由 磊，雷建軍

(天津大學(xué)電子信息工程學(xué)院，天津 300072)

認(rèn)知無線電能夠使非授權(quán)用戶(稱為次用戶，secondary users)通過頻譜感知技術(shù) “機(jī)會(huì)式地”(opportunistically)接入到未被授權(quán)用戶(稱為主用戶，primary user)占用的授權(quán)頻段，以提高次用戶的可用帶寬[1-2]．無線視覺傳感網(wǎng)絡(luò)由多個(gè)集成了微型視覺傳感器的無線節(jié)點(diǎn)組成，可以把所獲取的視覺感知信息通過多節(jié)點(diǎn)協(xié)同方式傳輸?shù)絽R聚節(jié)點(diǎn)(Sink 節(jié)點(diǎn))，進(jìn)而發(fā)送到應(yīng)用服務(wù)器上進(jìn)行后續(xù)處理和分析．無線視覺傳感器網(wǎng)絡(luò)既具有傳統(tǒng)無線傳感器網(wǎng)絡(luò)自組織、自愈、靈活配置、快速覆蓋和低成本部署等優(yōu)點(diǎn)，又具有傳統(tǒng)視覺應(yīng)用系統(tǒng)信息量豐富的特點(diǎn)，能夠支持更廣泛的智能應(yīng)用，如交通監(jiān)控和流量統(tǒng)計(jì)、輔助生活、公共行為分析和建模以及虛擬現(xiàn)實(shí)等[3-4]．然而適合視覺信息無線多跳傳輸?shù)姆鞘跈?quán)頻段的資源有限，限制了網(wǎng)絡(luò)的規(guī)模和性能．利用認(rèn)知無線電技術(shù)接入閑置的授權(quán)頻段是增強(qiáng)無線視覺傳感網(wǎng)絡(luò)性能和實(shí)現(xiàn)規(guī)模應(yīng)用的可行途徑之一[5]．認(rèn)知無線視覺傳感網(wǎng)絡(luò)的主要挑戰(zhàn)是可用頻譜或信道的隨機(jī)性．由于無線節(jié)點(diǎn)機(jī)會(huì)式的接入到空閑授權(quán)頻譜，因而其底層的鏈路傳輸容量是動(dòng)態(tài)變化的．在傳統(tǒng)的分層網(wǎng)絡(luò)協(xié)議設(shè)計(jì)[6]原則下，上層視覺信息的發(fā)送不會(huì)自適應(yīng)地匹配底層傳輸能力的改變，因而不能充分利用認(rèn)知無線電所帶來的好處．這就需要采用跨層設(shè)計(jì)方法讓上層應(yīng)用實(shí)時(shí)感知下層鏈路上可能的傳輸機(jī)會(huì)，以增強(qiáng)視覺信息的端到端服務(wù)質(zhì)量．另一方面，為了保持網(wǎng)絡(luò)的有效性、實(shí)時(shí)性和可擴(kuò)展性，所設(shè)計(jì)的算法必須是能夠分布式運(yùn)行的．當(dāng)前關(guān)于認(rèn)知無線多跳網(wǎng)絡(luò)或無線傳感網(wǎng)絡(luò)的研究大多集中在頻譜感知技術(shù)[2，7]、認(rèn)知信道的分配[8]、認(rèn)知MAC 協(xié)議設(shè)計(jì)[9]、認(rèn)知路由[10-11]和認(rèn)知無線網(wǎng)格網(wǎng)絡(luò)頻譜共享[12]等方面．筆者針對(duì)認(rèn)知無線電的隨機(jī)性，通過聯(lián)合控制視覺感知信息的壓縮速率、路由和鏈路流速率的跨層設(shè)計(jì)來提高整個(gè)無線視覺傳感網(wǎng)絡(luò)的平均性能，同時(shí)提出了跨層設(shè)計(jì)的分布式實(shí)現(xiàn)算法，并通過仿真驗(yàn)證了其收斂性和最優(yōu)性．

1 網(wǎng)絡(luò)模型和問題描述

1.1 網(wǎng)絡(luò)模型和假設(shè)

