１引言
图像纹理反映了图像基元的灰度分布规律，描述了图像局部无规则而宏观有规则的特征［１］。对于图像信号而言，既有光滑平坦的区域，同时也存在复杂的纹理和轮廓细节。为了有效利用图像纹理，提高编码的效率，ＷＤｉｎｇ等人采用自适应的方向性提升（ＡｄａｐｔｉｖｅＤｉｒｅｃｔｉｏｎａｌＬｉｆｔｉｎｇ，ＡＤＬ），对图像进行基于率失真的分割，对同一块内的像素采用同样的预测方向，同ＪＰＥＧ２０００相比，图像的主客观质量有明显提高［２－３］。针对ＡＤＬ方向选择的局限性，Ｃ．Ｃｈａｎｇ等学者在ＡＤＬ结构的基础上提出了Ｑｕｉｎｃｕｎｘ采样方向提升结构［４］。但其插值策略比较简单，采用的方向数目较少，导致方向预测精度不高。Ｖ．Ｃｈａｐｐｅｌｉｅｒ提出基于Ｑｕｉｎｃｕｎｘ采样方向的提升小波（ＯｒｉｅｎｔｅｄＷａｖｅｌｅｔ，ＯＷ）变换，定义了梅花形的５个方向，自适应地选择预测方向，在进行编码时，建立多尺度的方向图，根据小波系数与方向图的率失真优化的结果选择分解层数，通过反复分解低频带系数实现精细粒度的多尺度分析。但Ｃｈａｐｐｅｌｉｅｒ同时指出，方向小波变换由于需要额外的比特对方向图进行编码，因此，在低码率下（小于０．２ｂ／ｐ），优势不明显［５］。另外，ＡＤＬ算法中，由于插值通常在水平和垂直方向进行，因此使得方向信息模糊，ＹｕＬｉｕ等针对这类问题，提出一种加权的自适应提升（ＷｅｉｇｈｔｅｄＡｄａｐ－ｔｉｖｅＬｉｆｔｉｎｇ，ＷＡＬ）信噪比和ＡＤＬ相比又有所提高［６］。
这些方法对图像编码性能的改善，得益于对图像纹理块的准确划分。然而，目前的纹理分割方法主要用来进行模式识别等应用，而不是图像编码［７］。因为如果采用以像素点的方法对纹理区域进行划分，编码的效率将会很低。因此，图像编码中主要采用了四叉树划分法对图像进行以块为单位的划分［８］，比如国内学者张楠采用四叉树分割方式将一幅图像分成大小不同的块，在同一块中的所有像素采用相同的方向进行小波变换，并结合方向提升小波变换用于多描述图像编码［９］。然而，这种纹理块的划分方法，有几个不足之处：一是需要较多的比特去描述四叉树及纹理方向，降低了编码的效率；二是通过近似的方法求取率失真公式中的乘数λ，影响了率失真的性能；三是在块划分的过程中并没有对其纹理方向作分析，增加了计算的冗余度。本文主要是针对其这三个不足之处进行进一步的研究和分析的。
一种基于距离加权帧内预测的纹理块划分方法
陈加忠１，孙伟平１，高毅１，向东２
ＣＨＥＮＪｉａ－ｚｈｏｎｇ１，ＳＵＮＷｅｉ－ｐｉｎｇ１，ＧＡＯＹｉ１，ＸＩＡＮＧＤｏｎｇ２
１．华中科技大学计算机科学与技术学院，武汉４３００７４
２．武汉理工大学计算机科学与技术学院，武汉４３００６３
１．ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＨｕａｚｈｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ４３００７４，Ｃｈｉｎａ
２．ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ４３００６３，Ｃｈｉｎａ
Ｅ－ｍａｉｌ：ｃｈｅｎｊｚ７０＠１６３．ｃｏｍ
