基于壓縮感知與能量聚合視覺傳感器數(shù)據(jù)傳輸系統(tǒng)*

鄧曉軍，李玉龍，滿君豐，歐陽旻

(湖南工業(yè)大學(xué) 計(jì)算機(jī)與通信學(xué)院，湖南 株洲412007)

0 引 言

傳統(tǒng)的視頻編碼器［1～3］(例如:H.264)不適合無線視覺傳感器網(wǎng)絡(luò)，因?yàn)闊o線視覺傳感器網(wǎng)絡(luò)具有較高的編碼復(fù)雜度，而且無線視覺傳感器網(wǎng)絡(luò)的壽命受限于儲存在電池中的初始能量［4，5］。隨著環(huán)境能量采集技術(shù)的不斷發(fā)展，無線視覺傳感器網(wǎng)絡(luò)的壽命可以得到更好的延長［6～8］。

Islam T 等人［9］針對無線視覺傳感器網(wǎng)絡(luò)當(dāng)前的趨勢和未來發(fā)展方向進(jìn)行了研究，對無線視覺傳感器網(wǎng)絡(luò)的架構(gòu)進(jìn)行了全面的討論。Khursheed K 等人［10］提出無線視覺傳感器網(wǎng)絡(luò)遠(yuǎn)程應(yīng)用的高效數(shù)據(jù)壓縮技術(shù)，改變編碼來適用于進(jìn)一步減少數(shù)據(jù)量，通過采用合適的編碼方法來實(shí)現(xiàn)高效的數(shù)據(jù)壓縮。Pinto A 等人［11］提出一種無線多媒體傳感器網(wǎng)絡(luò)能源消耗和延遲分析算法，通過采用三種不同的操作方案用于無線視覺傳感器網(wǎng)絡(luò)的分析。向輝等人［12］提出視覺傳感器網(wǎng)絡(luò)兼顧區(qū)域覆蓋的目標(biāo)多重覆蓋算法，基于有向感知模型，利用虛擬勢場使節(jié)點(diǎn)在待監(jiān)測區(qū)域自組織地進(jìn)行位置移動(dòng)和感知方向轉(zhuǎn)變，優(yōu)先覆蓋的同時(shí)最大程度地覆蓋整個(gè)待監(jiān)測區(qū)域，有效地利用了網(wǎng)絡(luò)資源。

本文提出的無線視覺無線傳感器網(wǎng)絡(luò)采用了壓縮感知的技術(shù)，可以有效解決編碼復(fù)雜度高的問題，并利用能量聚合方案來有效地延長網(wǎng)絡(luò)的壽命。

1 系統(tǒng)模型

1.1 視覺傳感器失真和功耗模型

視覺傳感器采用壓縮感知模式將收集到的視覺信息編碼成視頻，它可利用兩個(gè)各幀中的空間冗余和相鄰幀之間的時(shí)間冗余［13，14］。幀圖象組的模式是IPP...PIPP...，如圖1 所示。

圖1 幀圖象組Fig 1 Frame image group

假定該視頻的I 幀被表示為xI∈G，xI可以通過一個(gè)M×N矩陣的算子進(jìn)行測量，并且yI=ΨxI，yI∈G。xI的一個(gè)稀疏表示xI在某些轉(zhuǎn)換域中使用N×N 的轉(zhuǎn)換矩陣H，因此，在測量向量中可以采用凸優(yōu)化問題［15，16］來得到vI

P 幀是首先采用差值公式dxi=xI－xP來進(jìn)行編碼，其中xI是I 幀中的最后一個(gè)。由于時(shí)間相關(guān)性，dxi較xP稀疏得多，可以用較少的測量值來得出。從視覺傳感器i 所接收到的視頻由于壓縮所引起的源失真可以被建模為

其中，ri為傳感器i 的壓縮感測的測量速率，而ω，Di和r'i則由視頻特性來確定。

考慮到每個(gè)傳感器在壓縮上和感測上的功率消耗，得到測量速度的線性函數(shù)

