng)獲取的當(dāng)前氣象信息，通過雷達(dá)數(shù)據(jù)采集卡獲取雜波區(qū)(如海雜波區(qū)、地物區(qū)等），把雷達(dá)探測(cè)的區(qū)域均勻劃分為若干(如32個(gè)）區(qū)域，并根據(jù)當(dāng)前氣象信息(降水量、海情）及雜波區(qū)計(jì)算出各個(gè)已劃分的雷達(dá)區(qū)域的環(huán)境參數(shù)(取值在0 到1 之間，其中0 表示環(huán)境最佳，1 表示環(huán)境最惡劣）。其中，環(huán)境參數(shù)的計(jì)算方法如下:

a.計(jì)算雜波復(fù)雜度

首先計(jì)算當(dāng)前區(qū)域雷達(dá)視頻是否落在雜波區(qū)，如果落在雜波區(qū)則根據(jù)下述的雜波區(qū)復(fù)雜度計(jì)算公式計(jì)算當(dāng)前雜波復(fù)雜度，否則認(rèn)為雷達(dá)雜波強(qiáng)度為0。

設(shè)雜波復(fù)雜度為Zb，雜波區(qū)域雷達(dá)回波單元幅度值不為0的個(gè)數(shù)Ea，雜波區(qū)域雷達(dá)回波單元總個(gè)數(shù)為Em，雜波區(qū)面積為Za，當(dāng)前區(qū)域總面積為Aa，則雜波復(fù)雜度的計(jì)算公式為

b.得出氣象復(fù)雜度

表1 是根據(jù)統(tǒng)計(jì)及實(shí)現(xiàn)得出的一個(gè)氣象信息與氣象復(fù)雜度對(duì)照表。獲得氣象信息后，通過查表可得出氣象復(fù)雜度Qb。

表1 氣象信息與氣象復(fù)雜度對(duì)照表

c.綜合氣象復(fù)雜度和雜波復(fù)雜度得出環(huán)境參數(shù)

通過加權(quán)求和法得到環(huán)境參數(shù)。設(shè)雜波復(fù)雜度為Zb，其權(quán)重為x(可取為0.4），氣象復(fù)雜度為Qb，其權(quán)重為y(可取為0.6），且使得x+y=1，則環(huán)境參數(shù)為

(4）對(duì)不同環(huán)境區(qū)域下的雷達(dá)視頻進(jìn)行相鄰區(qū)域綜合，然后根據(jù)下述規(guī)則選擇要采用的壓縮編碼:

a.對(duì)于環(huán)境參數(shù)低于0.2的區(qū)域，采用RLE算法，由于該算法的運(yùn)算相當(dāng)簡(jiǎn)單，解壓縮速度很快，對(duì)較好天氣情況下的雷達(dá)視頻有較好的壓縮率，且消耗計(jì)算機(jī)資源較少;

b.對(duì)于環(huán)境參數(shù)介于0.2與0.9 之間的區(qū)域，采用LZW算法，該算法通過使用編碼器或者解碼器中已經(jīng)出現(xiàn)過的相應(yīng)匹配數(shù)據(jù)信息替換當(dāng)前數(shù)據(jù)從而實(shí)現(xiàn)壓縮功能，這個(gè)匹配數(shù)據(jù)信息使用稱為“長度－距離對(duì)”的一對(duì)數(shù)據(jù)進(jìn)行編碼，它等同于“每個(gè)給定長度個(gè)字符都等于后面特定距離字符位置上的未壓縮數(shù)據(jù)流”，該算法對(duì)較復(fù)雜的雷達(dá)視頻有較好的壓縮率，消耗計(jì)算機(jī)資源較多;

c.對(duì)于環(huán)境參數(shù)高于0.9的區(qū)域，采用LZMA 編碼，該算法具有壓縮率高、但計(jì)算量較大、算法復(fù)雜的特性，對(duì)復(fù)雜環(huán)境下的雷達(dá)視頻有較好的壓縮率，消耗耗計(jì)算機(jī)資源多。

編碼完成后，形成區(qū)域壓縮數(shù)據(jù)，該區(qū)域壓縮數(shù)據(jù)的格式為:數(shù)據(jù)標(biāo)識(shí)及壓縮參數(shù)區(qū)，雷達(dá)區(qū)域及環(huán)境信息區(qū)，壓縮數(shù)據(jù)區(qū)，數(shù)據(jù)校驗(yàn)區(qū)。

對(duì)應(yīng)不同的編碼方式，有不同的數(shù)據(jù)解壓算法，如表2、表3、表4所示。接收到壓縮過的視頻信息后，用對(duì)應(yīng)的解壓算法進(jìn)行解壓，從而得到原始視頻信息。

由表2測(cè)試結(jié)果可以看出，該算法對(duì)于雜波信號(hào)較少的雷達(dá)回波信號(hào)的壓縮效果最好，對(duì)于雜波較多的數(shù)據(jù)也有較好的壓縮率。

由表3、表4測(cè)試結(jié)果可以看出，該算法對(duì)于雜波信號(hào)較少及雜波信號(hào)較多的雷達(dá)回波信號(hào)相對(duì)于其它算法有較好的壓縮率效果，并且具備較短的壓縮時(shí)間。

表2 壓縮率測(cè)試(雷達(dá)數(shù)據(jù)為加過屏蔽區(qū)數(shù)據(jù)）

表3 壓縮算法對(duì)比測(cè)試(雷達(dá)數(shù)據(jù)類型為帶氣象加地物雜波視頻）

表4 壓縮算法對(duì)比測(cè)試(雷達(dá)數(shù)據(jù)類型為無雜波視頻）

3 結(jié)束語

本文提出的自適應(yīng)雷達(dá)視頻壓縮方法是一種綜合了地理環(huán)境信息、氣象水文信息及雷達(dá)視頻特征的視頻壓縮方法，可實(shí)現(xiàn)雷達(dá)視頻信號(hào)的無損壓縮，并減少壓縮時(shí)間。在實(shí)際應(yīng)用中，采用雷達(dá)視頻自適應(yīng)壓縮方法后，在一部2 GHz的處理器上運(yùn)行時(shí)，約可達(dá)到20～50 MB 每秒的壓縮速，80～120 MB 每秒的解壓速度，壓縮率達(dá)到原數(shù)據(jù)大小的1%～15%，并實(shí)現(xiàn)了無損壓縮。

［1］多頻連續(xù)波雷達(dá)數(shù)據(jù)實(shí)時(shí)壓縮算法設(shè)計(jì)，來源互聯(lián)網(wǎng).

［2］Ray G，Harisa JR，Seshadri S.Database compression:A performance enhancemen tool［A］.Proc.of the Confion Management of Data［C］.India:Tata McGraw Hill，1995，106-125.

［3］PoessMand Potapov D.Data compression inoracle［A］.In:FreytagJC，Lockemann PC，eds.Prpc.of the 29th Int'l Confion Very Large Data Bases［C］.Mumbai:Morgan Kaufmann Publishers，Inc，2003，937-947.