ＣＨＥＮＪｉａ－ｚｈｏｎｇ，ＳＵＮＷｅｉ－ｐｉｎｇ，ＧＡＯＹｉ，ｅｔａｌ．Ｍｅｔｈｏｄｏｆｔｅｘｔｕｒｅｄｂｌｏｃｋｐａｒｔｉｔｉｏｎｂａｓｅｄｏｎｄｉｓｔａｎｃｅｗｅｉｇｈｔｅｄｉｎｔｒａｐｒｅｄｉｃｔｉｏｎ．ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ，２００８，４４（３０）：１９６－１９８．
Ａｂｓｔｒａｃｔ：Ａｍｅｔｈｏｄｏｆｔｅｘｔｕｒｅｄｂｌｏｃｋｐａｒｔｉｔｉｏｎｂａｓｅｄｏｎａｄｉｓｔａｎｃｅｗｅｉｇｈｔｅｄｉｎｔｒａｐｒｅｄｉｃｔｉｏｎｉｓｐｒｅｓｅｎｔｅｄｉｎｔｈｉｓｐａｐｅｒ．Ａｃｃｕｒａｔｅｓｉｄｅｉｎｆｏｒｍａｔｉｏｎｃａｎｂｅｐｒｏｖｉｄｅｄｆｏｒｄｉｒｅｃｔｉｏｎａｌｔｒａｎｓｆｏｒｍｉｍａｇｅｃｏｄｉｎｇ，ｉｍａｇｅｒｅｔｒｉｅｖａｌ，ａｎｄｓｏｏｎｆｏｒｔｈｉｓｍｅｔｈｏｄｃａｎｄｅｓｃｒｉｂｅｔｈｅｄｉｒｅｃｔｉｏｎｓｏｆｉｍａｇｅｔｅｘｔｕｒｅｖｅｒｙｗｅｌｌ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｍｏｒｅｃｏｍｐｌｅｘｔｅｘｔｕｒｅｄａｒｅａｓａｒｅｐａｒｔｉｔｉｏｎｅｄｂｙｔｈｅｍｏｒｅｂｉｇｇｅｒｂｌｏｃｋｓ，ａｎｄｔｈｅｍｏｒｅｓｉｍｐｌｅｒｔｅｘｔｕｒｅｄａｒｅａｓａｒｅｐａｒｔｉｔｉｏｎｅｄｂｙｔｈｅｓｍａｌｌｅｒｂｌｏｃｋｓｂｙｔｈｉｓｍｅｔｈｏｄｒｅｓｐｅｃｔｉｖｅｌｙ．
Ｋｅｙｗｏｒｄｓ：ｔｅｘｔｕｒｅｄｂｌｏｃｋｐａｒｔｉｔｉｏｎ；ｉｎｔｒａｐｒｅｄｉｃｔｉｏｎ；ｒａｔｅｄｉｓｔｏｒｔｉｏｎ
摘要：提出了一种基于距离加权帧内预测的纹理块划分方法。这种帧内预测的方法能很好地描述纹理的方向，可以为方向变换编码和图像检索等应用提供准确的边信息。实验表明，该方法能准确地采用较大的块来描述纹理简单的图像区域，采用较小的块来描述纹理复杂的区域，且很好地反映了预测方向和纹理方向之间的一致性。
关键词：纹理块划分；帧内预测；率失真
ＤＯＩ：１０．３７７８／ｊ．ｉｓｓｎ．１００２－８３３１．２００８．３０．０６０文章编号：１００２－８３３１（２００８）３０－０１９６－０３文献标识码：Ａ中图分类号：ＴＰ３９１．４
基金项目：湖北省自然科学基金（ｔｈｅＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＨｕｂｅｉＰｒｏｖｉｎｃｅｏｆＣｈｉｎａｕｎｄｅｒＧｒａｎｔＮｏ．２００５ＡＢＡ２５５）。
作者简介：陈加忠（１９７０－），博士，副教授，中国计算机学会会员，主要研究方向：多媒体技术、小波分析与图像编码；孙伟平（１９７３－），博士，副教授，中国计算机学会会员，主要研究方向：多媒体技术、视频内容分析；高毅（１９８３－），博士生，主要研究方向：多媒体技术、图像编码；向东（１９７６－），博士，讲师，主要研究方向：视频处理与模式识别。
收稿日期：２００７－１２－０３修回日期：２００８－０３－２１
１９６
２００８，４４（３０）序列
ＢｕｓＦｏｏｔｂａｌｌＭｏｂｉｌｅＦｏｒｅｍａｎ
ＴｅｍｐｅｔｅＡｖｅｒａｇｅ
平均ｂｉｔ降低比例／（％）
５．２２２．５２３．２１２．２６３．３１３．３０
平均信噪比增益／ｄＢ
０．３１０．１７０．２２０．１５０．２２０．２１
