基于混合预测的触感通信容错方法及系统.pdf

《基于混合预测的触感通信容错方法及系统.pdf》由会员分享，可在线阅读，更多相关《基于混合预测的触感通信容错方法及系统.pdf（14页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010895087.9 (22)申请日 2020.08.31 (71)申请人 福州大学 地址 350108 福建省福州市闽侯县福州大 学城乌龙江北大道2号福州大学 (72)发明人 房颖林擎旭郑权斐徐艺文 赵铁松 (74)专利代理机构 福州元创专利商标代理有限 公司 35100 代理人 钱莉蔡学俊 (51)Int.Cl. G06F 3/01(2006.01) G06N 3/04(2006.01) (54)发明名称 一种基于混合预测的触感通信容错方法及 系统 (57)摘要 本发。

2、明涉及一种基于混合预测的触感通信 容错方法及系统， 在发送数据时， 通过对要发送 的数据进行预测压缩， 仅发送预测值与真实值相 对偏差大于死区参数的数据帧， 以减少需要发送 的数据量； 在接收数据时， 若遇到缺失的数据， 计 数加1， 并将当前的计数值n与先前接收到的预测 阈值L进行比较， 若nL， 则采用零阶保持预测算 法预测缺失的数据， 否则采用LSTM模型预测缺失 的数据； 若接收到数据， 则令计数值清零， 此时的 预测值为真实值， 同时获取新接收到的预测阈值 L。 本发明通过连续预测阈值的设定， 使得接收端 可以自主的选择相对保守的预测算法， 减小了连 续预测导致的积累误差所带来的影响。

3、， 进一步提 高了触感通信系统稳定性。 权利要求书3页 说明书9页 附图1页 CN 111949135 A 2020.11.17 CN 111949135 A 1.一种基于混合预测的触感通信容错方法， 其特征在于， 包括以下步骤： 在发送数据时， 通过对要发送的数据进行预测压缩， 仅发送预测值与真实值相对偏差 大于死区参数的数据帧， 以减少需要发送的数据量； 在发送数据时， 计算预测阈值L， 并与数 据一起发送； 在接收数据时， 若遇到缺失的数据， 计数加1， 并将当前的计数值n与先前接收到的预测 阈值L进行比较， 若nL， 则采用零阶保持预测算法预测缺失的数据， 否则采用LSTM模型预测 缺。

4、失的数据； 若接收到数据， 则令计数值清零， 此时的预测值为真实值， 同时获取新接收到 的预测阈值L； 所述缺失的数据为丢包数据或者因压缩舍弃的数据。 2.根据权利要求1所述的一种基于混合预测的触感通信容错方法， 其特征在于， 所述对 要发送的数据进行预测压缩具体为： 采用下式对数据进行预测压缩： 式中， 为当前要发送的真实值， 为通过LSTM模型预测得到的预测值， k为死区参数。 3.根据权利要求2所述的一种基于混合预测的触感通信容错方法， 其特征在于， 死区参 数的取值为0.15。 4.根据权利要求1所述的一种基于混合预测的触感通信容错方法， 其特征在于， 所述预 测阈值L的计算采用下式：。

5、 LLmax*Q； 式中， Lmax为LSTM连续预测极值， Q为梯度影响参数。 5.根据权利要求4所述的一种基于混合预测的触感通信容错方法， 其特征在于， Lmax的 值为8。 6.根据权利要求4所述的一种基于混合预测的触感通信容错方法， 其特征在于， 梯度影 响参数Q的计算具体为： 式中， max为通信过程中所出现的预测梯度最大值， x、 y、 z为x、 y、 z三个方向上的预 测梯度。 7.根据权利要求1所述的一种基于混合预测的触感通信容错方法， 其特征在于， 在进行 方法的测试时， 通过布尔型指针*TransmitFlag的状态来代表通信过程中是否发送丢包， 每 一时刻*Transmi。

