粒子群优化算法在音视频信号传输中的应用

◆喻永生 郭海富



粒子群优化算法在音视频信号传输中的应用

◆喻永生 郭海富

(西南科技大学计算机科学与技术学院 四川 621010)

在音视频信号过程当中，常常出现速度较慢或者失真等情况，使得在整个传输过程中效果较差，本文通过利用粒子群优化算法对于音视频信号中的关键因子进行计算，从而使得其传输准确度能够提升，为其进一步发展打下坚实的基础。

粒子群优化算法；音视频信号；传输

0 引言

目前来说，音视频信号传输由发射机和接收机组成，每对发射机和接收机有相同的频率，可以传输彩色和黑白视频信号，并可以有声音通道。无线传输具有一定的穿透性，不需要布线，也常用于电视监控系统。 而大功率设备又有可能干扰正常的无线电通讯受到限制。由于线路带宽限制和视频图像数据量大的矛盾，传输到终端的图像都不连续，而且分辩率越高，帧与帧之间的间隔就越长；反之，如果想取得相对连续的图像，就必然以牺牲清晰度为代价。

1 粒子群优化算法概述

粒子群算法，缩写为 PSO。PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”和“变异”操作，它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视，并且在解决实际问题中展示了其优越性，粒子群算法是一种并行算法，其源于对鸟群捕食的行为研究。该算法最初是受到飞鸟集群活动的规律性启发，进而利用群体智能建立的一个简化模型。粒子群算法在对动物集群活动行为观察基础上，利用群体中的个体对信息的共享，使整个群体的运动在问题求解空间中产生从无序到有序的演化过程，从而获得最优解。 PSO同遗传算法类似，是一种基于迭代的优化算法。同遗传算法比较，PSO的优势在于简单容易实现并且没有许多参数需要调整。目前已广泛应用于函数优化，神经网络训练，模糊系统控制以及其他遗传算法的应用领域。

2 音视频传输技术分析

2.1 高码流技术

音视频传输需要利用高码流的技术应用，在文件传输过程可采取上变换的措施对信号接口进行针对性的设置，确保单声道信号在变换的设置策略下得到采集。而对于完成播放声音的视频服务器同样也要复合混合系统的要求，必须同时音视频传输两种信号，达到单声道节过，文件可随时转变为多声道信号输出。在另一方面，引入上下变换器技术运用到声音系统的实现中，可在不同的需求之下，针对性的进行不同的设置方式进而调整，进而可实现单声道与多声道信号之间便捷的上下变换。并且，为了达到音视频传输混合制播系统良好工作的效果，其中重要的一环即音视频传输作品的播出模式必须针对性的进行设计，既可以将多声道作品和单声道作品的播出系统分别管理，产生各自分立的多声道、单声道信号，分别进行各自的独立播出，也可以直接使用多声道播出系统实现节目的录制，而在输出的过程中，利用清晰度转换器完成多声道向单声道的转变，进而兼顾到部分无法实现多声道播放的终端设备，此类音视频传输转换模式操作便捷，易于实现，因此被广泛的运用在大部分作品的节目制作传播。一般来说在录制现场会选用高分辨率的采集与传输装置，可能有时候会用模拟的录音机来代替数字录音机，因为模拟音视频传输装置可以防潮、防摔，有利于在复杂的条件下使用，使得录音的效果得到保证，如果用多声道进行录制无法对于声像进行有效的定位，从而获得较好的交叉混合效果，在播出的时候利用多声道可以有效地把单个声道当中的音轨进行混合，从而达到相应的效果。使用立体声的方式可以完成多样的效果录制，但是其主要取决于能否用解码器来对我们所录制的声音进行播放，一个较为成熟的模式来进行播放，给人以身临其境的体验，模拟音视频传输装置也有了更快的发展。