一個(gè)無線視覺傳感網(wǎng)絡(luò)的拓?fù)淙鐖D 1 所示．配置攝像頭的無線傳感器節(jié)點(diǎn)按照一定的策略部署在監(jiān)控區(qū)域內(nèi)．節(jié)點(diǎn)除了監(jiān)控以外，還可以協(xié)同傳輸視覺信息(圖像序列或視頻等)到匯聚節(jié)點(diǎn)(Sink)．雖然可以使用非授權(quán)頻段(如ISM 2.4,G)作為公共傳輸信道，但其帶寬無法完全滿足視覺信息的傳輸要求．為了提高鏈路速率和網(wǎng)絡(luò)容量，每個(gè)節(jié)點(diǎn)還具有認(rèn)知無線電的功能，即節(jié)點(diǎn)可以實(shí)時(shí)感知(但無法提前預(yù)測)其鏈路的可用授權(quán)頻段，以機(jī)會(huì)式地接入這些空白頻段進(jìn)行視覺感知信息的傳輸．

圖1 無線視覺傳感器網(wǎng)絡(luò)Fig.1 Wireless visual sensor network

認(rèn)知無線視覺傳感網(wǎng)絡(luò)拓?fù)淇梢杂糜邢驁DG =(V,E) 來表示，其中 V 表示節(jié)點(diǎn)集合，而 E 表示無線鏈路集合．用 T 表示當(dāng)前發(fā)送監(jiān)控視覺信息的源節(jié)點(diǎn)集合(如圖1 中的節(jié)點(diǎn)1 和節(jié)點(diǎn)3)．集合V、E和 T 的元素分別用 n 、l 和 m 表示，其元素?cái)?shù)分別為N、L 和 M ．另外，節(jié)點(diǎn) i 和節(jié)點(diǎn) j 之間的鏈路也可以用(i，j)表示．假設(shè)網(wǎng)絡(luò)部署區(qū)域內(nèi)有 B 個(gè)授權(quán)頻帶(或信道)．由于主用戶的移動(dòng)性或隨機(jī)接入性，這些頻段的可用與否是隨機(jī)變化的．在某一時(shí)刻網(wǎng)絡(luò)中鏈路的可用信道狀態(tài)用矢量 φ={sl,b}表示，其中sl,b= 1表示鏈路 l 可用信道 b(即該信道未被主用戶占用)，否則 sl,b= 0．用Φ表示所有可能φ 的狀態(tài)空間，即φ∈Φ．π (φ )表示信道狀態(tài)φ 的靜態(tài)概率分布．本文中假設(shè)網(wǎng)絡(luò)采用 CDMA 的接入技術(shù)．采用文獻(xiàn)[13]中碼分配算法為每條鏈路一個(gè)低相關(guān)性的擴(kuò)頻碼．這樣，鏈路可以同時(shí)傳輸而相互干擾很少.鏈路 l 在狀態(tài)φ 時(shí)的鏈路容量可以表達(dá)為Cl( φ)=Wl( φ) l b( 1 + K ξl(φ ))，其 中 Wl(φ )表 示 鏈 路 l在狀態(tài)φ 時(shí)的可用帶寬，為信道b 的帶寬．ξl(φ )表示鏈路l 的在狀態(tài)φ 時(shí)的接收信號(hào)干擾噪聲比(SINR)．K 為常數(shù)．注意本文的設(shè)計(jì)方法也可以較容易地?cái)U(kuò)展到采用其他接入方式(如TDMA 或OFMDA 等)的網(wǎng)絡(luò)．鏈路l 的平均容量為

源節(jié)點(diǎn)所產(chǎn)生的視覺信息是連續(xù)的圖像序列(或視頻)，用峰值信噪比 PSNR 來表示信息傳輸質(zhì)量.視覺感知節(jié)點(diǎn)源 m 的 PSNR 可以表示為Qm=10lg DwcDm，其中Dm表示源m 的壓縮MSE(均方誤差)失真，而Dwc表示最壞情況的 MSE．當(dāng)每個(gè)像素用 8,bit 表示時(shí)，Dwc= 2 552．根據(jù)文獻(xiàn)[15]，D m與視頻的壓縮速率rm有關(guān)，可以表示為

