无线传感器网络中能源高效的视频信号压缩关键技术研究

论文摘要

无线传感器网络（WSNs）作为一个新兴学科与传统学科交叉的领域,有着极强的应用背景和实用价值,受到世界各国学者的重视。国内将WSNs研究提高到一个战略高度始于中国科学院1999年发表的《知识创新工程试点领域方向研究》信息与自动化领域研究报告,将其作为信息与自动化领域的几个重点突破方向之一。能量问题是WSNs最核心的问题之一。传统WSNs传感器节点获取的数据相对简单,故节点能量模型中数据处理能耗常被忽略,而数据传输能耗占整个节点能耗的绝大部分。因此目前WSNs研究主要针对数据传输所涉及到的一系列问题,包括流量控制,拥塞控制,路由协议以及相应的能量控制等方面,以解决数据传输过程中能量受限条件下的性能优化问题。随着多媒体传感器加入到WSNs中,传感器获取的数据量大大增加。传输这些数据之前必须进行有效压缩,否则需求的网络带宽和传输功耗都会很大。然而,由于视频压缩需要进行复杂计算,其消耗了WSNs节点总能量的大部分,完全颠覆了传统WSNs节点能量模型。为了降低WSNs节点整体能耗,除了传统能量控制策略以外,还必须采取恰当措施来降低节点计算能耗,即降低压缩复杂度。现有的视频编码标准都面向广播应用,其视频压缩具有很高的复杂度,不适合于WSNs能量控制。一种方法是将WSNs节点的编码复杂度转移到解码端,从而降低WSNs节点的压缩计算能耗。分布式信源编码从理论上证明将编码复杂度转移到解码端是可行的。本文基于分布式信源编码理论,围绕保证视频编码率失真性能的基础上降低视频压缩能耗的问题进行了深入研究。在详细探讨了国内外WSNs研究及WSNs中分布式视频编码研究（Distributed Video Coding,DVC）现状的基础上,对WSNs及分布式视频编码研究当前面临的关键问题进行了分析。针对这些问题展开研究,以下是主要研究内容及取得的成果：1)基于无比率（Rateless）思想,设计了一种低编码能耗的分布式视频压缩机制,提出了相应的置信传播译码算法,并对其编码计算复杂度进行了详细测试,对编码器能耗进行了估计。首先对目前分布式视频编码中广为使用的固定码率LDPC的局限性进行讨论,提出了一种基于无比率LDPC的码率自适应机制,设计了相应的编码码率控制（ERC）和混合码率控制（HRC）机制,并有针对的改进了相应的置信传播（BP）译码算法,提高其解码性能。最后将设计的方案与现有的编码标准的PSNR性能和能耗进行了比较和分析。实验结果表明,提出的无比率分布式视频压缩机制相比较其它几种帧内编码的率失真性能有1—2dB的提升,而编码计算能耗要降低大约5%—40%；相对于帧间编码其率失真性能还有2dB的差距,但帧间编码能耗是提出的无比率分布式视频编码能耗的50—60倍。2)为了进一步提高WSNs节点视频信号传输的鲁棒性,将数字喷泉技术用于分布式视频编码。在简要分析喷泉码技术的基本特点后,重点讨论了性能比较好的Raptor码。由于目前分布式视频编码中大都采用与实际不符的无记忆的相关信道模型,提出将信源—边信息的统计相关建模为有记忆的隐式马尔科夫模型,并采用联合信源—信道设计方法,将Raptor用于分布式视频编码设计,设计了相应的BP译码算法。实验结果表明,在相同丢包率条件下,提出的分布式视频编码系统相比LDPCA以及H.26L FGS编码的PSNR性能有1dB左右的优势,且随着丢包率的提高,PSNR性能优势更加明显。提出系统的编码能耗较H.264帧内编码要低30%左右。而H.264帧间编码能耗是提出系统能耗的50-60倍。3)基于交互式编解码,设计了一种能源高效的分布式视频压缩机制。首先基于交互式编解码机制,建立统一的有记忆的有限状态信道模型。随后实现了一种基于LDPC码的线性交互式编解码算法,并设计了信源一边信息对建模为有限状态模型的BP解码算法。实验结果表明提出的基于交互式编解码机制的分布式视频编码系统的率失真性能较传统H.264帧内编码PSNR’性能提升1—3dB,编码功耗较H.264帧内编码降低20%左右,而帧间编码能耗是提出系统的50倍左右。4)搭建实际无线通信系统,并将分布式视频编码及JPEG和H.264的编码在能量受限的PDA上实现,通过WLAN将编码数据传输到服务器端,而服务器端进行相应的译码。在此基础上输入四个不同种类的标准视频序列来对DVC和JPEG及H.264的编解码复杂度及PSNR性能进行了详细测试。测试数据结果表明,DVC编码复杂度相对JPEG及H.264都要低,H.264编码时间为DVC编码时间的10倍左右。因此,DVC编码在能量受限的应用场合具有较大的优势。本论文得到了广东省”211工程”重点学科子项目（粤发改[431]）国家自然科学基金（60871025）,广东省自然科学基金（8151009001000060）等研究项目资助。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 研究背景及意义