表１
Ｈ．２６４平台上基于距离加权帧内预测的编码结果
２距离加权的帧内预测方法
视频编码标准Ｈ．２６４的帧内编码技术，定义１６×１６、８×８、
４×４三种宏块模式，分别采用了９个、９个和５个预测方向［６］。文中提出的方法，也采用这三种宏块模式以及相应的预测模式，由于块越大预测模式越少，所以一定程度上节约了用来描述纹理方向的比特开销。
如图１所示，在视频的帧内编码中，同时采用正上方的点和左边的点来做两个方向的预测，可以假设像素点之间的相关性为：ρＡＢ＝ρＡＣ＝ρ，ρＢＣ＝ρ２
!，即距离越远，其相关性越小。可以证明，当ρ→１时，两个方向比一个方向的预测增益高出１．８９ｄＢ。
根据上面分析的相关性和距离之间的关系，在不失一般性下，以８×８的块为例，介绍如图２所示新的预测方法，Ｐｉｊ为当前块某一像素点的预测值，０≤ｉ，ｊ≤７，则当Ａｊ和Ｂｉ都存在时，可以利用Ａｊ和Ｂｉ进行如下估计：Ｐｉｊ＝Ａｊ×ｃ０＋Ｂｉ×ｃ１，其中，０＜ｃ０，ｃ１＜１，且ｃ０＋ｃ１＝１。由于ｃ０∝１ｄｙ，ｃ１∝１ｄｘ
，ｄｘ＝ｊ＋１，ｄｙ＝ｉ＋１，因此
Ｐｉｊ＝Ａｊ×ｊ＋１ｉ＋ｊ＋２＋Ｂｉ×ｉ＋１ｉ＋ｊ＋２
（１）
由于２≤ｉ＋ｊ＋２≤１６，为了便于硬件实现，将分母放大至１６，因此，式（１）可近似表示为Ｐｉｊ＝（Ａｊ×ｃ０′＋Ｂｉ×ｃ１′＋８）／１６。
由于Ｈ．２６４所采用的帧内预测技术，忽视了像素点之间的空间相关性和距离之间的关系，即不管像素点和参考点的距离远近，采用一样的预测系数，从而未能更好地发挥其性能。然而，由于上述技术的采用，使得其Ｉ帧的编码质量提高很多。另外，由于预测值具有一定方向性，最优模式下的预测值和待分解到信号之间在公式（２）的率失真准则下最优，且预测值和待分解信号具有一致的方向性。因此，通过率失真准测决定块预测模式的过程，同时可以作为信号分解方向的选择过程。Ｊ＝Ｄ＋"Ｒ
（２）公式（２）中的Ｒ是表示宏块模式和预测方向所需的比特开销，
Ｄ表示参考值和待编码块之间的误差。
这里的λ可以依据不同的量化程度来调整，是Ｈ．２６４标准根据大量的实验获得的，比文献［９］的估计方法更合理，且已经被证明具有很好的率失真性能。
３实验结果与分析
这种距离加权的方法，根据距离越远，和参考值之间相似
性越小的准则进行帧内预测。虽然本文的直接目的不是为了提高编码的效率，但还是对Ｈ．２６４中的预测模式进行了改进，并在Ｈ．２６４ＪＭ１０．１版本上做了全Ｉ帧的图像编码。编码的效果请见表１。
在块模式的选择过程中，按照一定的方向，采用邻近的块内点，对需要编码的块进行预测。和Ｈ．２６４的帧内预测技术相比，在获得较好的预测精度的同时，本文的方法也更好地通过预测方向反映图像块内的纹理，达到降低判断纹理块和方向信息之间的计算冗余度的目的，且预测增益在很大程度上反映了预测方向和纹理方向的一致性。
在率失真准则下，图像纹理越复杂，采用的宏块模式就越精细。图３的实验也表明了这种距离加权帧内预测方法，能很准确地按照纹理的复杂度，把图像分成不同的纹理特性的块。
同样，在率失真准则下，可以找到块的最优尺寸和预测方向。由于根据帧内预测的方向得到的预测值具有一定的方向
性，而预测值在率失真准则下又和待编码块的值最接近，因此有理由判断预测的方向和待编码块的纹理方向具有一致性。图
