CN102223674A - 分布式视频信源数据采集的优化传输方法 - Google Patents

Abstract

一种数据通信技术领域的分布式视频信源数据采集的优化传输方法，针对多视几何分布下相邻节点间采集到视频的空间相关性，在传感器节点处采用分布式多视视频编码，为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，提供一种完全分布式的速率分配算法，有效地利用了网络的带宽资源，并且通过多路径路由选择以及网络编码的引入，不仅提高了网络整体吞吐量，同时也降低了网络的传输功耗。

Description

分布式视频信源数据采集的优化传输方法

技术领域

本发明涉及的是一种数据通信技术领域的方法，具体是一种分布式视频信源数据采集的优化传输方法。

背景技术

分布式信源编码利用了解码端的信源统计特性，使得大量的计算复杂度由传统压缩编码框架中的编码器端转移到了解码器端。应用于无损和有损分布式信源编码的Slepian-Wolf以及Wyner-Ziv理论证明了对于相关性信源的独立编码可以达到与联合编码一致的信息论边界。作为一种用于数据压缩的新的编码方式，分布式信源编码具有许多特点，例如非常低的编码复杂度、以及比特流的容错特性。这些特点使得分布式信源编码成为了无线通信邻域中许多重要应用的备选技术，包括移动视频手机、分布式摄像机、以及网络摄像编码器等。同时，分布式信源编码的基本原理以及分布式的特性还为无线传感器网络中数据获取、压缩、和通信提供了理想的框架。而分布式视频编码，如Wyner-Ziv编码、基于Wyner-Ziv的分布式多视视频编码等，则是分布式信源编码在视频编码领域的应用。

在无线视频传感器网络中，分布在一定区域中的各个无线视频传感器节点具有视频采集和处理功能，并且通过网络将所有视频传感器节点采集到的视频信息传输到汇聚节点(用户)以用于进一步的处理和决策。各视频传感器节点采集到的视频数据的相关性体现在被监测环境的时间和空间特征的相关性。因此，当各视频传感器节点在进行视频编码时，可以使用Wyner-Ziv视频编码技术，利用各节点摄像头采集到图像的空间相关性，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。另一方面，网络编码技术的使用可以进一步地减小网络中数据传输的实际需求量，从而进一步降低网络的传输功耗。

对于资源受限的无线传感器网络而言，如何最大程度地延长网络的生存时间是一个很重要的问题。现在的流量控制方案通常假设传感器节点处的数据处理复杂度很低，因此不考虑节点处数据处理的功耗。然而，不同于传统的无线传感器网络，无线视频传感器网络的视频传感器节点在中继其它节点数据的同时，还需要对自己采集到的视频进行压缩编码，因此会导致较高的处理功耗。

此外，现有的有关无线视频传感器网络中数据采集的方案，仅仅单独考虑了网络生存时间最大化或者用户接收到整体视频质量最大化这两个互相冲突的目标中的一个，而没有将其结合起来考虑。

经过对现有技术的检索发现，Y.He等人在《IEEE Transactions on Circuits and Systems for Video Technology，May 2009，pp.704-718(电气电子工程师协会视频技术电路与系统学报，2009年5月，第704-718页)》上发表了文章“Distributed algorithms for network lifetime maximization in wireless visual sensor networks(无线视频传感器网络中网络生存时间最大化的分布式算法)”，该文基于无线视频传感器网络中多信源的单播路由采集场景，通过功率-码率-失真模型引入传感器节点的视频编码功耗，提出了实现网络生存时间最大化的分布式算法。但是该文没有考虑利用网络中各节点间的相关性以降低视频编码的功耗，没有采用多路径路由以充分利用网络的带宽资源，以及忽略了对于采集到视频整体质量最小化的要求。