• 1.1.1 军事领域
• 1.1.2 环境监测
• 1.1.3 健康医疗
• 1.1.4 其它应用
• 1.2 无线传感器网络研究现状及分析
• 1.2.1 传感器节点系统
• 1.2.2 网络服务
• 1.2.3 通信协议
• 1.2.4 能量控制策略
• 1.2.5 现有能量控制策略存在的问题
• 1.3 分布式视频编码研究现状及分析
• 1.3.1 分布式信源编码理论
• 1.3.2 分布式视频编码
• 1.3.3 现有分布式编码机制存在的问题
• 1.3.4 分布式视频编码中的几种信道码
• 1.4 本文主要研究内容与章节安排
• 1.4.1 主要研究内容
• 1.4.2 论文章节安排
• 第二章 分布式视频编码理论
• 2.1 集中式信源编码
• 2.2 分布式信源编码
• 2.2.1 无损分布式信源编码
• 2.2.2 Slepian-Wolf编码分析
• 2.2.3 有损分布式信源编码
• 2.2.4 Wyner-Ziv编码分析
• 2.3 分布式视频编码
• 2.3.1 较早的Wyner-Ziv视频编码结构
• 2.3.2 DISCOVER Wyner-Ziv视频编码
• 2.4 LDPC码
• 2.4.1 LDPC定义
• 2.4.2 LDPC编码
• 2.4.3 LDPC译码
• 2.5 小结
• 第三章 能源高效的无比率视频压缩机制研究
• 3.1 引言
• 3.2 LDPC码用于分布式编码的问题
• 3.3 无比率LDPC码
• 3.3.1 无比率LDPC码定义
• 3.3.2 无比率LDPC码的优势
• 3.4 无反馈码率控制的WYNER-ZIV编码结构
• 3.4.1 自适应编码端码率估计器（AERE）
• 3.4.2 无比率LDPC编解码算法
• 3.4.3 实验结果和讨论
• 3.5 混合码率控制的WYNER-ZIV编码
• 3.5.1 混合码率控制算法
• 3.5.2 混合码率控制的分布式视频编码
• 3.5.3 实验结果和讨论
• 3.6 复杂度测试及能耗估计
• 3.6.1 测试条件
• 3.6.2 编码复杂度及能耗估计
• 3.6.3 译码复杂度测试
• 3.7 小结
• 第四章 能源高效的数字喷泉视频压缩算法研究
• 4.1 引言
• 4.2 喷泉码
• 4.2.1 Reed-Solomon码
• 4.2.2 Tornado码
• 4.2.3 LT码
• 4.2.4 Raptor码
• 4.3 隐式马尔科夫模型
• 4.4 信源-信道联合编解码
• 4.4.1 两种Slepian-Wolf编码实现方法
• 4.4.2 删除信道下的Slepian-Wolf编码
• 4.5 基于HMM的联合编解码
• 4.5.1 编码
• 4.5.2 软判决译码
• 4.6 隐式马尔科夫参数估计
• 4.6.1 Baum-Welch算法及其与Raptor联合译码的关系
• 4.6.2 连续参数估计和译码
• 4.6.3 算法描述
• 4.7 实验结果与讨论
• 4.8 编码复杂度测试及能耗估计
• 4.8.1 测试条件
• 4.8.2 编码复杂度及能耗估计
• 4.8.3 译码复杂度测试
• 4.9 小结
• 第五章 能源高效的交互式视频压缩算法研究
• 5.1 引言
• 5.2 交互式编解码机制
• 5.2.1 交互式编解码的定义
• 5.2.2 交互式编解码机制的优势
• 5.3 线性交互式编解码
• 5.4 实际线性低密度交互式编解码
• 5.4.1 交互编码
• 5.4.2 模型训练交互式解码算法
• 5.5 有限状态信道模型与其它信道模型的关系
• 5.5.1 有限状态模型与无记忆信道模型
• 5.5.2 隐马尔科夫信道模型
• 5.5.3 算法复杂度分析
• 5.6 提出的交互式编解码机制的WYNER-ZIV编码结构
• 5.7 实验结果与讨论
• 5.7.1 交互式编解码模型实验
• 5.7.2 分布式视频编码系统实验
• 5.8 编码复杂度测试及能耗估计
• 5.8.1 测试条件
• 5.8.2 编码复杂度及能耗估计
• 5.8.3 译码复杂度测试
• 5.9 小结
• 第六章 实际无线通信环境下分布式视频编码系统的应用研究
• 6.1 性能评估条件
• 6.2 编码端算法复杂度测量
• 6.3 译码端算法复杂度测量
• 6.4 H.264编译码复杂度测试
• 6.5 小结
• 总结
• 参考文献
• 攻读博士学位期间发表和完成的论文
• 致谢