４中，白色线条的方向表明该块的帧内预测的方向。从图中能
很明显地观察到纹理方向和预测方向的一致性。
陈加忠，孙伟平，高毅，等：
一种基于距离加权帧内预测的纹理块划分方法
１９７
ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ计算机工程与应用
２００８，４４（３０）参考文献：
［１］郭薇，．基于点集拓扑学的三维拓扑空间关系形式化描述［Ｊ］．测
绘学报，１９９７，２６（２）：１２２－１２７．
［２］ＣｏｌｏｒｎｉＡ，ＤｏｒｉｇｏＭ，ＭａｎｉｅｚｚｏＶ．Ｄｉｓｔｒｉｂｕｔｅｄｏｐｔｉｍｉｚａｔｉｏｎｂｙａｎｔ
ｃｏｌｏｎｉｅｓ［Ｃ］／／ＶａｒｅｌａＦ，ＢｏｕｒｇｉｎｅＰ．ＰｒｏｃｏｆｔｈｅＥＣＡＬ’９１ＥｕｒｏｐｅａｎＣｏｎｆｏｆＡｒｔｉｆｉｃｉａｌＬｉｆｅ．Ｐａｒｉｓ：Ｅｌｓｅｖｉｅｒ，１９９１：１３４－１４４．
［３］ＤｏｒｔｇｏＭ，ＭａｎｉｅｚｚｏＶ，ＣｏｌｏｒｎｉＡ．Ａｎｔｓｙｓｔｅｍ：ｏｐｔｉｍｉｚａｔｉｏｎｂｙａ
ｃｏｌｏｎｙｃｏｏｐｅｒａｔｉｎｇａｇｅｎｔｓ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎＳｙｓｔｅｍｓ，Ｍａｎ，ａｎｄＣｙ－ｂｅｒｎｅｔｉｃｓＰａｒｔＢ：Ｃｙｂｅｒｎｅｔｉｃｓ，１９９６，２６
（１）：２９－４１．［４］ＤｏｒｔｇｏＭ，ＧａｍｂａｒｄｅｌｌａＬＭ．Ａｎｔｃｏｌｏｎｙｓｙｓｔｅｍ：ａｃｏｏｐｅｒａｔｉｖｅ
ｌｅａｒｎｉｎｇａｐｐｒｏａｃｈｔｏｔｈｅｔｒａｖｅｌｉｎｇｓａｌｅｓｍａｎｐｒｏｂｌｅｍ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎＥｖｏｌｕｔｉｏｎａｒｙＣｏｍｐｕｔａｔｉｏｎ，１９９７，１
（１）：５３－６６．［５］熊大国．随机过程理论与应用［Ｍ］．北京：国防工业出版社，１９９１：５１－６９．［６］ＭａｃｈａｄｏＬ，ＳｃｈｉｒｒｕＲ．Ｔｈｅａｎｔ－Ｑａｌｇｏｒｉｔｈｍａｐｐｌｉｅｄｔｏｔｈｅｎｕｃｌｅａｒ
ｒｅｌｏａｄｐｒｏｂｌｅｍ［Ｊ］．ＡｎｎａｌｓｏｆＮｕｃｌｅａｒＥｎｅｒｇｙ，２００２，２９
（１２）：１４５５－１４７０．
［７］ＤｏｒｉｇｏＭ，ＧａｍｂａｒｄｅｌｌａＬＭ．Ａｓｔｕｄｙｏｆｓｏｍｅｐｒｏｐｅｒｔｉｅｓｏｆａｎｔ－Ｑ［Ｃ］／／
ＶｏｉｇｔＨＭ，ＥｂｅｌｉｎｇＷ，ＲｅｃｈｅｎｂｅｒｇＩ，ｅｔａｌ．ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＰＰ－ＳＮ４４ｔｈＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＰａｒａｌｌｅｔＰｒｏｂｌｅｍＳｏｌｖｉｎｇｆｒｏｍＮａｔｕｒｅ．Ｂｅｒｌｉｎ：Ｓｐｒｉｎｇｅｒ－Ｖｅｒｌａｇ，１９９６：６５６－６６５．
［８］ＤｏｒｉｇｏＭ，ＣａｒｏＧＤ．Ａｎｔｃｏｌｏｎｙｏｐｔｉｍｉｚａｔｉｏｎ：ａｎｅｗｍｅｔａ－ｈｅｕｒｉｓ－
ｔｉｃ［Ｃ］／／Ｐｒｏｃｏｆｔｈｅ１９９９ＣｏｎｇｒｅｓｓｏｎＥｖｏｌｕｔｉｏｎａｒｙＣｏｍｐｕｔａｔｉｏｎ．Ｗａｓｈｉｎｇｔｏｎ：ＩＥＥＥＰｒｅｓｓ，１９９９，２：１４７０－１４７７．