式中 α 為傳感器i 的常系數(shù)。

圖2 為基于壓縮傳感的視覺器將得到的數(shù)據(jù)隊(duì)列傳輸?shù)綌?shù)據(jù)匯聚中心的系統(tǒng)模型。

圖2 數(shù)據(jù)匯聚的系統(tǒng)模型Fig 2 System model of data aggregation

1.2 視頻數(shù)據(jù)傳輸模型

假設(shè)存在n 個(gè)視覺傳感器節(jié)點(diǎn)，并在網(wǎng)絡(luò)中有一個(gè)數(shù)據(jù)的匯聚節(jié)點(diǎn)，參考圖2 的系統(tǒng)模型。網(wǎng)絡(luò)中存著n 數(shù)據(jù)鏈路，定義速度向量V={v1，…，vn}，考慮一個(gè)時(shí)間時(shí)隙系統(tǒng)且假定一個(gè)持續(xù)時(shí)間為T，在其每一個(gè)時(shí)隙t 中，在數(shù)據(jù)傳輸過程中每個(gè)節(jié)點(diǎn)花費(fèi)給它的上行鏈路的能量假設(shè)為Pi(t)＜Pmax，假設(shè)總帶寬為W，且在時(shí)隙中分配給傳感器i的帶寬為

式中 s(t)為在時(shí)間的信道狀態(tài)，傳感器i 的傳輸速率用v(i)來表示，其取決于所分配的帶寬和功率以及信道狀態(tài)。Gi(t)表示在時(shí)間間隔t 中傳感器i 的視覺數(shù)據(jù)隊(duì)列的壓縮，表達(dá)式如下

1.3 能量聚合模型

在視覺傳感器網(wǎng)絡(luò)中假設(shè)每個(gè)節(jié)點(diǎn)通過收集到的能量進(jìn)行供電，并且搭載了最大存儲量的可充電電池，在時(shí)隙中t 傳感器i 的可用能源為

總能量消耗取決于傳感器節(jié)點(diǎn)i 在進(jìn)行數(shù)據(jù)傳輸和壓縮上的消耗量，且須滿足如下約束

式中 Pv，i(t)為用于數(shù)據(jù)傳輸所消耗的能量，Pr，i(t)為用于數(shù)據(jù)壓縮所消耗的能量。

定義在時(shí)隙t 中通過傳感器i 所收集到的能量大小為ES(i，t)，在時(shí)隙t 中收集到的能量能夠在下一個(gè)時(shí)隙中使用，并且在傳感器i 的能量隊(duì)列的演變?nèi)缦?/p>

2 數(shù)據(jù)傳輸技術(shù)

2.1 能量控制下的虛擬數(shù)據(jù)隊(duì)列

在視覺傳感器網(wǎng)絡(luò)中，為了合理利用電池的能量，避免傳感器能源的過度消耗，引入了能量控制下的虛擬數(shù)據(jù)隊(duì)列

虛擬數(shù)據(jù)隊(duì)列表示在用盡電池能量的情況下，除了視覺傳感器正常工作狀態(tài)下所能收集到的數(shù)據(jù)隊(duì)列外，還能用剩余的能量所采集到的數(shù)據(jù)隊(duì)列。在下一節(jié)中將應(yīng)用于數(shù)據(jù)傳輸?shù)目刂扑惴ㄖ小?/p>

2.2 傳感器的傳輸控制

數(shù)據(jù)傳輸控制技術(shù)包括了三部分:感測速率和壓縮功率控制;數(shù)據(jù)傳輸?shù)墓β屎蛶挿峙?數(shù)據(jù)隊(duì)列的更新。

每一個(gè)時(shí)隙的大小取決于系統(tǒng)狀態(tài)的瞬時(shí)值，對于感測速率和壓縮功率控制，假設(shè)在時(shí)隙t 中選擇一個(gè)感測速率ri，可以得到下列問題的最優(yōu)解