2.2 多声道技术

音视频传输可以通过多个声道来实现较好的兼容性，它还提供了双向立体声播放的良好兼容性，其中从左和右扬声器再现可以形成立体声中心，并且环绕从两个扬声器再现，以漫射方式发射音频信号。一个简单的四声道解码器可以简单地向中心扬声器发送和信号（左声道 + 右声道），并将差分信号（左声道-右声道）发送到周围。但是这样的解码器将在相邻的扬声器通道之间无法提供较高精度的差分信号，因此用于中置扬声器的信号需要从左侧和右侧扬声器传输。然而，左右两者之间以及中心和环绕通道之间存在着完全的分离。为了克服这个问题，电影解码器使用差分电路来改善分离的情况。逻辑电路决定哪个扬声器通道具有最高信号电平并给予其优先级，衰减馈送到相邻通道的信号。因为相对通道之间已经存在完全分离，所以不需要衰减很多，实际上解码器在左声道和右声道优先级之间切换。这对杜比立体声的混音造成了一些限制，并确保声音混音器混合配乐，他们将通过杜比立体声编码器和解码器串联监听声音组合。除了差分电路之外，环绕声道还通过延迟，可调节高达100 ms的音频，以适应不同情况下的观看，这利用了优先效应来将声音定位到预期的方向。

3 粒子群优化算法在音视频传输中的应用

在现代音视频信号传输领域中，通过进化算法得到测试数据已经成为了当前该领域的研究热点。以往的利用进化算法获得测试数据的技术，要求将全部的测试数据输入其中，被测程序运行后即可获得个体适应值。故此，已往的无算法所需要耗费的时间是较长的，因此，为了能够减少由于程序运行而导致的时间损耗，利用基于粒子群优化算法音视频信号传输数据的生成方法。本文所提出的算法基本思想为：首先，需要通过一定的样本实现对粒子群的有效训练，以实现对个体适应值的有效模拟；在对测试数据进行生成时，要求首先利用已经经过训练的粒子群实现对个体适应值的大致估计，从中选择具有较好适应值的个体，随后再运行程序。应当认识到，由于部分音视频信号是极易被覆盖的，故此，对于这部分音视频信号而言，通过随机法即可较为容易的得到测试数据，因此是无须利用进化算法的。在音视频信号的传输当中，需要用上下变换来对于作品当中的声音进行采样与分析和调整，但是在时空的分辨率转换当中可能会出现一定的损失，因此我们的系统当中应该加强其分辨和调整，使得上下变换技术能够有效的实现声音质量的变换，尽量地减少损失，使得音色不失真。因此，幅型在进行转变的过程中，必须确保原声音不进行裁切形变，并可以通过增大信息量，例如扩展传输带宽可很好地降低质量损失程度。在声音技术实现的过程中，对于声音的实现，通常是采用镶嵌的技术使其播放在声音信号上。因此，对于多声道环绕的作品信号的制作与传播，应该加强声音所采用的形式、技术标准在单声道节目中的应用，我们的设备开发需要对于音色进行调试和保护，但是我国的成套开发体系还没有成熟，因此我们必须对于传统的模式来进行改造，提升设备的智能化计算能力，使得音色能够被有效地检测出来。故此，在进行音视频信号选择时，应当尽量选择其中较难进行覆盖的，以实现对算法性能的有效分析。具体来讲，首先需要通过随机法得到测试数据，将其作为输入实现程序运行，并且对数据出现的高维音视频信号重复情况进行分析；然后从中选择没有被覆盖的音视频信号，这部分音视频信号即为目标音视频信号。此外，由于部分音视频信号是不可导的，而这部分音视频信号也无法实现对算法性能的有效评价。

4 总结

同时，粒子群优化算法为音视频信号的传输技术发展提供了相关的保障，各种技术使得信息的采集与管理越来越方便，可以使得数据管理分析设备的使用更加方便，这些创新技术使得信号传输技术越来越成为各行业的重要发展趋势，因此我们需要提升技术的可靠性，使其更好地为我们而服务。

[1]孙玉章.数字调制技术在音视频信号传输中的应用分析[J].信息化建设，2015.

[2]梁亚峰.视频眼镜的视频信号转换及无线传输的设计与实现[D].四川:电子科技大学，2013.

[3]尹睿男.音视频传输与传输系统设计[D].北京:北方工业大学，2012.

[4]王岩.视频信号采集与网络传输系统的研究与实现[D].辽宁:大连海事大学，2011.