6、tFlag的状态通过随机产生一个正态分布的值来确定， 共设置0-50八 种不同的丢包率， 并将*TransmitFlag的状态保存在标志位loss_v中， 表示每一时刻的数据 权利要求书 1/3 页 2 CN 111949135 A 2 是否丢包； 当接收到数据时， 若*TransmitFlagTrue， 则表示接收到发送的数据， 此时的预 测值为真实值， 即不需要进行预测； 若*TransmitFlagFalse， 则表示通信过程中发生丢 包， 此时预测值为通过LSTM模型或者零阶保持算法预测得到。 8.一种基于权利要求1-7任一项所述基于混合预测的触感通信容错方法的系统， 其特 征在于， 。

7、包括发送端、 接收端； 所述发送端在发送数据时， 通过对要发送的数据进行预测压缩， 仅发送预测值与真实 值相对偏差大于死区参数的数据帧， 以减少需要发送的数据量； 在发送数据时， 计算预测阈 值L， 并与数据一起发送； 在接收数据时， 若遇到缺失的数据， 计数加1， 并将当前的计数值n与先前接收到的预测 阈值L进行比较， 若nL， 则采用零阶保持预测算法预测缺失的数据， 否则采用LSTM模型预测 缺失的数据； 若接收到数据， 则令计数值清零， 此时的预测值为真实值， 同时获取新接收到 的预测阈值L； 所述缺失的数据为丢包数据或者因压缩舍弃的数据。 9.一种基于混合预测的触感通信容错系统， 其特。

8、征在于， 包括发送端， 所述发送端在发 送数据时， 通过对要发送的数据进行预测压缩， 仅发送预测值与真实值相对偏差大于死区 参数的数据帧， 以减少需要发送的数据量； 在发送数据时， 计算预测阈值L， 并与数据一起发 送； 所述对要发送的数据进行预测压缩具体为： 采用下式对数据进行预测压缩： 式中， 为当前要发送的真实值， 为通过LSTM模型预测得到的预测值， k为死区参数； 所述预测阈值L的计算采用下式： LLmax*Q； 式中， Lmax为LSTM连续预测极值， Q为梯度影响参数； 其中， 梯度影响参数Q的计算具体为： 式中， max为通信过程中所出现的预测梯度最大值， x、 y、 z为x、。

9、 y、 z三个方向上的预 测梯度。 10.一种基于混合预测的触感通信容错系统， 其特征在于， 包括接收端， 所述接收端在 接收数据时， 若遇到缺失的数据， 计数加1， 并将当前的计数值n与先前接收到的预测阈值L 进行比较， 若nL， 则采用零阶保持预测算法预测缺失的数据， 否则采用LSTM模型预测缺失 权利要求书 2/3 页 3 CN 111949135 A 3 的数据； 若接收到数据， 则令计数值清零， 此时的预测值为真实值， 同时获取新接收到的预 测阈值L； 所述缺失的数据为丢包数据或者因压缩舍弃的数据。 权利要求书 3/3 页 4 CN 111949135 A 4 一种基于混合预测的触感。

10、通信容错方法及系统 技术领域 0001 本发明涉及触感通信技术领域， 特别是一种基于混合预测的触感通信容错方法及 系统。 背景技术 0002 近年来， 随着虚拟现实(VR)和人工智能领域的发展， 人们逐渐无法满足于视觉和 听觉上获得的真实感和沉浸感， 因而触感在业界受到越来越多的关注。 触感数据在传输过 程中可能因网络抖动等问题造成传输出错， 进而可能导致触感通信系统不稳定。 传统上采 用零阶保持与一阶线性等方法解决此问题， 但研究表明触感数据并不仅是简单的线性关 系。 近年来， 长短期记忆(LSTM)神经网络由于其在时间序列预测上的优势， 有研究人员利用 其实现了触感数据的非线性预测， 并在。