由于網(wǎng)絡(luò)可用信道的隨機(jī)性以及所有信息都發(fā)往同一個(gè)Sink 節(jié)點(diǎn)，采用多徑路由，即允許視覺信息在所有可能的鏈路上發(fā)送，而由第3 節(jié)中所提出的分布式算法決定鏈路上的流速率．用 fl表示鏈路流速率，而用 F =[ f1,…,fL]T表示所有鏈路流速率矢量．定義一個(gè)N × L的節(jié)點(diǎn)鏈路關(guān)聯(lián)矩陣Η ，其元素hnl=1表示節(jié)點(diǎn) n 是鏈路 l 的發(fā)射節(jié)點(diǎn)，而 hnl= ?1 表示節(jié)點(diǎn) n 是鏈路 l 的接收節(jié)點(diǎn)，否則 hnl= 0．定義R=[,…,]T為所有視覺傳感節(jié)點(diǎn)的源速率矢量，其中=0,n ? T ．網(wǎng)絡(luò)中每個(gè)節(jié)點(diǎn)來必須滿足流均衡原則，即流出該節(jié)點(diǎn)的數(shù)據(jù)速率與流入速率之差必須大于該節(jié)點(diǎn)的信息速率，即

另外，鏈路分配的流速率必須小于鏈路的平均容量，即

1.2 視覺信息傳輸?shù)目鐚釉O(shè)計(jì)問題表達(dá)

對(duì)于實(shí)時(shí)監(jiān)控來說，除了傳輸質(zhì)量，傳輸時(shí)延也是一個(gè)重要的性能參數(shù)．一般來說，無線視覺傳感器網(wǎng)絡(luò)所有監(jiān)控源節(jié)點(diǎn)的優(yōu)先級(jí)是等同的，因此可以考慮優(yōu)化整個(gè)網(wǎng)絡(luò)的平均(或總)時(shí)延(而不是單個(gè)源的端到端時(shí)延)，以提高整個(gè)網(wǎng)絡(luò)的實(shí)時(shí)性能．在M/M/1 隊(duì)列模型的假設(shè)下，單位數(shù)據(jù)流在鏈路l 上的時(shí)延為1/(Cl(φ)?fl)[17]．可見鏈路時(shí)延也是依賴于φ的隨機(jī)變量．鏈路 l 上單位數(shù)據(jù)流時(shí)延的期望定義D=[ d1,…,dL]T．對(duì)于協(xié)同多徑傳輸?shù)臒o線視覺傳感器網(wǎng)絡(luò)來說，視覺信息流可以在各個(gè)鏈路和端到端路徑上自適應(yīng)分配，以避免某些鏈路過分擁塞導(dǎo)致網(wǎng)絡(luò)平均時(shí)延太大．

無線視覺傳感器網(wǎng)絡(luò)跨層設(shè)計(jì)的目標(biāo)是在底層可用授權(quán)信道隨機(jī)性和多徑路由條件下，最大化網(wǎng)絡(luò)視覺信息的傳輸質(zhì)量和最小化傳輸時(shí)延．然而這兩個(gè)設(shè)計(jì)目標(biāo)不可能同時(shí)滿足，為此可以通過引入權(quán)值β=[β1,…,βL]T來達(dá)到兩個(gè)優(yōu)化目標(biāo)的權(quán)衡．因此，最優(yōu)跨層設(shè)計(jì)問題可以表達(dá)為

式中，L=[1,…,1 ]T．權(quán)值β 衡量傳輸質(zhì)量Θ 與時(shí)延D 的重要程度，可以根據(jù)網(wǎng)絡(luò)的運(yùn)營策略和實(shí)際部署場景等進(jìn)行取值．由于Θ 和鏈路時(shí)延D 分別是源速率R 和F 的凸函數(shù)，因此問題(3)是一個(gè)隨機(jī)凸優(yōu)化問題[18]．如果可以預(yù)先獲知網(wǎng)絡(luò)的狀態(tài)空間Φ 及其每個(gè)狀態(tài)靜態(tài)概率 π(φ)，則可以采用經(jīng)典的非線性優(yōu)化算法(如牛頓法、內(nèi)點(diǎn)法等)來求解[18-19]．由于狀態(tài)的靜態(tài)概率很難精確獲得以及需要全網(wǎng)傳播狀態(tài)和控制信息，這些集中式算法無法在網(wǎng)絡(luò)實(shí)際運(yùn)行中采用，而只能用在網(wǎng)絡(luò)前期規(guī)劃和性能估計(jì)中．為此，應(yīng)用隨機(jī)規(guī)劃的相關(guān)理論提出了一種分布式跨層傳輸算法，可以作為認(rèn)知無線視覺傳感網(wǎng)絡(luò)的實(shí)用傳輸協(xié)議，并且能夠獲得與(已知狀態(tài)概率條件下的)集中式算法相似的優(yōu)化性能．