［９］ＤｏｒｉｇｏＭ．Ｓｐｅｃｉａｌｓｅｃｔｉｏｎｏｎａｎｔｃｏｌｏｎｙｏｐｔｉｍｉｚａｔｉｏｎ［Ｊ］．ＩＥＥＥＴｒａｎｓ
ｏｎＥｖｏｌｕｔｉｏｎａｒｙＣｏｍｐｕｔａｔｉｏｎ，２００２，６
（４）：３１７－３１９．［１０］崔明义．基于蚁群算法的ＧＩＳ数据拓扑空间关系描述［Ｊ］．计算机工
程与应用，２００６，４２（２３）：１７９－１８２．
（上接１６２页）实验表明这种方法在纹理块划分和方向描述方面具有很好的效果。如果能把这种方法推广到更多的预测方向和块尺寸，有可能会更有效地刻画图像的纹理信息。
因此，通过率失真准测决定块预测模式的过程，也可以作为信号分解方向的选择过程。
４结束语
本文提出的这种基于距离加权的帧内预测方法，能很好地
根据纹理的复杂程度进行纹理块划分，而且在块划分的同时，利用率失真准则，可以更好地根据帧内预测方向确定纹理的方向，且消除了纹理块划分和纹理方向之间的计算冗余。下一步需要做的工作是，应考虑如何采用小波变换或者多小波变换，依据文中描述的纹理方向的判断方法，依纹理方向进行小波变换，以实现高质量的图像压缩编码。
参考文献：
［１］李杰，朱维乐，王磊，等．基于Ｗｏｒｄ模型和支持向量机的纹理识别［Ｊ］．
计算机研究与发展，２００７，４４（３）：４６０－４６６．
［２］ＤｏｎｇＷ，ＳｈｉＧ，ＸｕＪ．Ａｄａｐｔｉｖｅｎｏｎｓｅｐａｒａｂｌｅｉｎｔｅｒｐｏｌａｔｉｏｎｆｏｒｉｍａｇｅ
ｃｏｍｐｒｅｓｓｉｏｎｗｉｔｈｄｉｒｅｃｔｉｏｎａｌｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍ［Ｊ］．ＩＥＥＥＰｒｏｃｅｓｓ－ｉｎｇＬｅｔｔｅｒｓ，２００８，１５：２３３－２３６．
［３］ＤｉｎｇＷＰ，ＷｕＦ，Ｗｕ，ＸＬ，ｅｔａｌ．Ａｄａｐｔｉｖｅｄｉｒｅｃｔｉｏｎａｌｌｉｆｔｉｎｇ－
ｂａｓｅｄｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍｆｏｒｉｍａｇｅｃｏｄｉｎｇ［Ｊ］．ＩＥＥＥＴｒａｎｓＩｍａｇｅＰｒｏ－ｃｅｓｓｉｎｇ，２００７，１６
（２）：４１６－４２８．［４］ＣｈａｎｇＣＬ，ＭａｌｅｋｉＡ，ＧｉｒｏｄＢ．Ａｄａｐｔｉｖｅｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍｆｏｒｉｍ－
ａｇｅｃｏｍｐｒｅｓｓｉｏｎｖｉａｄｉｒｅｃｔｉｏｎａｌｑｕｉｎｃｕｎｘｌｉｆｔｉｎｇ［Ｃ］／／ＰｒｏｃＭｕｌｔｉｍｅ－ｄｉａＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇ，Ｏｃｔ２００５．
［５］ＣｈａｐｐｅｌｉｅｒＶ，ＧｕｉｌｌｅｍｏｔＣ．Ｏｒｉｅｎｔｅｄｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍｏｎａｑｕｉｎ－
ｃｕｎｘｐｙｒａｍｉｄｆｏｒｉｍａｇｅｃｏｍｐｒｅｓｓｉｏｎ［Ｃ］／／ＩＥＥＥＣｏｎｆ２００５，ＩＣＩＰ，２００５．［６］ＬｉｕＹｕ，ＮｇａｎＫＮ．Ｗｅｉｇｈｔｅｄａｄａｐｔｉｖｅｌｉｆｔｉｎｇ－ｂａｓｅｄｗａｖｅｌｅｔｔｒａｎｓ－