11、容错性能上有了较大提升。 但是， 该方法在长期预测 情况下存在误差积累问题， 性能仍存在提升空间。 发明内容 0003 有鉴于此， 本发明的目的是提出一种基于混合预测的触感通信容错方法及系统， 通过连续预测阈值的设定， 使得接收端可以自主的选择相对保守的预测算法， 减小了连续 预测导致的积累误差所带来的影响， 进一步提高了触感通信系统稳定性。 0004 本发明采用以下方案实现： 一种基于混合预测的触感通信容错方法， 具体包括以 下步骤： 0005 在发送数据时， 通过对要发送的数据进行预测压缩， 仅发送预测值与真实值相对 偏差大于死区参数的数据帧， 以减少需要发送的数据量； 在发送数据时， 计。

12、算预测阈值L， 并 与数据一起发送； 0006 在接收数据时， 若遇到缺失的数据， 计数加1， 并将当前的计数值n与先前接收到的 预测阈值L进行比较， 若nL， 则采用零阶保持预测算法预测缺失的数据， 否则采用LSTM模型 预测缺失的数据； 若接收到数据， 则令计数值清零， 此时的预测值为真实值， 同时获取新接 收到的预测阈值L； 0007 所述缺失的数据为丢包数据或者因压缩舍弃的数据。 0008 进一步地， 所述对要发送的数据进行预测压缩具体为： 采用下式对数据进行预测 压缩： 0009 说明书 1/9 页 5 CN 111949135 A 5 0010式中， 为当前要发送的真实值， 为通过。

13、预测算法(本发明采用LSTM模型进行预 测)得到的预测值， k为死区参数。 0011 进一步地， 死区参数k的取值为0.15。 0012 进一步地， 所述预测阈值L的计算采用下式： 0013 LLmax*Q； 0014 式中， Lmax为LSTM连续预测极值， Q为梯度影响参数。 0015 进一步地， Lmax的值为8。 0016 进一步地， 梯度影响参数Q的计算具体为： 0017 0018 式中， max为通信过程中所出现的预测梯度最大值， x、 y、 z为x、 y、 z三个方向上 的预测梯度。 0019 进一步地， 在进行方法的测试时， 通过布尔型指针*TransmitFlag的状态来代表。

14、通 信过程中是否发送丢包， 每一时刻*TransmitFlag的状态通过随机产生一个正态分布的值 来确定， 共设置0-50八种不同的丢包率， 并将*TransmitFlag的状态保存在标志位 loss_v中， 表示每一时刻的数据是否丢包； 当接收到数据时， 若*TransmitFlagTrue， 则表 示接收到发送的数据， 此时的预测值为真实值， 即不需要进行预测； 若*TransmitFlag False， 则表示通信过程中发生丢包， 此时预测值为通过LSTM模型或者零阶保持算法预测得 到。 0020 本发明还提供了一种基于上文所述的基于混合预测的触感通信容错方法的系统， 包括发送端、 接收。

15、端； 0021 所述发送端在发送数据时， 通过对要发送的数据进行预测压缩， 仅发送预测值与 真实值相对偏差大于死区参数的数据帧， 以减少需要发送的数据量； 在发送数据时， 计算预 测阈值L， 并与数据一起发送； 0022 在接收数据时， 若遇到缺失的数据， 计数加1， 并将当前的计数值n与先前接收到的 预测阈值L进行比较， 若nL， 则采用零阶保持预测算法预测缺失的数据， 否则采用LSTM模型 预测缺失的数据； 若接收到数据， 则令计数值清零， 此时的预测值为真实值， 同时获取新接 收到的预测阈值L； 0023 所述缺失的数据为丢包数据或者因压缩舍弃的数据。 0024 本发明还提供了一种基于混。

