无线传感器网络中基于Schur算法的图像传输联合检测方法

摘要

本发明公开了一种无线传感器网络中基于Schur算法的图像传输联合检测方法，利用标准的JPEG2000编码器将节点数据采集传感器节点对外发送的原始图像压缩形成几个压缩层，在压缩数据流的LSL(Least Significant Layer)最小意义层采用嵌入数据技术嵌入错误保护编码，实现联合编码，埋入错误保护编码数据后，LSL层字节数保持与原数据结构的字节数相同，保持数据比特流长度不变；联合编码的数据经过调制发射，经无线信道传输，到达接收端数据收集点SINK；到达接收端数据收集点SINK的信号经接收端解调后，进行“基于Schur算法的快速联合接收检测”，进行干扰和噪声消除及错误恢复，然后可继续发往移动或其它网络，或进行JPEG2000解码显示。本发明可以有效减少无线传感器网络中各传感器传输图像信息时的能量损耗，并能提高图像传输的质量。

说明书

技术领域

本发明属于一种图像无线传输技术领域，具体是一种无线传感器网络中基于Schur算法的图像传输联合检测方法。

背景技术

随着无线通信技术的迅猛发展，通过无线网络提供实时的高品质图像等多媒体服务的需求变得日益强烈。无线传感器网络(WSN：Wireless SensorNetwork)是目前国内外学者研究无线通信网络的前沿热点之一，也是未来信息领域的主流技术，在军事、工农业控制、生物医疗、环境监测等诸多领域有着广阔的应用前景。目前，无线传感器网络研究的一个重要方面是在能量严重受限的微型节点上如何实现简单的环境数据(如温度、湿度、光强等)采集、传输与处理。然而，随着监测环境的日趋复杂多变，由这些传统传感器网络所获取的简单数据愈加不能满足人们对监测等的全面需求，迫切需要将信息量丰富的图像、视频等多媒体引入到以传感器网络为基础的各种应用中，实现更精准信息的监测，特别是实现不可及场所的信号监测。在一些传统电缆很难延伸到的偏僻区域，有线监控更是无能为力。如工厂车间的加工过程和库存的跟踪；医疗领域的诊断成像、药物投放和患者监视；建筑自动化中安全系统的监视；煤矿井下人员的无线定位和实时监控，利用无线传感器技术可实现安全监测和预警的技术突破。

由于无线传感器网络的能量、处理能力等的限制，在无线传感器网络上要进行有效的图像等多媒体通信仍然存在许多挑战。能量有效性或能量效率是决定一个无线传感器网络生命长短的最重要因素，因为传感器网络中节点肩负信息采集与路由双重任务，传感器节点往往是依靠电池供能，电池容量有限，由于传感器节点一般在恶劣、复杂环境中工作，在应用中难以更换和补充能量，使无线传感器网络每个传感器节点的资源和能力都非常有限。基于无线传感器网络的图像通信系统的能量主要是消耗在传输和处理过程，传输能量消耗主要由发射机功率决定。处理能量消耗主要由源编码、信道编码及基带处理决定。因此，研究有效的联合检测方法以提高传输效率和质量、减少能量开销，在无线传感网络的实际应用中具有重要意义。

目前的图像、视频压缩标准如JPEG、MPEG-2/4、H.264等获得广泛地应用，但它们是为传输误码相对较小、带宽富余的有线信道而设计的，其中JPEG、MPEG2标准在制定的时候并没有考虑无线传输问题，MPEG4和H.264虽然考虑了无线传输的问题，但是它们均采用帧间编码技术，其单帧传输错误严重影响其相邻帧的图像质量，从而降低了整个系统的抗误码特性。而在无线通信环境下带宽受限，且由于无线电波传播特性复杂、信道时变性、噪声及干扰等影响，存在突发性误码，信道的误码率较高。当被压缩的数据通过无线信道传输时，很小的误码就会给解压恢复的图像带来较大的影响，误码扩散较为严重。最新的图像压缩标准JPEG2000的核心系统中考虑了突发的信道传输错误，但它仅检测错误，使解码器再同步，而不能纠错，只适合某些误码率较小的无线环境。

在信号传输、逆耗散问题、循环滤波算法等问题中，Schur算法是一种重要且有效的方法，它最早由德国数学家I.Schur于1917年在函数论求方根问题中的数值计算问题时提出，并首先出现在离散传输线的逆耗散问题的求解和信号流量的图形表示中。近二十多年来，Schur算法被广大工程师、数学家和物理学家等进行了多种形式的推广和广泛应用于实际问题的有效计算中，如Levinsion算法及其推广，对具有特殊结构的矩阵求逆可明显加快矩阵三角分解的速度；结合状态空间的概念的推广，可用于叠加数据滤波系数的求解和矩阵补问题的新算法；应用一些嵌入关系的推广，可用于耗散级联网络系统的信号传输问题的求解，并立即导致许多有理插值问题新的循环解；又如在生成函数和Schur补方面的推广，广泛应用于数学和一些应用科学领域。由美国学者T.Kalaith等提出的位移方法在一些具有特殊结构的矩阵快速计算方面具有先进性，速度快且计算量大幅度降低，被众多学者采用。Schur算法曾被应用于TD-CDMA移动通信系统的均衡和多用户检测的联合处理中。但应用于无线传感器网络的信号接收处理中目前还未见报道。

