收稿日期：2006-06-20? 作者简介：李灵芝(1979-)，女，武汉科技大学中南分校信息工程学院教师；江晶(1963-)，男，空军雷达学院硕士生导师。?
（1?武汉科技大学中南分校 信息工程学院，湖北 武汉 430223；?2?空军雷达学院信息与指挥自动化系，湖北 武汉 430019）
摘 要：为了解决大容量雷达数据传输，满足雷达原始视频信号实时无损的要求，根据雷达原始视频信号的特点，给出了采用DPCM（Difference Pulse Coding Modulation）与自适应Huffman编码相结合的压缩编码方式，分析了该算法的有效性和溢出问题，实验表明该方法相对于传统的自适应Huffman编码而言能改善实时性，提高了压缩比。?
关键词：雷达原始视频信号；DPCM；自适应Huffman编码；压缩??
随着计算机、通信和数据融合技术的发展，雷达网已从单一的终端系统发展成为利用一个控制中心遥控、指挥多部前端雷达的综合网络系统。但是面对海量的未经处理的雷达数据，直接在现有网络甚至于无限信道上直接传输变得十分困难，同时改造现有网络也是一项耗资巨大的工程。因此，有限的信道容量与传输大量雷达数据的需求之间的矛盾日益突出，数据压缩技术作为解决这一问题的有效途径越来越受到重视。由于对图像的压缩一般以人的主观视觉为评判标准，常常可以利用人的感官特性，去掉感官觉察不到的信息以获得高压缩比；而对雷达原始视频信号，在许多情况下，要求进行无失真或低失真度压缩。在雷达信号无损压缩方法中，LZW算法由于可以用于流式数据输入，实时性好而受到了欢迎，但是算法实现起来较复杂，压缩效率低，从而限制了它的应用。而对于Huffman编码，编码效率虽然很高，但是它需要先扫描要编码的文件，计算出各字符出现的概率，然后进行编码，对于需实时传输和处理雷达系统来说，不能允许分别对每个脉冲的每个数据进行统计和压缩编码两次处理，并附带较大的概率表。为此，本文采用可以边传递数据边压缩的自适应Huffman编码，又由于雷达原始视频信号的相邻脉冲、相邻帧之间都存在很大相关性，为了利用这种相关性，本文首先对雷达信号采用DPCM预测，传输较小的预测误差，然后进行自适应Huffman编码，这样不仅很好地去除相关性，也可以减小信源的熵，提高压缩比，改善压缩编码的时间，为雷达原始视频信号的实时传输提供了保障。?
1 DPCM预测?
由雷达天线接收到的有效目标反射回来的有用信号及其它物体反射回来的杂波信号、自然界噪声干扰以及机器工作时的热噪声等迭加形成雷达信号称为雷达回波信号。对其以奈奎斯特频率进行采样得到的数据就是本文所用的雷达原始视频信号。实践证明雷达原始视频信号的同一方位、相邻方位之间、相邻帧的数据对应点之间往往存在着很强的相关性，去除或减少这些相关性，就是去除或减少雷达信息中的冗余度，达到雷达数据压缩的目的。根据雷达原始视频信号这种相关性大的特点，直接对其进行Huffman编码，运算量太大，且压缩比较低。所以，为了较好地利用这种相关性，减少数据量，可考虑首先对雷达数据进行DPCM线性预测。原始视频信号的相关性越大，则预测误差的方差越小，信源的分布确定性越小，即信源的熵越小，能达到的无失真压缩比就越大。?
DPCM系统中编码器和解码器分别完成对预测误差量化值的编码和解码，由于DPCM具有量化环节，产生的失真也是非线性失真，而且量化器的设计难以定量分析。因此，为了完全实现雷达原始视频信号的无损压缩，本文采用去掉量化器的无失真DPCM系统，并且为了实现数据的实时采集、编码，同时考虑到编码的实效性，对信号序列进行线性预测后采用自适应Huffman编码算法，如图1所示。?
最佳预测系数ai以及预测器阶数N的选择，与信源的统计特性紧密相关。雷达原始视频信号的统计特性随着波束的不同而发生了变化，则最佳预测系数也必然随波束的变化而变化，因此，这里用在雷达数据压缩中比较有效的一阶不变线性预测器。?
2 自适应Huffman编码?
在无损压缩编码中最佳的是Huffman编码，尽管Huffman编码的效率很高，但是它需要先扫描要编码的文件，计算出各字符出现的概率，然后进行编码，且在传输过程中，需同时传送已压缩数据的概率表的一个拷贝，否则解码端就无法对数据进行正确解码，当传输高阶模型时，需传输的概率表也越多。对于需实时传输和处理雷达的系统来说，不能允许分别对每个脉冲的每个数据进行统计和压缩编码两次处理，并附带较大的概率表，为此，本文采用自适应的Huffman编码。?