16、合预测的触感通信容错系统， 包括发送端， 所述发送 端在发送数据时， 通过对要发送的数据进行预测压缩， 仅发送预测值与真实值相对偏差大 于死区参数的数据帧， 以减少需要发送的数据量； 在发送数据时， 计算预测阈值L， 并与数据 一起发送； 0025 所述对要发送的数据进行预测压缩具体为： 采用下式对数据进行预测压缩： 说明书 2/9 页 6 CN 111949135 A 6 0026 0027式中， 为当前要发送的真实值， 为通过预测算法(本发明中采用LSTM预测)得 到的预测值， k为死区参数； 0028 所述预测阈值L的计算采用下式： 0029 LLmax*Q； 0030 式中， Lmax。

17、为LSTM连续预测极值， Q为梯度影响参数； 0031 其中， 梯度影响参数Q的计算具体为： 0032 0033 式中， max为通信过程中所出现的预测梯度最大值， x、 y、 z为x、 y、 z三个方向上 的预测梯度。 0034 本发明还提供了一种基于混合预测的触感通信容错系统， 包括接收端， 所述接收 端在接收数据时， 若遇到缺失的数据， 计数加1， 并将当前的计数值n与先前接收到的预测阈 值L进行比较， 若nL， 则采用零阶保持预测算法预测缺失的数据， 否则采用LSTM模型预测缺 失的数据； 若接收到数据， 则令计数值清零， 此时的预测值为真实值， 同时获取新接收到的 预测阈值L； 所述。

18、缺失的数据为丢包数据或者因压缩舍弃的数据。 0035 与现有技术相比， 本发明有以下有益效果： 本发明通过连续预测阈值的设定， 使得 接收端可以自主的选择相对保守的预测算法， 减小了连续预测导致的积累误差所带来的影 响， 进一步提高了触感通信系统稳定性。 附图说明 0036 图1为本发明实施例的方法流程示意图。 0037 图2为本发明实施例的三个方向上的触感数据示意图。 其中， (a)为x方向， (b)为y 方向， (c)为z方向。 具体实施方式 0038 下面结合附图及实施例对本发明做进一步说明。 0039 应该指出， 以下详细说明都是示例性的， 旨在对本申请提供进一步的说明。 除非另 有指。

19、明， 本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常 理解的相同含义。 0040 需要注意的是， 这里所使用的术语仅是为了描述具体实施方式， 而非意图限制根 说明书 3/9 页 7 CN 111949135 A 7 据本申请的示例性实施方式。 如在这里所使用的， 除非上下文另外明确指出， 否则单数形式 也意图包括复数形式， 此外， 还应当理解的是， 当在本说明书中使用术语 “包含” 和/或 “包 括” 时， 其指明存在特征、 步骤、 操作、 器件、 组件和/或它们的组合。 0041 如图1所示， 本实施例提供了一种基于混合预测的触感通信容错方法， 具体包括以 下步骤： 。

20、0042 在发送数据时， 通过对要发送的数据进行预测压缩， 仅发送预测值与真实值相对 偏差大于死区参数的数据帧， 以减少需要发送的数据量； 在发送数据时， 计算预测阈值L， 并 与数据一起发送； 0043 在接收数据时， 若遇到缺失的数据， 计数加1， 并将当前的计数值n与先前接收到的 预测阈值L进行比较， 若nL， 则采用零阶保持预测算法预测缺失的数据， 否则采用LSTM模型 预测缺失的数据； 若接收到数据， 则令计数值清零， 此时的预测值为真实值， 同时获取新接 收到的预测阈值L； 0044 所述缺失的数据为丢包数据或者因压缩舍弃的数据。 0045 在本实施例中， 所述对要发送的数据进行预。

21、测压缩具体为： 采用下式对数据进行 预测压缩： 0046 0047式中， 为当前要发送的真实值， 为通过预测算法(本发明采用LSTM模型进行预 测)得到的预测值， k为死区参数。 0048 在本实施例中， 死区参数k的取值为0.15。 0049 在本实施例中， 所述预测阈值L的计算采用下式： 0050 LLmax*Q； 0051 式中， Lmax为LSTM连续预测极值， Q为梯度影响参数。 0052 在本实施例中， Lmax的值为8。 0053 在本实施例中， 梯度影响参数Q的计算具体为： 0054 0055 式中， max为通信过程中所出现的预测梯度最大值， x、 y、 z为x、 y、 z三。