2 隨機(jī)次梯度法求解

通過對(duì)約束條件式(1)和式(2)引入拉格朗日乘子λ=[λ1,…,λN]T和μ=[μ1,…,μL]T，可以獲得問題式(3)的拉格朗日函數(shù)為

則式(3)的對(duì)偶問題的目標(biāo)函數(shù)為

式中

式中下標(biāo)l(i) 表示鏈路l 的接收節(jié)點(diǎn)，而l(o) 表示鏈路l 的發(fā)射節(jié)點(diǎn)．因此式(3)的對(duì)偶問題[18]為

式中λ 和μ 變成了對(duì)偶問題的優(yōu)化變量．由于式(3)是一個(gè)凸優(yōu)化問題，因此可以通過求解其對(duì)偶式(5)來獲得原問題的最優(yōu)解(二者的對(duì)偶間隔為0)[18]．對(duì)偶問題式(5)也是一個(gè)隨機(jī)優(yōu)化問題，可以采用 “隨機(jī)次梯度更新法”[19]來求解．假設(shè)在第t 步循環(huán)中對(duì)

偶變量為 λ(t)和 μ(t)，則在t+1 步進(jìn)行如下方式的更新，即

式中：上標(biāo)“+” 表示取值大于等于 0；θ (t) 和 ρ(t) 分別是變量 λ 和 μ 的更新步長；Χ(t) 和 Ζ(t) 分別為D (λ,μ)在 λ(t)和 μ(t)處的隨機(jī)次梯度，都是隨機(jī)變量．根據(jù)文獻(xiàn)[16-17]Danskin 定理，Χ (t)和 Ζ(t)計(jì)算式為

式中：φ(t)為 t 時(shí)刻網(wǎng)絡(luò)的信道狀態(tài)；C(φ(t))是 t 時(shí)刻鏈路瞬時(shí)容量矢量；R?和 F?分別是最大化問題(4)在對(duì)應(yīng)狀態(tài)φ(t)時(shí)源速率和鏈路流速率的最優(yōu)解．注意到最大化問題式(4)可以進(jìn)一步分解為M +L 個(gè)獨(dú)立的子問題，即

(1) M 個(gè)獨(dú)立的源速率控制子問題

(2) L 個(gè)獨(dú)立的鏈路數(shù)據(jù)流分配子問題

式(8)和式(9)中的各個(gè)子問題可以采用拉格朗日法[17]求解．其中，式(8)中每個(gè)子問題的解為

式中： rmax為視覺節(jié)點(diǎn)的最大可能感知速率；而 式(9) 中 每個(gè)子問題的解為

3 分布式機(jī)會(huì)傳輸算法

對(duì)第 2 節(jié)中隨機(jī)次梯度求解過程進(jìn)行仔細(xì)分析后，可以發(fā)現(xiàn)：①對(duì)偶變量λ 的每個(gè)分量都對(duì)應(yīng)一個(gè)節(jié)點(diǎn)，而μ 的每個(gè)分量都與一個(gè)鏈路相對(duì)應(yīng)；②由式(6)和式(7)可知，λ 的每個(gè)分量的更新只與其對(duì)應(yīng)節(jié)點(diǎn)的所有鏈路流速率和本身產(chǎn)生的源速率有關(guān)，而μ的每個(gè)分量更新只與其對(duì)應(yīng)鏈路的當(dāng)前容量和承載的流速率有關(guān)；③由式(10)和式(11)可知，一個(gè)鏈路的最優(yōu)速率和節(jié)點(diǎn)的最優(yōu)源速率的計(jì)算只與本地對(duì)偶變量和信道狀態(tài)有關(guān)．這 3 個(gè)特點(diǎn)都有利于算法的分布式實(shí)現(xiàn)．據(jù)此，提出了如下的分布式機(jī)會(huì)傳輸算法．該算法把隨機(jī)次梯度算法的循環(huán)對(duì)應(yīng)到網(wǎng)絡(luò)傳輸時(shí)隙，即每個(gè)時(shí)隙更新一次對(duì)偶變量，而節(jié)點(diǎn)根據(jù)該時(shí)隙中所感知的信道狀態(tài)自適應(yīng)地進(jìn)行視覺信息的網(wǎng)絡(luò)傳輸．