发明内容

本发明针对现有技术存在的上述不足，提供一种分布式视频信源数据采集的优化传输方法，针对多视几何分布下相邻节点间采集到视频的空间相关性，在传感器节点处采用分布式多视视频编码，为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，提供一种完全分布式的速率分配算法，有效地利用了网络的带宽资源，并且通过多路径路由选择以及网络编码的引入，不仅提高了网络整体吞吐量，同时也降低了网络的传输功耗。

本发明是通过以下技术方案实现的，本发明包括以下步骤：

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。

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。

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。

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。

所述的无线链路的竞争为具有概率持续的MAC控制协议。

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。

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。

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。

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。

本发明与现有技术相比较，具有如下显而易见的突出实质性特点和显著优点：本发明为适应无线视频传感器网络中视频信息采集和传输的需要，采用分布式多视视频编码进行视频的采集以利用相邻节点间的空间相关性，相应地考虑了传感器节点处视频编码的功耗模型，并且为实现网络生存时间最大化以及用户接收到整体视频质量最大化之间的平衡，提供了一种完全分布式的速率分配算法，有效地利用了网络的带宽资源，并通过多路径路由以及网络编码的引入，提高了网络整体吞吐量，也降低了网络的传输功耗。

附图说明

图1是无线视频传感器网络示例图，其中(a)为在多视几何分布条件下的一般无线视频传感器网络，(b)为具有两个汇聚节点的示例性3×3无线视频传感器网络；

图2是方法总流程图；

图3是完全分布式速率分配算法流程图；

图4是高阶子优化问题性能的示例图；

图5是系统权重系数δ′对结果影响的示例图。

具体实施方式

下面结合附图对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

本实施例包括以下步骤：

1、网络拓扑结构的设定

图1(a)为在多视几何分布条件下一般无线视频传感器网络的示意图，本发明对图1(b)所示的具有两个汇聚节点的示例性3×3无线视频传感器网络结构进行实例分析。图中v_i和s_i分别代表了无线视频传感器节点和用户所在的汇聚节点。图中，设定每个视频传感器节点与汇聚节点之间都有两条可选的路径。

2、建立基于以上网络的凸优化计算方法

图2给出了本发明具体实现时的方法总流程框图。在模块1中，将无线视频传感器网络抽象为有向图G＝(V，E)，其中E是无线链路的集合，V＝V_N∪S是节点的集合，且V_N＝{v_1，1，...，v_M，N}和S＝{s₁，...，s_K}分别表示无线视频传感器节点的集合和汇聚节点的集合。假设无线传感器节点都的固定传输范围上限为D_t，d_(i，j)表示节点i和节点j间链路l＝(i，j)的距离，若d_(i，j)＜D_t，则无线链路l＝(i，j)存在。因此，整个无线视频传感器网络由在多视几何分布下的M×N个无线视频传感器节点阵列以及若干个汇聚节点组成，其中无线视频传感器节点负责视频的采集、编码、以及数据的传输，而汇聚节点负责接收所有传感器节点采集到的视频信息，是整个无线视频传感器网络的目的节点。

此外在选用多条路由路径时，假设从无线传感器节点v∈V_N到某个汇聚节点k∈S都有多条传输路径J(v)，表示无线传感器节点v向汇聚节点k发送数据时第j条路径上分配的信息流量大小，

表示无线传感器v在链路l上的实际带宽消耗量。对于每个无线传感器节点v，使用矩阵

表示其传输路径与各链路之间的关系，且

表示链路l包含于无线传感器节点v到汇聚节点k的第j条传输路径中，反之

建立联合凸优化问题如下：

目标问题P1：

约束条件：

$4),{\mathrm{\τ}}_{(i,j)}=(1-{\mathrm{\ϵ}}_{(i,j)})p_{(i,j)}\underset{m\∈{\mathrm{\Ψ}}_{(i,j)}}{\mathrm{\Π}}(1-P_m),\∀(i,j)\∈E$

