WMSNs圖像傳感器節點節能研究

胡延軍，俞 嘯，奚錦錦，劉麗虹

(中國礦業大學 信息與電氣工程學院 物聯網（感知礦山）研究中心，江蘇 徐州 221008）

無線多媒體傳感器網絡WMSNs(Wireless Multimedia sensor Networks)，具有移動性強、放置靈活、傳輸比特率較低的特點[1],可以有效解決煤礦井下有線監控系統的問題。但是高能耗是目前制約WMSNs發展主要因素之一[2]。

目前的圖像傳感器節點中常用的圖像編碼算法有JPEG和JPEG200。卡耐基梅隆大學的研究人員開發了CMUcam系列視覺傳感器，CMUcam3采用軟件JPEG壓縮并兼容 802.15.4接口[3]，具有一個 CIF分辨率(352×288)的RGB彩色傳感器。這種常用的編碼算法都在數據采集端按照奈奎斯特采樣定理進行數據采集，造成了存儲空間及節點能量的浪費。

近幾年來，由 DONOHO D、CANDES E等人提出了編碼簡單、解碼復雜的壓縮感知理論[4]。本文利用壓縮感知理論，并結合WMSNs節點的能耗分布特點，對“無線傳輸”和“信號處理”的能耗進行折中處理[5]，實現了降低節點能耗的目的。

1 能耗模型分析

通常WSNs節點的能量大部分消耗在無線數據收發過程中，分布呈“聚集”狀態，可以忽略數據采集和處理能耗。而WMSNs節點因為要采集圖像、音頻、視頻等大數據量的多媒體信息，大大增加了數據采集和處理的能耗，能耗分布呈 “均勻”狀態。因此需要結合WMSNs節點的能耗分布特點，對“無線傳輸”和“信號處理”的能耗進行折中處理，以適用于WMSNs節點的圖像壓縮方法。如圖1所示。

傳感器節點的能耗模型包括傳感器、處理器以及無線收發器的能耗模型。結合圖1的節能點能耗分布和參考文獻[6]可將節點能耗表示為：其中 Es為節點整體能耗，ESx為傳感器能耗，ETx為無線通信能耗，Eact為處理器能耗，Eother為觸發事件能耗。

(1)通信模塊能耗模型

在無線通信中，發射功率隨著傳輸距離的增大而呈指數衰減。這里選用自由空間（Free Space）信道模型和多路徑衰減（Multi-path Fading）信道模型進行建模[7],在這種模型下,傳送距離為d時，k位數據的發送能耗可表示為：

其中，Eelec為基于數字濾波器、編碼、模型等電路的收發器線路之間的能量消耗;放大器的能量消耗εfsd2和 εmpd4在可接受的容錯率下，取決于傳輸的距離;一般情況下，Eelec=50 nJ/bit，εfs=10 pJ/bit/m2，εmp=0.001 3pJ/bit/m4,d0=87 m。

(2)處理器能耗模型

由于CPU功耗幾乎來源于動態功率,所以CPU工作狀態下的總功率Pleak可近似為:

若N為完成某個處理任務所占用的CPU時鐘周期數，則處理該任務所需能耗為:

其中，CL=0.67 nF。

通過以上能耗模型可以得到，在硬件平臺確定且傳輸距離相同的條件下，圖像傳感器節點的ETx與傳輸的數據量有關，而傳輸的數據量是由圖像的壓縮比決定的；Eact與圖像壓縮的處理時間有關，而圖像的處理時間是由壓縮算法的復雜度決定的。可以考慮在圖像壓縮比和圖像壓縮算法的復雜度之間進行折中，以實現降低節點整體能耗的目的。