ｆｏｒｍ［Ｊ］．ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎＩｍａｇｅＰｒｏｃｅｓｓｉｎｇ，２００７，１６
（７）：１７４１－１７５４．
［７］刘忠轩，彭思龙．方向ＥＭＤ分解与其在文理分割中的应用［Ｊ］．中国
科学Ｅ辑：信息科学，２００５，３５（２）：１１３－１２３．
［８］ＢｒｅｉｍａｎＬ，ＦｒｉｅｄｍａｎＪＨ，ＯｌｓｈｅｎＲ．Ａ，ｅｔａｌ．Ｃｌａｓｓｉｆｉｃａｔｉｏｎａｎｄｒｅ－
ｇｒｅｓｓｉｏｎｔｒｅｅｓｓｅｒｗａｄｓｗｏｒｔｈｓｔａｔｉｓｔｉｃｓ／ｐｒｏｂａｂｉｌｉｔｙ［Ｍ］．Ｂｅｌｍｏｎｔ，ＣＡ：Ｗａｄｓｗｏｒｔｈ，１９８４．
［９］张楠，吕岩，吴枫，等．基于方向提升小波变换的多描述图像编码［Ｊ］．
自动化学报，２００７，３３（５）：５６７－５７６．
统的均衡器和译码器互相的接收机，它的性能要远远小于经过４次迭代时的性能。而ＭＭＳＥ－ＬＥ－ＬＣ算法在此仿真系统中，６次迭代和４次迭代后的性能差距非常小，这时可以判定它满足了译码判决条件，迭代可终止。
６结论
在无线通信中，当通信距离较大时，由于多径的时延特性，
信道的冲激响应长度会很大，采用性能优良的ＭＡＰ／ＭＡＰ算法时，由于其算法复杂度与信道记忆长度、调制信号星座大小成指数倍关系，计算量非常大而难以实现，然而ＬＣＭＭＳＥ／ＳＯＶＡ算法的计算复杂度最小，并且具有和ＭＡＰ／ＭＡＰ算法差异很小的误码性能，在性能与复杂度上取得了折中，ＬＣＭＭＳＥ／ＳＯＶＡ算法是工程实现的一种较好的算法。它将在无线通信以及其它类似的通信系统中会得到越来越广泛的应用。
参考文献：
［１］ＴｕｃｈｌｅｒＭ，ＳｉｎｇｅｒＡ，ＫｏｅｔｔｅｒＲ．Ｍｉｎｉｍｕｍｍｅａｎｓｑｕａｒｅｄｅｒｒｏｒｅｑｕａｌ－
ｉｚａｔｉｏｎｕｓｉｎｇａｐｒｉｏｒｉｉｎｆｏｒｍａｔｉｏｎ［Ｊ］．ＩＥＥＥＴｒａｎｓＳｉｇｎａｌＰｒｏｃｅｓｓ，
２００２，５０
（３）：６７３－６８３．［２］ＡｍｐｅｌｉｏｔｉｓＤ，ＢｅｒｂｅｒｉｄｉｓＫ．Ａｎｅｗｔｕｒｂｏｅｑｕａｌｉｚｅｒｗｉｔｈｌｉｎｅａｒｃｏｍ－
ｐｌｅｘｉｔｙ［Ｊ］．ＩＥＥＥＴｒａｎｓＣｏｍｍｕｎ，２００５，２２（５）：２３４－２４０．［３］ＷａｎｇＸ，ＣｈｅｎＲ．ＢｌｉｎｄｔｕｒｂｏｅｑｕａｌｉｚａｔｉｏｎｉｎＧａｕｓｓｉａｎａｎｄｉｍｐｕｌ－
ｓｉｖｅｎｏｉｓｅ［Ｊ］．ＩＥＥＥＴｒａｎｓｏｎＶｅｈｉｃｕｌａｒＴｅｃｈｎｏｌｏｇｙ，２００１，５０
（４）：１０９２－１１０５．
［４］ＡｄｅｂｉｓｉＢ，ＧｉｏｖａｎｅｌｉＣＬ，ＨｏｎａｒｙＢ．ＬｏｗｃｏｍｐｌｅｘｉｔｙＴｕｒｂｏｅｑｕａｌ－
ｉｚａｔｉｏｎｆｏｒｐｏｗｅｒｌｉｎｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ［Ｊ］．ＩＥＥＥＴｒａｎｓＣｏｍｍｕｎ，２００６，５０
（４）：５５３－５５９．［５］钟芸，许宗泽．新的降低复杂度的Ｔｕｒｂｏ均衡［Ｊ］．江苏通信技术，２００３，１９
（６）：１８－２１．［６］徐俊，蒋志红．Ｔｕｒｂｏ均衡的多种算法及其性能比较［Ｊ］．重庆邮电学
院学报，２００３，１：１５－１９．
［７］王新梅，肖国镇．纠错码原理与方法［Ｍ］．西安：西安电子科技大学出
版社，２００１：５０５－５３０．
（上接１０７页）
１９８下载本文