認(rèn)知無線視覺傳感網(wǎng)絡(luò)分布式機(jī)會(huì)傳輸算法包括初始化和算法循環(huán)．

1) 初始化

根據(jù)網(wǎng)絡(luò)應(yīng)用要求和運(yùn)營策略等確定權(quán)值β；設(shè)置對(duì)偶矢量 λ(0 ) 和 μ (0)各個(gè)分量的初值，并保存在相應(yīng)的節(jié)點(diǎn)中(μl保存在鏈路l 的發(fā)射節(jié)點(diǎn))；設(shè)置固定步長θ和δ；確定網(wǎng)絡(luò)中鏈路可用的B 個(gè)授權(quán)頻段；鏈路的發(fā)射節(jié)點(diǎn)測量并保存該鏈路上信道的SINR；離線或在線估計(jì)每個(gè)源視覺節(jié)點(diǎn)參數(shù)、θm和．

2) 算法循環(huán)

在第t 個(gè)時(shí)隙有

(1) 每個(gè)節(jié)點(diǎn)n 向鄰居節(jié)點(diǎn)廣播對(duì)偶變量λn(i).

(2) 發(fā)送視覺信息的源節(jié)點(diǎn)m ∈ T，根據(jù)式(10)計(jì)算當(dāng)前視頻發(fā)送速率 rm．

(3) 每條鏈路 l 的發(fā)射節(jié)點(diǎn)測量該鏈路的可用授權(quán)信道，計(jì)算鏈路瞬時(shí)速率并根據(jù)式(11)計(jì)算本時(shí)隙內(nèi)可發(fā)送的流速率 fl．

(4) 根據(jù)步驟(2)和(3)的計(jì)算結(jié)果進(jìn)行信息傳輸．

(5) 每個(gè)節(jié)點(diǎn)根據(jù)本地鏈路容量、流速率和視頻源速率，按照式(7)計(jì)算相應(yīng)的隨機(jī)次梯度，并按照式(6)更新其對(duì)應(yīng)的對(duì)偶變量．

上述過程循環(huán)執(zhí)行，直到收斂．

上述算法中每個(gè)時(shí)隙內(nèi)節(jié)點(diǎn)向鄰居節(jié)點(diǎn)廣播自己的對(duì)偶變量，并根據(jù)收到的對(duì)偶變量獨(dú)立地計(jì)算與本節(jié)點(diǎn)相關(guān)的源速率、鏈路速率、隨機(jī)次梯度和對(duì)偶變量．這種分布式算法避免了集中式算法在全網(wǎng)傳播控制信息和狀態(tài)信息的問題．另外，算法不需要預(yù)先估計(jì)可用授權(quán)信道狀態(tài)的靜態(tài)概率分布，只需要節(jié)點(diǎn)(如算法的步驟(3)所述）感知當(dāng)前時(shí)隙中授權(quán)信道的可用性，使鏈路能夠進(jìn)行機(jī)會(huì)傳輸．視覺源節(jié)點(diǎn)通過對(duì)偶變量實(shí)現(xiàn)對(duì)底層認(rèn)知信道的自適應(yīng)匹配，因而能夠充分利用認(rèn)知無線電增強(qiáng)網(wǎng)絡(luò)性能．分布式算法的收斂性和最優(yōu)性將通過第4 節(jié)的仿真給出．

4 仿真結(jié)果與分析

4.1 仿真場景與參數(shù)