2 基于CS理論的節點節能策略

2.1 壓縮感知理論簡介

假設x是稀疏信號或可稀疏信號，在某組正交基下Ψ∈RN×N展開可寫成矩陣形式：

通過將觀測矩陣 Θ(與 Ψ∈RN×N不相關)與信號 x進行內積，得到采樣值y即對x執行線性觀測：

可表示為：

壓縮感知理論的結論是：x稀疏度為K；且滿足M＞K·log(N),線性投影信號 y可通過求解 l0最小化問題重構信號 x。

2.2 基于CS理論的圖像壓縮方法

采用壓縮感知理論可以降低信號采樣率，進而減少處理數據量，降低處理能耗。基于壓縮感知理論的礦井圖像編碼流程如圖2所示。對礦井圖像m在傅里葉域進行隨機采樣，即測量矩陣Θ與原信號m相乘，然后對得到的測量信號y進行量化和哈夫曼編碼，最后得到壓縮后的信號p。重構是將p進行哈夫曼解碼、反量化，得到y′，將恢復的測量信號y′及恢復矩陣 A=Θ·Ψ，通過非線性共軛梯度重構算法得到重構信號。

3 仿真與分析

采用壓縮感知理論代替傳統的JPEG圖像壓縮方法，在相同的PSNR條件下，雖然降低了圖像處理的復雜度，但也同時增加了數據的傳輸量。記Em為處理器能耗和通信傳輸能耗的總和，即Em=Eact+ETx。采用256×256的煤礦井下圖像，通過Matlab仿真,結合上述的能耗模型來驗證相比于JPEG,壓縮感知理論是否可以降低整個節點的能耗。

(1)處理器能耗

JPEG中熵編碼過程占據了整個壓縮的大部分時間。基于CS理論的壓縮方式對變換后的系數進行了稀疏采樣，減少了熵編碼的源數據量，從而大大節省了壓縮時間，降低了處理器能耗。根據實驗選用的平臺，α=0.45，VDD=1.3 V,f=400 MHz。JPEG算法與 CS算法的處理器能耗及與PSNR之間關系的Matlab仿真結果如圖3所示。

(2)通信模塊能耗

多媒體節點的傳輸功耗與傳輸數據量有關，而圖像的壓縮比決定了傳輸的數據量。根據式(2)，選取圖像傳感器節點和路由節點的距離d=100 m進行仿真，結果如圖4所示。

基于CS理論的壓縮方式的效果略遜于JPEG。仿真結果也表明基于CS理論的壓縮方式在傳輸上花費的能耗要高于JPEG。但是由于WMSNs節點能耗分布的特殊性，傳輸能耗在整個節點中所占的比例遠不及WSNs節點中的數量。處理器能耗和通信傳輸能耗的總和，即Em與PSNR的關系如圖5所示。

從圖5中可以看出采用基于CS理論的壓縮方式可以實現WMSNs節點節能的效果。且恢復的圖像質量越好，則節能效果越明顯。PSNR=29時，在處理和傳輸上，基于CS理論的壓縮方式可降低能耗約50%。

本文結合圖像傳感器節點的能耗來源與分布特點，為降低圖像處理算法復雜度，提出一種基于CS理論的低復雜度的壓縮算法,實現了降低整個WMSNs節點能耗的目的，對于WMSNs在煤礦井下的推廣應用具有重要意義。

[1]涂曉軍,文金朝.基于LDMCIC的井下多媒體傳感器網絡圖像傳輸[J].煤礦安全，2010(8)：94-97.

[2]魯琴，杜列波，左震.無線多媒體傳感網節點能耗問題評述[J].傳感器與微系統，2008，27（12）:1-7.

[3]ROWE A,GOODE A,GOEL D,et al.CMUcam3:an open programmable embedded vision sensor[EB/OL].[2007-03].http://www.ri.cmu.edu/pub_files/pub4/rowe_anthony_2007_1/rowe_anthony_2007_1.pdf,2009.

[4]DONOHO D L,TSAIG Y.Extensions of compressed sensing[J].Signal Processing,2006,86(3):533-548.

[5]PINTO A,ZHANG Z,DONG X.et al.Energy consumption and latency analysis for wireless multimedia sensor Networks[C].IEEE Globecom 2010,2010:1-5.

[6]高妍.無線傳感器網絡節點能耗建模與仿真[D].哈爾濱：哈爾濱工業大學，2010.

[7]HEINZELMAN W B.Application-specific protocol architectures for wireless networks[D].Massachusetts Institute of Technology,2000.