$5),P_i=\underset{j:(i,j)\∈E}{\mathrm{\Σ}}{p}_{(i,j)},\∀i\∈V_N$

$8),\frac{E_v}{T_v}=P_v^k+P_v^{\mathrm{WZ}}+\underset{j:(v,j)\∈E}{\mathrm{\Σ}}{c}_l^s{F}_{(v,j)}+c^r\underset{j:(j,v)\∈E}{\mathrm{\Σ}}{F}_{(j,v)},\∀v\∈V_N$

$9),\underset{v\∈V_N}{\mathrm{\Σ}}{F}_{(i,j)}^v\≤C_{(i,j)}^0,\∀(i,j)\∈E$

其中，优化目标为：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。在无线视频传感器网络中，令d_v为无线视频传感器节点v处视频编码后的失真，T_v为节点v的生存时间，则网络的生存时间可以表述为第一个无线传感器节点失效的时间，即

而

和

分别对应了两个互相冲突的优化目标：最小化用户接收到所有视频的总失真以及最大化网络的生存时间。为了实现这两个优化目标之间的最优平衡，引入系统权重系数δ∈[0，1]，通过加权求和的方式将两个优化目标合并在一个优化目标中。

约束条件为：

1)给出了节点v处视频编码的码率-失真函数。其中，K_v表示节点v处视频编码时关键帧数目占总帧数的比例，ρ_u，v表示两节点之间的相关性系数，σ²表示输入方差。且假设节点v的边信息为与其直接相连的空间1-跳节点集合N₁(v)，并且同一时刻，集合N₁(v)中只有一个节点的关键帧作为v的边信息。

2)规定每个无线视频传感器节点的实际传输速率大于约束1)中的编码码率要求。

3)规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；该条件表示在链路上采用网络编码的限制条件，实现不同节点在同一链路上的资源共享。其中，T_(i，j)为无线链路(i，j)上数据包成功传输的概率。

4)给出了无线链路(i，j)上数据包成功传输概率T_(i，j)的表达式。其中，p_(i，j)为链路(i，j)上的传输尝试概率，P_m为节点m为了竞争无线信道的接入的持续概率，ε_(i，j)为无线信道在链路(i，j)处的丢包率，ψ_(i，j)为影响链路(i，j)传输的其它无线链路的集合。

5)给出了无线传感器节点i处持续概率P_i的表达式。

6)给出了无线视频传感器节点v处关键帧的功耗-码率-失真模型。其中，

为关键帧编码的功耗，且有

γ为关键帧编码的编码效率系数，为单个关键帧和单个WZ帧之间编码码率的比值。

7)通过对Wyner-Ziv视频编码的流程中DCT模块、量化模块以及LDPC编码模块的功耗分析，给出了无线视频传感器节点v处WZ帧的功耗模型。其中，

Q为量化阶数，ξ”·”表示对应处理器运算操作”·”的功耗，而在LDPC编码器中，设k为校验矩阵H_MN×L中元素“1”的比例。

8)描述了无线视频传感器节点的总功耗为视频编码时关键帧的编码功耗、WZ帧的编码功耗以及数据传输时的发送功耗、接收功耗的总和。其中，

为无线链路l上单位流量的发送功耗，c^r是无线接收机的单位流量接收功耗。

9)规定了无线链路(i，j)上实际带宽消耗量的上限。其中

为(i，j)的瞬时最大传输速率。

上述的目标问题P1不是凸优化问题，因此对其进行改写如下：对约束4)的两边同时取对数；在约束8)中令t_v＝1/T_v，带入替换T_v；在优化目标中有

而

可以用

(当q充分大时)来近似，系统权重系数δ相应地改写为δ′，从而得到如下的凸优化问题：

目标问题P2：

约束条件：

$4),\log {\mathrm{\τ}}_{(i,j)}=\log (1-{\mathrm{\ϵ}}_{(i,j)})p_{(i,j)+}\underset{m\∈{\mathrm{\Ψ}}_{(i,j)}}{\mathrm{\Π}}\log (1-P_m),\∀(i,j)\∈E$