采用如圖 2 所示的無線視覺傳感網(wǎng)絡(luò)拓?fù)鋪眚?yàn)證所提出的分布式機(jī)會(huì)傳輸算法的收斂性和最優(yōu)性．該拓?fù)渲邪?16 個(gè)無線視覺傳感節(jié)點(diǎn)，均勻分布在一個(gè)300 m ×300 m的區(qū)域內(nèi)．假設(shè)該區(qū)域有4 個(gè)可用的授權(quán)頻段，同時(shí)為了保持網(wǎng)絡(luò)的連接性還使用一個(gè)固定的 ISM 非授權(quán)頻段．每個(gè)頻段的信道帶寬設(shè)為 1,MHz．對(duì)于網(wǎng)絡(luò)每個(gè)鏈路來說，授權(quán)頻段的可用概率是獨(dú)立同分布的．設(shè)4 個(gè)授權(quán)頻段被主用戶占用的靜態(tài)概率分別為 0.5、0.2、0.3 和 0.4．所有鏈路在每個(gè)可用信道上的發(fā)射功率固定為 Pt= 5 00 mW ，接收噪聲為3 mW ，接收功率只考慮自由空間路徑損耗，假設(shè)為Pr=ξd?3Pt，其中ξ為常數(shù)，設(shè)為105，d 為鏈路傳輸距離，m．設(shè)置節(jié)點(diǎn) 1 、4 和 9 為當(dāng)前需要發(fā)送視覺信息的源節(jié)點(diǎn)，節(jié)點(diǎn) 16 為匯聚節(jié)點(diǎn)，其余節(jié)點(diǎn)作為中繼節(jié)點(diǎn)．設(shè) rmax=10．假設(shè)3 個(gè)源節(jié)點(diǎn)視覺信息的 PSNR 特征參數(shù)分別為= 1 .380，θ1= 1 .830，

圖2 仿真拓?fù)涫疽釬ig.2 Topology for simulations

4.2 算法的收斂性

驗(yàn)證在整個(gè)網(wǎng)絡(luò)運(yùn)行的分布式算法能夠通過節(jié)點(diǎn)的本地信息交換使得優(yōu)化變量協(xié)同收斂到穩(wěn)定(平均)值．為了便于仿真結(jié)果顯示，在不失一般性的情況下，權(quán)值β各個(gè)分量設(shè)為βl=2 0,l ∈ E ．圖3顯示了3個(gè)視覺傳感器節(jié)點(diǎn) 1 、4 和 9 的源速率隨著算法循環(huán)的變化情況．可見，源速率在 4 00 次循環(huán)后基本能夠收斂到一個(gè)穩(wěn)定值，3 個(gè)源速率最終收斂的穩(wěn)定平均值分別為3.053,3,Mb/s 、2.497,4,Mb/s 和3.481,0,Mb/s．圖4顯示了鏈路(1，2)和(4，8)上瞬時(shí)流速率和平均流速率隨著算法循環(huán)的變化．由于認(rèn)知無線電的隨機(jī)性，每個(gè)循環(huán)(相當(dāng)于每個(gè)傳輸時(shí)隙)中鏈路可用信道和鏈路容量是隨機(jī)變化的，鏈路的瞬時(shí)傳輸速率也隨著鏈路容量的變化而變化．然而鏈路的平均流速率可以收斂到一個(gè)穩(wěn)定值．如圖4所示，鏈路(1，2)和(4，8)的平均流速率在大約 200 次循環(huán)后收斂到 1.556,1,Mb/s 和 2.428,9,Mb/s．這表明：所提出的跨層優(yōu)化算法能夠通過節(jié)點(diǎn)的局部信息交換和分布式計(jì)算使源速率和鏈路流速率收斂．

圖3 3個(gè)視覺傳感節(jié)點(diǎn)源速率的收斂性Fig.3 Convergence of source rate of three visual sensor nodes

圖4 鏈路(1，2)和(4，8)流速率的收斂性Fig.4 Convergence of flow rate of links(1,2)and(4,8)

4.3 算法的最優(yōu)性

如果已知網(wǎng)絡(luò)的信道狀態(tài)及其概率分布，可以采用集中式的非線性優(yōu)化算法求得式(3)的最優(yōu)解.通過與集中式算法比較來說明所提出的分布式算法的最優(yōu)性．集中式算法采用 “序列二次規(guī)劃算法”，并在 M atlab 中用 F mincon 函數(shù)得到優(yōu)化結(jié)果．表 1 為設(shè)置權(quán)值βl= 20、l ∈ E時(shí)，采用分布式算法和集中式算法所得到節(jié)點(diǎn)的平均流入和流出速率的比較．節(jié)點(diǎn)1、4 和9 是源節(jié)點(diǎn)，因而沒有流入速率，只有流出速率，且平均流出速率與平均源速率相等(見圖3)．節(jié)點(diǎn)16 是匯聚節(jié)點(diǎn)，沒有流出速率，只有流入速率，且流入平均速率與 3 個(gè)源速率之和相等．其余節(jié)點(diǎn)數(shù)據(jù)中繼節(jié)點(diǎn)既有流入速率，又有流出速率．從表1 中可以看出，分布式算法與集中式算法所獲得優(yōu)化結(jié)果非常接近，特別是視覺源節(jié)點(diǎn)的發(fā)送速率．

