[发明专利]一种基于加权概率模型的无损压缩方法和无损解压方法

说明书

本发明公开了一种基于加权概率模型的无损压缩方法和无损解压方法，本发明提供了一种基于加权概率模型的无损压缩方法，根据最大熵定理，均匀分布的二进制序列将无法再进行无损压缩，现有的熵编码均遵从该定理。本方法的核心是提供了一种等长无损降熵变换的过程，因为对均匀分布的二进制序列进行了等长无损降熵处理，所以使得均匀分布的二进制序列可以进行无损压缩。压缩率与自定义的权系数有关。显然本方法的压缩率优于现有的熵编码算法。而且由于本方法是以比特为单位的编译码过程，无需大量的硬件缓存和编码，且可以分段并行处理，所以运算的硬件资源少。本发明还基于本无损压缩方法提供了一种基于加权概率模型的无损压缩方法，实现了本无损压缩方法的逆过程。

技术领域

本发明涉及通信编码技术领域，特别涉及一种基于加权概率模型的无损压缩方法和无损解压方法。

背景技术

大数据时代，数据量快速增长给网络传输和存储带来巨大压力。为了解决这一问题，一方面需提升硬件设施，另一方面是挖掘具有更高压缩率的无损编码算法。常见的无损压缩方法有字典编码、行程编码、算术编码等，统称为熵编码，但目前的熵编码还存在有以下缺陷：

1)根据最大熵定理，均匀分布的二进制序列将无法进行无损压缩，现有的熵编码均遵从该定理；2)压缩率较低而且对硬件资源的需求高。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种基于加权概率模型的无损压缩方法和无损解压方法。对均匀分布的二进制序列进行等长无损降熵处理，使得均匀分布的二进制序列可以进行无损压缩；提升了压缩率，硬件资源需求少，压缩率由等长无损降熵所使用的权系数决定。

本发明的第一方面，提供了一种基于加权概率模型的无损压缩方法，包括以下步骤：

将序列长度为n且符号均匀分布的二进制序列X等长无损降熵为序列长度为所述n的二进制序列Y，其中所述等长无损降熵过程所使用的第一权系数r₁的取值范围为：r₁∈[0.5，1.0)；

通过加权概率模型将所述二进制序列Y无损压缩为二进制序列Z，其中所述加权概率模型所使用的第二权系数r₂的取值为：r₂＝1。

本发明的第二方面，提供了一种基于加权概率模型的无损解压方法，应用于本发明第一方面所述的基于加权概率模型的无损压缩方法，包括以下步骤：

通过加权概率模型将所述二进制序列Z无损解压为所述二进制序列Y；

将所述二进制序列Y等长无损增熵变换成所述二进制序列X。

本发明的第三方面，提供了一种编码设备，包括：至少一个控制处理器和用于与所述至少一个控制处理器通信连接的存储器；所述存储器存储有可被所述至少一个控制处理器执行的指令，所述指令被所述至少一个控制处理器执行，以使所述至少一个控制处理器能够执行如本发明第一方面所述的基于加权概率模型的无损压缩方法和/或本发明第二方面所述的基于加权概率模型的无损解压方法。

本发明的第四方面，提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如本发明第一方面所述的基于加权概率模型的无损压缩方法和/或本发明第二方面所述的基于加权概率模型的无损解压方法。

根据本发明的实施例，至少具有以下有益效果：