22、个方向上 的预测梯度。 0056 具体的， 如图2所示， 由于触感数据是三维的速度数据， 因此本实施例将三个方向 上的速度数据分为对应的预测值分为预测梯度 分为 x, y , z， rx,ry,rz为三个方向上前一时刻的真实值， mx,my,mz为三个方向上下一时刻的预测值与 说明书 4/9 页 8 CN 111949135 A 8 前一时刻真实值变化量， 即预测差值， mrefx,mrefy,mrefz为三个方向下一时刻的真实值与前 一刻真实值的变化量， 即真实差值， 由图2可以得到单维度上预测梯度 的定义公式为： 0057 0058 式中， gh和rh代表水平方向的值， gv和rv代表垂直。

23、方向的值， 由图2可以得到下列公 式： 0059 0060 式中， mj表示某一方向上的预测差值。 0061将该式代入上式可得式中 为某一维度上的预测梯度值。 0062 通过三个方向上的预测梯度 x, y, z， 可以得出梯度影响参数Q如下式： 0063 0064 其中 max为通信过程中所出现的预测梯度最大值， 初值为pi/10000， 当出现更大值 时更新。 0065 在本实施例中， 在进行方法的测试时， 通过布尔型指针*TransmitFlag的状态来代 表通信过程中是否发送丢包， 每一时刻*TransmitFlag的状态通过随机产生一个正态分布 的值来确定， 共设置0-50八种不同的丢。

24、包率(本实施例分别取为0， 5， 10， 15， 20， 30， 40， 50)， 并将*TransmitFlag的状态保存在标志位loss_v中， 表示每一时刻 的数据是否丢包； 当接收到数据时， 若*TransmitFlagTrue， 则表示接收到发送的数据， 此 时的预测值为真实值， 即不需要进行预测； 若*TransmitFlagFalse， 则表示通信过程中发 生丢包， 此时预测值为通过LSTM模型或者零阶保持算法预测得到。 0066 本实施例还提供了一种基于上文所述的基于混合预测的触感通信容错方法的系 统， 包括发送端、 接收端； 0067 所述发送端在发送数据时， 通过对要发送的。

25、数据进行预测压缩， 仅发送预测值与 真实值相对偏差大于死区参数的数据帧， 以减少需要发送的数据量； 在发送数据时， 计算预 测阈值L， 并与数据一起发送； 0068 在接收数据时， 若遇到缺失的数据， 计数加1， 并将当前的计数值n与先前接收到的 预测阈值L进行比较， 若nL， 则采用零阶保持预测算法预测缺失的数据， 否则采用LSTM模型 预测缺失的数据； 若接收到数据， 则令计数值清零， 此时的预测值为真实值， 同时获取新接 收到的预测阈值L； 0069 所述缺失的数据为丢包数据或者因压缩舍弃的数据。 说明书 5/9 页 9 CN 111949135 A 9 0070 本实施例还提供了一种基。

26、于混合预测的触感通信容错系统， 包括发送端， 所述发 送端在发送数据时， 通过对要发送的数据进行预测压缩， 仅发送预测值与真实值相对偏差 大于死区参数的数据帧， 以减少需要发送的数据量； 在发送数据时， 计算预测阈值L， 并与数 据一起发送； 0071 所述对要发送的数据进行预测压缩具体为： 采用下式对数据进行预测压缩： 0072 0073式中， 为当前要发送的真实值， 为通过预测算法(本发明中采用LSTM预测)得 到的预测值， k为死区参数。 0074 所述预测阈值L的计算采用下式： 0075 LLmax*Q； 0076 式中， Lmax为LSTM连续预测极值， Q为梯度影响参数； 0077。