表 2 為設(shè)置不同的權(quán)值β時(shí)，集中式算法與分布式算法所獲得的平均 PSNR、平均網(wǎng)絡(luò)時(shí)延和式

(3)的優(yōu)化目標(biāo)值的比較．減少β值相當(dāng)于降低了網(wǎng)絡(luò)時(shí)延的權(quán)重．由表 2 可以看出，隨著β值的降低，網(wǎng)絡(luò)可以通過容忍更大的時(shí)延來換取視覺信息平均PSNR 的提高．同時(shí)，β= [ 200100 20 51]時(shí)，分布式算法可以獲得與集中式算法相近的平均 PSNR、平均時(shí)延和優(yōu)化目標(biāo)值．值得注意的是當(dāng)β=0 (即不考慮網(wǎng)絡(luò)時(shí)延)時(shí)雖然分布式算法所獲得的平均PSNR 和優(yōu)化目標(biāo)值略低于集中式算法，但其平均時(shí)延卻比集中式算法小得多．集中式算法平均時(shí)延為 4.048,6×1016,ms/(Mb/s)，這實(shí)際上相當(dāng)于無窮大，無法實(shí)現(xiàn)實(shí)時(shí)監(jiān)控的目的．

表 1 和表 2 的優(yōu)化數(shù)據(jù)表明：分布式算法能夠獲得與集中式算法相似的優(yōu)化性能，而分布式算法不需要預(yù)先知道或估計(jì)認(rèn)知網(wǎng)絡(luò)的信道狀態(tài)的概率分布，只需實(shí)時(shí)感知網(wǎng)絡(luò)的瞬時(shí)信道狀況即可動(dòng)態(tài)適應(yīng)和充分利用網(wǎng)絡(luò)的傳輸機(jī)會(huì)，并且具有可擴(kuò)展性和實(shí)時(shí)性保證，因此該算法對(duì)于認(rèn)知無線視覺傳感器網(wǎng)絡(luò)的規(guī)模應(yīng)用具有一定的實(shí)用價(jià)值．

表1 分布式算法與集中式算法節(jié)點(diǎn)平均流入和流出速率優(yōu)化結(jié)果比較( βl=2 0,l ∈ E)Tab.1 Comparison of average input and output flow rate of nodes of distributed and centralized algorithms( βl=2 0,l ∈ E)(Mb·s-1)

表2 分布式算法與集中式算法平均PSNR、平均傳輸時(shí)延和優(yōu)化目標(biāo)值優(yōu)化結(jié)果比較Tab.2 Comparison of average PRNR，delay and optimal objective value of distributed and centralized algorithms

5 結(jié) 語

研究了認(rèn)知無線視覺傳感網(wǎng)絡(luò)的跨層設(shè)計(jì)方法，并提出了一個(gè)分布式優(yōu)化算法．通過聯(lián)合控制上層視覺信息的壓縮速率和底層認(rèn)知鏈路的機(jī)會(huì)傳輸達(dá)到端到端服務(wù)質(zhì)量和網(wǎng)絡(luò)平均時(shí)延的權(quán)衡最優(yōu)化．通過對(duì)偶分解和隨機(jī)次梯度法求解該優(yōu)化問題，推導(dǎo)出一個(gè)可以分布式實(shí)現(xiàn)的跨層優(yōu)化算法．該算法不需要預(yù)知可用頻段的靜態(tài)概率分布，能通過本地計(jì)算和信息交換達(dá)到全網(wǎng)控制參數(shù)和端到端視覺信息傳輸?shù)淖顑?yōu)化．本文中所提出的算法能夠?yàn)檎J(rèn)知無線視覺傳感網(wǎng)絡(luò)的大規(guī)模部署和傳輸協(xié)議設(shè)計(jì)提供實(shí)用參考．

在網(wǎng)絡(luò)模型和仿真中假設(shè)節(jié)點(diǎn)在每個(gè)信道上的發(fā)射功率是固定的，而對(duì)于電池或太陽能供電的無線視覺傳感網(wǎng)絡(luò)設(shè)計(jì)能量有效的傳輸協(xié)議是非常必要的．今后將進(jìn)一步研究怎樣將功率分配和能量控制集成到所提出的跨層設(shè)計(jì)方法和分布式算中．

［1］Akyildiz I F，Lee W-Y，Vuran M C，et al. Next generation/dynamic spectrum access/cognitive radio wireless networks：A survey[J].Computer Networks(Elsevier)，2006，50(13)：2127-2159.