式中 H(·)為一個(gè)在最優(yōu)化和視覺數(shù)據(jù)隊(duì)列的平均長度之間用來控制權(quán)衡的系統(tǒng)參數(shù)。

在時(shí)隙t 中對于所有傳感器選擇一個(gè)發(fā)送功率和帶寬，可以得到下列問題的最優(yōu)解

3 實(shí)驗(yàn)仿真結(jié)果分析

為了驗(yàn)證本文提出的基于壓縮感知與能量聚合的視覺傳感器數(shù)據(jù)傳輸技術(shù)的效果，通過Matlab 7.0 軟件進(jìn)行算法仿真，其中仿真網(wǎng)絡(luò)由視覺傳感器所組成，網(wǎng)絡(luò)節(jié)點(diǎn)有200 個(gè)，能夠收集的最大視覺數(shù)據(jù)隊(duì)列大小為400 bytes，節(jié)點(diǎn)的接收能耗設(shè)定為10 nJ/bit，發(fā)射能耗設(shè)定為40 nJ/bit，設(shè)置節(jié)點(diǎn)進(jìn)行信號處理和功率放大的能耗為20 nJ/bit。在進(jìn)行數(shù)據(jù)采集的過程中，設(shè)定其他節(jié)點(diǎn)干擾而產(chǎn)生的能量消耗為5 nJ/bit，視頻數(shù)據(jù)的采集范圍為500 m×500 m，傳感器的感測半徑都為50 m。所有算法的仿真條件與仿真平臺一致，在沒說明的情況下仿真實(shí)驗(yàn)的配置保持不變。

在實(shí)驗(yàn)中采用對比算法有文獻(xiàn)［10］中Khursheed K 提出的算法，文獻(xiàn)［11］中Pinto A 所提出的算法，進(jìn)行了數(shù)據(jù)傳輸速率、數(shù)據(jù)壓縮率、網(wǎng)絡(luò)能量消耗量的實(shí)驗(yàn)對比。

圖3 顯示了在持續(xù)時(shí)間T=600 s 的過程中，本文方法與對比文獻(xiàn)的方法在數(shù)據(jù)傳輸速率上的大小。本文采用基于壓縮感知的數(shù)據(jù)傳輸技術(shù)，進(jìn)行了感測速率和壓縮功率的控制，在一定程度上提升了網(wǎng)絡(luò)的數(shù)據(jù)傳輸速率，相比較文獻(xiàn)［10，11］的方法，本文的方法最終得到的數(shù)據(jù)傳輸速率為2.86 kbps/s，文獻(xiàn)［11］的數(shù)據(jù)傳輸速率為2.16 kbps/s，而文獻(xiàn)［11］的數(shù)據(jù)傳輸速率為2.21 kbps/s。相比之下，本文的方法在提升數(shù)據(jù)傳輸速率上具有明顯的優(yōu)勢，而且數(shù)據(jù)傳輸速率隨著時(shí)間的增長有較為明顯的增長趨勢。

圖4 顯示了在持續(xù)時(shí)間T=600 s 的過程中，本文方法與對比文獻(xiàn)的方法在壓縮率上的大小。從圖中可以看出:隨著時(shí)間的增長，文獻(xiàn)［10，11］在500 s 前壓縮率都有逐漸增長的趨勢，當(dāng)持續(xù)時(shí)間過了500 s 之后，文獻(xiàn)［10］的壓縮率的增長趨勢逐漸減緩，而文獻(xiàn)［11］的壓縮率則開始下降，本文的方法在整個(gè)過程中壓縮率都有明顯地增長趨勢，而且相比另外兩種算法平均數(shù)據(jù)壓縮率分別提升了43%，76%。因此，本

其中，W(t)為在時(shí)隙t 中的帶寬，Pmax(t)為時(shí)隙t 中的最大功率，D(W(t)，P(t)，s(t))為在時(shí)隙t 中的網(wǎng)絡(luò)容量函數(shù)。

根據(jù)方程解最終得到的最優(yōu)感測速率ri表示為文的方法在數(shù)據(jù)壓縮上也具有一定的優(yōu)勢。

圖3 數(shù)據(jù)傳輸速率Fig 3 Data transmission rate

圖4 數(shù)據(jù)壓縮率Fig 4 Data compression ratio

圖5 是網(wǎng)絡(luò)的能量消耗情況，在進(jìn)行這個(gè)實(shí)驗(yàn)時(shí)，是通過逐漸增加網(wǎng)絡(luò)的節(jié)點(diǎn)數(shù)量，再得到整個(gè)網(wǎng)絡(luò)的能量消耗量，從而比較算法的節(jié)能效果。從圖中可以看出，從能量消耗總量來說，文獻(xiàn)［11］最多，本文的能量消耗量最少，因?yàn)楸疚牟捎昧四芰咳诤系姆椒?，通過能量采集和能量約束方法來進(jìn)行節(jié)能調(diào)度。本文方法的最終能量消耗量最大達(dá)到了426 J，文獻(xiàn)［10，11］則分別為553，612 J，與本文方法的比值分別為130%，144%，因此，本文的方法可以為網(wǎng)絡(luò)節(jié)省更多的能量。

