[发明专利]分布式视频信源数据采集的优化传输方法

权利要求书

1.一种分布式视频信源数据采集的优化传输方法，其特征在于，包括以下步骤：

第一步，针对多视几何分布下的无线视频传感器网络特性，为了利用相邻节点间采集到视频的空间相关性，在无线传感器节点处采用分布式多视视频编码进行视频的采集；为无线视频传感器节点建立了视频编码的功耗模型，将每个节点处的视频帧序列分为关键帧和WZ帧，即Wyner-Ziv帧，并且分别建立了对应的功耗模型；

第二步，各视频传感器节点采集到的视频流经由多路径路由传输至多个汇聚节点时，在经过的各中继传感器节点处进行网络编码、无线链路的竞争以及数据的发送功耗和接收功耗优化以提高网络的吞吐量；

第三步，在衡量分布式视频信源采集网络的传输性能时，设置两个关键衡量指标为：用户接收到整体视频质量，以及无线视频传感器网络的生存时间；

第四步，结合所述无线视频传感器节点采集和传输时的特点，以实现无线视频传感器网络的生存时间与用户接收到整体视频质量之间的最优平衡为目标，提出了无线视频传感器网络中用于分布式视频信源数据采集的联合优化问题；最后采用采用种完全分布式的速率分配算法进行具体的速率分配。

2.根据权利要求1所述的分布式视频信源数据采集的优化传输方法，其特征是，所述的分布式多视视频编码是指：利用多视几何分布下无线视频传感器网络的相邻节点之间的空间相关性，以在保证相同视频质量的同时降低视频编码的码率，从而减小视频编码功耗和网络中数据的传输功耗。

3.根据权利要求1所述的分布式视频信源数据采集的优化传输方法，其特征是，所述的无线视频传感器节点视频编码功耗模型的建立过程为：将每个节点处的视频帧序列分为关键帧和WZ帧，并分别建立对应的功耗模型，从而得到该节点处的视频编码总功耗。

4.根据权利要求1所述的分布式视频信源数据采集的优化传输方法，其特征是，所述的网络编码中，设定每条链路上的实际带宽消耗量为所有汇聚节点在该链路上消耗带宽的最大值；该条件为在链路上采用网络编码的约束条件，实现了不同汇聚节点在同一链路上的资源共享。

5.根据权利要求1所述的分布式视频信源数据采集的优化传输方法，其特征是，所述的无线链路的竞争为具有概率持续的MAC控制协议。

6.根据权利要求1所述的分布式视频信源数据采集的优化传输方法，其特征是，所述的数据的发送功耗和接收功耗优化是指：采用和无线链路的距离、衰减、码率相关的功耗模型实现。

7.根据权利要求1所述的分布式视频信源数据采集的优化传输方法，其特征是，所述的用户接收到整体视频质量是指：在用户端接收到的由所有无线视频传感器采集视频的失真的总和。

8.根据权利要求1所述的分布式视频信源数据采集的优化传输方法，其特征是，所述的无线视频传感器网络的生存时间为网络中第一个失效的传感器的生存时间。

9.根据权利要求1所述的分布式视频信源数据采集的优化传输方法，其特征是，所述的联合优化问题为：以无线视频传感器网络的生存时间与用户接收到整体视频质量之间的最优平衡为目标函数，以信息流平衡条件、无线链路竞争条件、网络编码条件、视频编码功耗模型和数据的发送、接收功耗模型等为约束函数，建立无线视频传感器网络中分布式视频信源数据采集传输的凸优化数学模型。

10.根据权利要求1所述的分布式视频信源数据采集的优化传输方法，其特征是，所述的完全分布式速率分配算法具体步骤包括：

a)初始化：设置t_L＝0、t_H＝0，并且对不同的v、j、k和l值分别设置对应的非负值d_v(0)、t_v(0)、η_v(0)、p_l(0)、和θ_l(0)；

b)低阶子优化问题求解的执行t_L＝1，2，…，

对于链路l＝(i，j)∈E：

B1接收所有使用链路l的传感器节点v的值；

B2从链路集合{(p，q)|(p，q)∈I(i)}接收和

B3从本地处理器中取出和p_l(t_L)；

B4更新传输尝试概率p_l(t_L)以及拥塞代价

B5将新的发送到所有使用链路l的传感器节点以及链路集合{(i′，j′)|(i，j)∈I(i′)}；

对于传感器节点v∈V_N：

Bi从链路集合处接收到拥塞代价值

Bii从本地处理器中取出d_v(t_L)、t_v(t_L)、和η_v(t_L)；

Biii更新d_v(t_L)、t_v(t_L)、和η_v(t_L)；

Biv将新的发送到链路集合

反复执行迭代步骤直到低阶子优化问题收敛到最优解或者达到最大低阶迭代次数为止，然后执行高阶子优化问题的求解；

c)高阶子优化问题求解的执行(t_H＝1，2，…，)

对于链路l＝(i，j)∈E：

C1接收到低阶子优化问题得到的最优拥塞代价和

C2从本地处理器中取出和θ_l(t_H)；

C3更新和θ_l(t_H)；

当高阶子优化问题收敛到最优解或者达到最大高阶迭代次数，算法停止；否则将新的发送到链路集合{(i′，j′)|(i，j)∈I(i′)}，并返回低阶子优化问题的求解。