27、 其中， 梯度影响参数Q的计算具体为： 0078 0079 式中， max为通信过程中所出现的预测梯度最大值， x、 y、 z为x、 y、 z三个方向上 的预测梯度。 其余具体方法与上文一致。 0080 本实施例还提供了一种基于混合预测的触感通信容错系统， 包括接收端， 所述接 收端在接收数据时， 若遇到缺失的数据， 计数加1， 并将当前的计数值n与先前接收到的预测 阈值L进行比较， 若nL， 则采用零阶保持预测算法预测缺失的数据， 否则采用LSTM模型预测 缺失的数据； 若接收到数据， 则令计数值清零， 此时的预测值为真实值， 同时获取新接收到 的预测阈值L； 所述缺失的数据为丢包数据或者因。

28、压缩舍弃的数据。 其余具体方法与上文一 致。 0081 特别的， 在本实施例方法的构建时， 采用如下步骤： 0082 步骤S1、 获取数据用于模型训练和实验测试。 所使用的模型为长短期记忆网络模 型， 即LSTM模型。 确定模型参数， 神经网络的损失函数， 将模型优化至最佳； 0083 步骤S2、 在发送端， 由死区压缩结合训练好的LSTM网络进行数据压缩， 对于死区外 要发送的数据， 计算连续预测阈值L， 随数据一起发送； 0084 步骤S3、 在网络中通过正态分布模拟随机发生丢包， 共设置八种丢包率， 分别为 0， 5， 10， 15， 20， 30， 40， 50； 0085 步骤S4、。

29、 接收端对网络中丢失的数据包及压缩的数据包进行预测重构， 恢复原始 数据； 说明书 6/9 页 10 CN 111949135 A 10 0086 其中， 所述步骤S1具体实现如下： 0087 步骤S11、 通过触感实验设备， 人为操控设备进行复杂的走迷宫实验， 以1ms为单位 记录每一时刻的小球速度值、 位置值、 力值， 重复多次获得足够大的数据样本； 0088 步骤S12、 搭建LSTM网络模型， 所使用的模型是基于Keras集成的LSTM原始模型， 模 型的输入为x,y,z三个方向上的速度值， 输入到模型之前需要进行归一化以降低数据变化 范围较大带来的影响， 归一化方式为data(nor。

30、mal_data+10)/20， LSTM层输出需连接一个 dense全连接层， 最后进行反归一化得到最终的预测值； 0089 步骤S13、 设置模型的损失函数， 同时为触感通信系统可靠性指标， 常用于形容触 感通信系统稳定性的质量指标为均方误差(MeanSquareError： MSE)， 因此在模型训练与质 量评价环节设置损失函数为MSE， 公式如下： 0090 0091式中， 为真实值， 为通过预测算法得到的预测值， N为样本总数； 0092 步骤S14、 优化模型性能至最佳， 确定LSTM网络的其他参数， 通过模型优化， 最终确 定的模型参数为look_back1， units10， 。

31、lr0.001。 0093 其中， 所述步骤S2具体实现如下： 0094 步骤S21、 根据韦伯所提出的人体感知特性及死区， 通过将预测算法与死区压缩相 结合的方法对数据进行压缩， 其压缩原理如下： 0095 0096其中， 为当前要发送的真实值， 为通过预测算法(本发明中采用LSTM预测)得 到的预测值， k为死区参数， 在实验中取参考值为0.15。 0097 步骤S22、 基于步骤S21确定的数据压缩方式， 由于触感数据并非是简单的线性数 据， 并且其变化规律性较差的影响， 传统的预测算法并不适用于触感数据的预测， 因此采用 LSTM网络结合死区压缩的方式进行数据压缩。 0098 步骤S2。