圖5 網(wǎng)絡(luò)能量消耗總量Fig 5 Total network energy consumption

4 結(jié) 論

本文提出一種基于壓縮感知與能量聚合的視覺傳感器數(shù)據(jù)傳輸技術(shù)，介紹了視覺傳感器失真和功耗模型、視頻數(shù)據(jù)傳輸模型，以及能量聚合模型，對本文所采用的數(shù)據(jù)傳輸和數(shù)據(jù)壓縮方法進(jìn)行了建模。在文中數(shù)據(jù)傳輸技術(shù)主要針對感測速率和壓縮功率控制、數(shù)據(jù)傳輸?shù)墓β屎蛶挿峙湟约皵?shù)據(jù)隊(duì)列的更新進(jìn)行展開，提升了視覺數(shù)據(jù)的傳輸速率和壓縮率。

［1］ You L，Su X，Han Y T.Dynamic resource allocation for compressive－sensing－based wireless visual sensor networks with energy harvesting［J］.Applied Mechanics and Materials，2013，303:187－190.

［2］ Pudlewski S，Melodia T.The Art of Wireless Sensor Networks［M］.Berlin/Heidelberg:Springer，2014:529－565.

［3］ Xiang S，Cai L.Transmission control for compressive sensing video over wireless channel［J］.IEEE Transactions on Wireless Communications，2013，12(3):1429－1437.

［4］ Marwah K，Wetzstein G，Bando Y，et al.Compressive light field photography using overcomplete dictionaries and optimized projections［J］.ACM Transactions on Graphics (TOG)，2013，32(4):46.

［5］ Xu J，Jiang X L，Yu X Y.Based on compression sensing of video coding in robot servo system［J］.Applied Mechanics and Materials，2013，241:1913－1917.

［6］ Liu H，Song B，Qin H，et al.Dictionary learning based reconstruction for distributed compressed video sensing［J］.Journal of Visual Communication and Image Representation，2013，24(8):1232－1242.

［7］ Kuriyakose N，DivakaraMurthy H S，Jose A.Energy efficiency analysis of compressed sensing video streaming for wireless multimedia sensors［J］.IJRCCT，2013，2(8):667－672.

［8］ Kavitha P.Compressed－sensing－enabled video streaming for wireless multimedia sensor networks［J］.Middle－East Journal of Scientific Research，2014，20(1):108－113.

［9］ Almalkawi I T，Guerrero Zapata M，Al－Karaki J N，et al.Wireless multimedia sensor networks:Current trends and future directions［J］.Sensors，2010，10(7):6662－6717.

［10］Khursheed K，Imran M，Ahmad N，et al.Efficient data reduction techniques for remote applications of a wireless visual sensor networks［J］.International Journal of Advanced Robotic Systems，2013，10:1－9.

［11］Pinto A，Zhang Z，Dong X，et al.Energy consumption and latency analysis for wireless multimedia sensor networks［C］∥Global Telecommunications Conference，GLOBECOM 2010，IEEE，2010:1－5.

［12］向 輝，彭 力，劉 剛，等.視覺傳感器網(wǎng)絡(luò)兼顧區(qū)域覆蓋的目標(biāo)多重覆蓋［J］.計(jì)算機(jī)學(xué)報(bào)，2012，29(9):3428－3431.

［13］Mirza M J，Anjum N.Association of moving objects across visual sensor networks［J］.Journal of Multimedia，2012，7(1):2－8.

［14］Pandremmenou K，Kondi L P，Parsopoulos K E.Optimal power allocation and joint source－channel coding for wireless DS－CDMA visual sensor networks using the Nash bargaining solution［C］∥2011 IEEE International Conference on Acoustics，Speech and Signal Processing(ICASSP)，IEEE，2011:2340－2343.

［15］Karakaya M，Qi H.Distributed target localization using a progressive certainty map in visual sensor networks［J］.Ad Hoc Networks，2011，9(4):576－590.

［16］Jang S W，Cha S H.An approach to segmenting initial object movement in visual sensor networks［J］.International Journal of Distributed Sensor Networks，2014，7(2):1－12.