$5),P_i=\underset{j:(i,j)\∈E}{\mathrm{\Σ}}{p}_{(i,j)},\∀i\∈V_N$

$8),E_v{t}_v=P_v^K+P_v^{\mathrm{WZ}}+\underset{j:(v,j)\∈E}{\mathrm{\Σ}}{c}_l^s{F}_{(v,j)}+c^r\underset{j:(j,v)\∈E}{\mathrm{\Σ}}{F}_{(j,v)},\∀v\∈V_N$

$9),\underset{v\∈V_N}{\mathrm{\Σ}}{F}_{(i,j)}^v\≤C_{(i,j)}^0,\∀(i,j)\∈E$

上述原始凸优化问题可以分解为以下低阶和高阶两个子优化问题：

低阶子优化问题P2-1：

约束条件：

$4),\log {\mathrm{\τ}}_{(i,j)}=\log (1-{\mathrm{\ϵ}}_{(i,j)})p_{(i,j)+}\underset{m\∈{\mathrm{\Ψ}}_{(i,j)}}{\mathrm{\Π}}\log (1-P_m),\∀(i,j)\∈E$

$5),P_i=\underset{j:(i,j)\∈E}{\mathrm{\Σ}}{p}_{(i,j)},\∀i\∈V_N$

$8),E_v{t}_v=P_v^K+P_v^{\mathrm{WZ}}+\underset{j:(v,j)\∈E}{\mathrm{\Σ}}{c}_l^s{F}_{(v,j)}+c^r\underset{j:(j,v)\∈E}{\mathrm{\Σ}}{F}_{(j,v)},\∀v\∈V_N$

高阶子优化问题P2-2：

约束条件：

$9),\underset{v\∈V_N}{\mathrm{\Σ}}{F}_{(i,j)}^v\≤C_{(i,j)}^0,\∀(i,j)\∈E$

其中U^*(F)是在低阶子优化问题P2-1中对于某一给定F值的最优目标函数值。

3、两个子优化问题的分布式求解算法及执行过程

(1)低阶子优化问题——目标问题P2-1的求解步骤如下：

步骤1：定义拉格朗日对偶(释限)：

其中，

和η_v是拉格朗日乘子；

步骤2：定义拉格朗日对偶函数：

约束条件：

$\log {\mathrm{\τ}}_{(i,j)}=\log (1-{\mathrm{\ϵ}}_{(i,j)})p_{(i,j)+}\underset{m\∈{\mathrm{\Ψ}}_{(i,j)}}{\mathrm{\Π}}\log (1-P_m),\∀(i,j)\∈E$

$P_i=\underset{j:(i,j)\∈E}{\mathrm{\Σ}}{p}_{(i,j)},\∀i\∈V_N$

$E_v{t}_v=P_v^K+P_v^{\mathrm{WZ}}+\underset{j:(v,j)\∈E}{\mathrm{\Σ}}{c}_l^s{F}_{(v,j)}+c^r\underset{j:(j,v)\∈E}{\mathrm{\Σ}}{F}_{(j,v)},\∀v\∈V_N$

步骤3：定义对偶问题：

步骤4：采用原始-对偶算法，同时更新原始变量和对偶变量，通过迭代逐步逼近最优点，其中t_L表示迭代次数，α(t_L)是正的步长值，[·]⁺表示取正值的运算，

表示在[0，1]区间上投影的运算。

其中，

p、d、t以及拉格朗日乘子λ、μ和η的偏导数为：

其中，I(i)表示由节点i发出的链路传输影响到的无线链路集合。

(2)高阶子优化问题——目标问题P2-2的求解过程如下：

首先定义

和

为与低阶子优化问题P2-1中约束条件

对应的最优拉格朗日乘子。

步骤1：定义拉格朗日对偶(释限)：

$L^{\′}(\mathrm{\θ},F)=U^{*}\left(F\right)+\underset{(i,j)\∈E}{\mathrm{\Σ}}{\mathrm{\θ}}_{(i,j)}(\underset{v\∈V_N}{\mathrm{\Σ}}{F}_{(i,j)}^v-C_{(i,j)}^0)$