32、3、 基于步骤S21， 若当前时刻的数据不压缩， 即要发送当前数据， 则计算当 前时刻的连续预测阈值L。 确定连续预测阈值L的影响参数， 由于触感数据的变化规律性较 差， 并不能仅仅使用LSTM连续预测极值作为混合预测的连续预测阈值， 因此本实施例提出 根据每一时刻触感数据的变化即预测梯度， 结合LSTM连续预测极值确定连续预测阈值L。 即 混合预测连续预测阈值L可用下列公式表示： 0099 LLmax*Q 0100 式中， Lmax为LSTM连续预测极值， 通过实验确定其大小为8。 Q为梯度影响参数。 说明书 7/9 页 11 CN 111949135 A 11 0101 步骤S24、 基于。

33、步骤S23， 确定梯度影响参数Q的确定式。 0102 其中， 所述步骤S3具体实现如下： 0103 步骤S31、 发送端发送的数据在网络中通过正态分布生成一个随机数， 根据随机数 的大小模拟实际通信过程中的包丢失问题， 在实验中共设置8种不同的丢包率， 分别是0， 5， 10， 15， 20， 30， 40， 50。 0104 步骤S32、 基于步骤S31、 通过布尔型指针*TransmitFlag的状态来代表通信过程中 是否发生丢包， 每一时刻*TransmitFlag的状态通过随机产生一个正态分布的值来确定， 共 设置0-50八种不同的丢包率， 并将*TransmitFlag的状态保存在标。

34、志位loss_v中， 表示 每一时刻的数据是否丢包； 0105 其中， 所述步骤S4具体实现如下： 0106 步骤S41、 在接收端设置一个连续预测计数器n， 用于与连续预测阈值L进行比较； 0107 步骤S42、 在接收端， 若*TransmitFlagTrue， 则表示接收端接收到发送端发送的 数据， 此时的预测值为真实值， 即不需要进行预测， 同时接收端接收到新的连续预测阈值L， 将计数器n清零， 重新计数； 0108 步骤S43、 若*TransmitFlagFalse， 则表示通信过程中发生丢包， 此时将计数器n 加1， 比较n与连续预测阈值L的大小， 若n小于等于L， 则使用LST。

35、M进行预测， 否则使用零阶预 测； 0109 步骤S44、 在发送端被压缩的数据与通信过程中丢失的数据使用同样的混合预测 思路进行预测重构。 0110 本领域内的技术人员应明白， 本申请的实施例可提供为方法、 系统、 或计算机程序 产品。 因此， 本申请可采用完全硬件实施例、 完全软件实施例、 或结合软件和硬件方面的实 施例的形式。 而且， 本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机 可用存储介质(包括但不限于磁盘存储器、 CD-ROM、 光学存储器等)上实施的计算机程序产 品的形式。 0111 本申请是参照根据本申请实施例的方法、 设备(系统)、 和计算机程序产品的流程 图。

36、和/或方框图来描述的。 应理解可由计算机程序指令实现流程图和/或方框图中的每一流 程和/或方框、 以及流程图和/或方框图中的流程和/或方框的结合。 可提供这些计算机程序 指令到通用计算机、 专用计算机、 嵌入式处理机或其他可编程数据处理设备的处理器以产 生一个机器， 使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实 现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。 0112 这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特 定方式工作的计算机可读存储器中， 使得存储在该计算机可读存储器中的指令产生包括指 令装置的制造品， 该指。

37、令装置实现在流程图一个流程或多个流程和/或方框图一个方框或 多个方框中指定的功能。 0113 这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上， 使得在计 算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理， 从而在计算机或 其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一 个方框或多个方框中指定的功能的步骤。 0114 以上所述， 仅是本发明的较佳实施例而已， 并非是对本发明作其它形式的限制， 任 说明书 8/9 页 12 CN 111949135 A 12 何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等 效实施例。 但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所 作的任何简单修改、 等同变化与改型， 仍属于本发明技术方案的保护范围。 说明书 9/9 页 13 CN 111949135 A 13 图1 图2 说明书附图 1/1 页 14 CN 111949135 A 14 。