自适应编码可以一边传递数据，一边进行压缩，而不需要等数据全部传递进来以后，再来统计概率，进行压缩，且传输过程中不需要传递概率表，既可以改善实时性，也可以提高压缩比；而且，工程上雷达原始视频信号传输可以按扫描扇区分区进行，与之正好吻合。?
根据己得到的数据和对未来统计量的不确知性，实现自适应编码是通过把Huffman树放到均衡器上。在这种编码中，压缩器和还原器从同样的模型开始编码和解码，所以当压缩器输出它的第一个已编码的符号时，还原器就能翻译它。?
在压缩器传输第一个符号后，就将更新压缩模型，这是自适应行为的开始。被更新的模型考察已见到的字符并更新频率和用来编码这个字符的编码数据。在Huffman树中，这意味着增加这个特定符号的计数，然后修改Huffman编码树。?
Huffman树是二叉树，树中各个节点表示不同的字符及权重。除根节点以外的其他节点都有兄弟节点。如果这些节点可以按权的递增次序排列，并且如果每个节点在列表中与其兄弟节点相邻，那么就说这棵树体现了兄弟特性。若要确保在统计计数及树更新过程中，树的结构仍满足Huffman树的条件，就必须使其随时都满足兄弟特性。在自适应编码过程中，Huffman树的调整步骤如下:?
①加输入字符所在叶节点的权重；?
②检查Huffman树是否仍满足兄弟特性。若满足，执行④，否则执行③；?
③当不满足兄弟特性时，需调整树的结构，具体过程如下：与序号高于且权重小于该节点的节点交换字符及权重，若有多个节点满足此条件，则与最右边的节点进行交换。若欲交换的节点是非叶结点，则应将该节点及后代节点作为一个整体进行交换；?
④按调整后的Huffman树，根据节点指针依次调整各节点的父节点权重。调整过程中，要随时检查是否满足兄弟特性，若不满足，转到③，直到根节点为止。?
3 DPCM与自适应Huffman编码?相结合的雷达信号压缩算法
3.1 编、解码流程图?
根据雷达原始视频信号的特点，首先对其进行DPCM线性预测，再进行自适应Huffman编码，图2和图3分别为编码和解码的流程图。?
3.2溢出问题?
在该算法中，有两种情况可能造成溢出。在编码的时候不断读入新的字符，Huffman树中各字符的权重也不断增大。如果将节点的权重设置成为整型变量，当Huffman树根节点的权重达到65535时，就会出现计数器的溢出。另一种情况是Huffman代码的溢出，编码时虽然是以位表示Huffman码，但在编码过程中由Huffman树形成Huffman代码的过程是从根到叶逐节点把代码逐次存放在整型变量中。当Huffman树达到一定深度后，代码长度有可能超过整型变量所能容纳的位数，这就会产生代码溢出。不论是Huffman树还是Huffman码的溢出，均因Huffman树的规模过大造成的。因此必须要控制Huffman树的最大权重。当字符的计数值达到某值时，重新调整Huffman树的字符权重和结构。但是在用于雷达数据压缩中，采用的是逐个脉冲进行压缩的方式，可以控制压缩数据不超过整型变量能够表示的最大值65535，所以不会造成溢出。?
4 实验结果?
为了验证该算法对雷达原始视频信号压缩的有效性，在同一台计算机的相同环境下进行验证，这里截取如图4（a）和（b）所示的两块雷达原始视频信号做实验。实验数据从某常规雷达采集得到。这里仅给出其中两组数据的实验结果，第一组数据取40个相邻脉冲，第二组数据取60个相邻脉冲，每组数据的每个脉冲周期取其中1000个采样点，逐个脉冲进行压缩处理。应用本文所述算法的实验结果如表1所示。?
实验结果表明，在无损的条件下，对于雷达原始视频信号，本文所采用的新算法相对于直接采用自适应Huffman编码方法压缩比提高，编、解码时间减少，即实时性增强。??
本文根据雷达原始视频信号及其可分扇区传输的特点，在自适应Huffman编码的基础上，采用DPCM预测方法，并通过实际采集的数据进行了实验，结果表明，新方法的压缩比提高，实时性增强，有望用于某些信号处理能力强但通信容量不足的工程场合。但是由于雷达信号中含有杂波、目标和噪声等不确定因素，因此，需要继续探索雷达原始视频信号的特点，提出性能更好地适应各种雷达数据的无损压缩算法。?
参考文献?
[1]李飞鹏,梅天灿,秦前清.雷达数据的准无损压缩[M].武汉：武汉大学学报理学版,2004.?
[2]V.Sabbatino, S. Bottalico. Radar Image Compression. IEE.1997(10).?
[3]吴乐南.数据压缩[M].北京：电子工业出版社2000.?
[4]Roy Huffman. Data Compression in Digital System.[M]. New York.1998.?
[5]程正兴.小波分析算法与应用[M].西安：西安交通大学出版社,1999.