［2］Haykin S. Cognitive radio：Brain-empowered wireless communications[J].IEEE Journal on Selected Areas in Communications，2005，23(2)：201-220.

［3］Soro Stanislava，Heinzelman Wendi. A Survey of visual sensor networks[J].Advances in Multimedia，2009：Article ID 640386.

［4］Charfi Y，Wakamiya N，Murata M. Challenging issues in visual sensor networks[J].IEEE Wireless Communications Magazine，2009，16(2)：44-49.

［5］Akyildiz I F，Melodia T，Chowdhury K R. A survey on wireless multimedia sensor networks[J].Computer Networks(Elsevier)，2007，51(4)：921-960.

［6］由 磊. 無線多跳網(wǎng)絡(luò)跨層設(shè)計(jì)與優(yōu)化的相關(guān)理論和算法研究[D]. 北京：北京郵電大學(xué)電子工程學(xué)院，2009.You Lei. Research on the Theory and Algorithms of Cross-Layer Design and Optimization for Wireless Multihop Network[D]. Beijing：School of Electronic Engineering，Beijing University of Posts and Telecommunications，2009(in Chinese).

［7］Zhao Q，Sadler B. A survey of dynamic spectrum access[J].IEEE Signal Process Mag，2007，24(3)：79-89.

［8］AL-Fuquha A，Khan B，Rayes A，et al. Opportunistic channel selection strategy for better QoS in cooperative networks with cognitive radio capabilities[J].IEEE Journal on Selected Areas in Communications，2008，26(1)：156-167.

［9］Cordeiro C，Challapali K. C-MAC：A cognitive MAC protocol for multi-channel wireless networks[C]//IEEE DySPAN. Dublin，Ireland，2007：147-157.

［10］Cheng G，Liu W，Li Y，et al. Joint on-demand routing and spectrum assignment in cognitive radio networks[C]//IEEE ICC. Glasgow，Scotland，2007：6499-6503.

［11］鄭騰飛，朱 琦. 認(rèn)知 Ad Hoc 網(wǎng)絡(luò)中的跨層路由協(xié)議[J]. 計(jì)算機(jī)應(yīng)用，2011，31(增2)：9-13.

［12］Zheng Tengfei，Zhu Qi. Cross-layer routing protocol for cognitive Ad Hoc networks[J].Journal of Computer Applications，2011，31(Supl2)：9-13(in Chinese).

［13］Chowdhury K R，Akyildiz I F. Cognitive wireless mesh networks with dynamic spectrum access[J].IEEE Journal of Selected Areas in Communications， 2008 ，26(1)：168-181.

［14］Hu L. Distributed code assignments for CDMA packet radio networks[J].IEEE/ACM Trans Networking，1993，1(1)：668-677.

［15］由 磊，雷建軍，王丕超. 無線多跳網(wǎng)絡(luò)中SVC 視頻流傳輸?shù)姆植际絻?yōu)化方法[J]. 天津大學(xué)學(xué)報(bào)，2013，46(1)：73-78.You Lei，Lei Jianjun，Wang Pichao. Distributed optimization method for SVC streaming in wireless multihop networks[J].Journal of Tianjin University，2013，46(1)：73-78(in Chinese).

［16］Stuhlmuller K，F(xiàn)arber N，Link M，et al. Analysis of video transmission over lossy channels[J].IEEE Journal on Selected Areas in Communication，2000，18(6)：1012-1032.

［17］Pudlewski S，Prasanna A，Melodia T. Compressedsensing-enabled video streaming for wireless multimedia sensor networks[J].IEEE Transactions on Mobile Computing，2012，11(6)：1060-1072.

［18］Bertsekas D，Gallager R.Data Networks[M]. New York，USA：Prentice Hall，2000.

［19］Bertsekas D P.Nonlinear Programming[M]. Belmont，USA：Athena Scientific，1999.

［20］Kall Peter ， Wallace Stein W.Stochastic Programming[M]. 2nd,ed. Chichester，UK：John Wiley and Sons，1994.