其中，θ_(i，j)是拉格朗日乘子；

步骤2：采用原始-对偶算法，同时更新原始变量和对偶变量，通过迭代逐步逼近最优点，其中t_H表示迭代次数，β(t_H)是正的步长值。

$F_{(i,j)}^v(t_H+1)={[F_{(i,j)}^v\left(t_H\right)-\mathrm{\β}\left(t_H\right)\frac{\∂L^{\′}(\mathrm{\θ},F)}{\∂F_{(i,j)}^v}]}^{+}$

${\mathrm{\θ}}_{(i,j)}(t_H+1)={[{\mathrm{\θ}}_{(i,j)}\left(t_H\right)+\mathrm{\β}\left(t_H\right)\frac{\∂L^{\′}(\mathrm{\θ},F)}{{\∂\mathrm{\θ}}_{(i,j)}}]}^{+}$

其中，实际带宽消耗F以及拉格朗日乘子θ的偏导数为：

$\frac{{\∂L}^{\′}(F,v)}{\∂F_{(i,j)}^v}=-\underset{k\∈S}{\mathrm{\Σ}}{\widehat{\mathrm{\μ}}}_v^{k(i,j)}{\widehat{\mathrm{\τ}}}_{(i,j)}+{\mathrm{\θ}}_{(i,j)}$

$\frac{{\∂L}^{\′}(F,\mathrm{\θ})}{\∂{\mathrm{\θ}}_{(i,j)}}=\underset{v\∈V_N}{\mathrm{\Σ}}{F}_{(i,j)}^v-C_{(i,j)}^0$

(3)完全分布式凸优化算法的执行

下面依照图3，给出完全分布式的算法执行过程如下：

(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：

①接收所有使用链路l的传感器节点v的

值；

②从链路集合{(p，q)|(p，q)∈I(i)}接收

和

③从本地处理器中取出和p_l(t_L)；

④更新传输尝试概率p_l(t_L)以及拥塞代价

⑤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：

①从链路集合

处接收到拥塞代价值

②从本地处理器中取出d_v(t_L)、t_v(t_L)、

和η_v(t_L)；

③更新

d_v(t_L)、t_v(t_L)、

和η_v(t_L)；

④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：

①接收到低阶子优化问题得到的最优拥塞代价

和

②从本地处理器中取出

和θ_l(t_H)；

③更新

和θ_l(t_H)。

如果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。

低阶子优化和高阶子优化执行在不同的时间范围内，前者属于内循环，运行于高速的时间间隔；而后者则属于外循环，运行于低速时间间隔。直到在低阶子优化问题的求解中，

达到最佳值

或达到最大低阶迭代次数时，才转到高阶子优化问题求解的过程中去。

(4)采用上述算法后进行性能分析，实现网络采集传输的最优化

①高阶子优化问题性能

图4给出了高阶子优化问题的收敛情况，其中，图4(a)给出了各传感器节点采集到的视频失真d_v的收敛情况，图4(b)给出了节点生存时间的倒数t_v的收敛情况。可以看出，所有上述变量大致在150次高阶迭代后收敛。

②系统权重系数的影响

图5给出了在三个不同分辨率和帧率的视频实验序列下，系统权重系数δ′对算法结果的影响。可以看到，随着δ′的减小，最终的平均视频失真逐渐增大，而网络的生存时间也逐渐增大，这是由于此时在优化目标中网络生存时间最大化所占的比重逐渐增大的缘故；反之，随着δ′的增大，最终的平均视频失真逐渐减小，而网络的生存时间也逐渐减小。

Claims (10)

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。

Images