发明内容

本发明根据实际需求，针对不可及场所的信号监测及图像监测问题，结合无线传感器网络通信的实际特点，采用JPEG2000标准的无线部分JPWL为基本压缩处理技术，在传感器网络的数据收集点接收端，结合无线信道物理层的特性，基于JPWL的结构进行数据结构内部定义扩展，采用干扰消除技术进行错误和干扰的联合检测。接收信号以矩阵形式表达，用简化改进的Schur算法进行快速处理，提出一种无线传感器中基于Schur算法的图像传输联合检测方法，以实现高效率、可靠的图像传输。

本发明的技术方案如下：

无线传感器网络中基于Schur算法的图像传输联合检测方法，其特征在于利用标准的JPEG2000编码器将节点数据采集传感器节点对外发送的原始图像压缩形成几个压缩层，在压缩数据流的LSL(Least Significant Layer)最小意义层采用嵌入数据技术嵌入错误保护编码，实现联合编码，埋入错误保护编码数据后，LSL层字节数保持与原数据结构的字节数相同，保持数据比特流长度不变；联合编码的数据经过调制发射，经无线信道传输，到达接收端数据收集点SINK；到达接收端数据收集点SINK的信号经接收端解调后，进行“基于Schur算法的快速联合接收检测”，进行干扰和噪声消除及错误恢复，然后可继续发往移动或其它网络，或进行JPEG2000解码显示；“基于Schur算法的快速联合接收检测”具体实现方法如下：

假设发送端有N个数据采集传感器节点，各节点的发送信号经压缩后可表示为b₁，b₂…b_N，用矢量矩阵形式写成b_N×1＝(b₁，b₂…b_N)^T，经载波调制发射，相当于经向量对角化处理为N×N维对角阵diag(b₁，b₂…b_N)，再与载波信号C_N×N相乘，得到发送端输出信号矩阵形式表示为A_N×1＝[a₁a₂ … a_N]^T；

到达接收端数据收集点SINK的接收信号用矩阵可表示为D_N×1＝[d₁ d₂ …d_N ]^T＝A_N×1+n_N×1，其中n_N×1为高斯白噪声矢量；在异步情况下，即考虑每一个节点信号传输的时延，则只需要将上式中的接收到的信号中矩阵A_N×1的各元素在求和前根据不同的时延进行移位即可；

接收端解调后的输出信号表示为：

Y_N×1＝C_N×ND_N×1＝C_N×NA_N×1+C_N×Nn_N×1

＝C_N×NA_N×1+Z_N×1

其中，C_N×N为与调制有关的相干解调的信号，Z_N×1＝C_N×Nn_N×1

用解相关的方法消除多用户干扰及码间干扰，经接收端载波解调后的输出信号可表示成：Y_N×1＝R_N×NW_N×Nb_N×1+Z_N×1，其中R_N×N为信号传输信道的相关矩阵，W_N×N传输信号的功率阵，不妨假设W_N×N为归一化的对角单位阵，则有：Y_N×1＝R_N×Nb_N×1+Z_N×1，所以$b_{N\times 1}=R_{N\times N}^{-1}(Y_{N\times 1}-Z_{N\times 1}),$R_N×N^-1为R_N×N的逆矩阵；

因为直接求R_N×N的逆复杂度较高，且R_N×N不一定可逆，为求得上式中的b_N×1，需将R_N×N矩阵进行分解：R_N×N＝U_N×NT_N×N，U是一个列正交的N×N的矩阵，T是一个N×N的复杂上三角矩阵，则Y_N×1＝U_N×NT_N×Nb_N×1+Z_N×1，可以把上式变形得到$\tilde{Y}=U^{H}Y=\mathrm{Tb}+\eta ,$这里η＝^UHZ，U^H为U的广义逆，Z即Z_N×1。这样从式$\tilde{Y}=\mathrm{Tb}+\eta$求解b_N×1就可避免R_N×N不可逆时的不可解并减少复杂度；

为加快矩阵求解速度，用Schur算法进行矩阵R＝UT的分解处理，Schur算法可以高效地找到系统矩阵表示中的三角因子，从而快速进行矩阵的求逆运算，也可以近似进行矩阵分块，在计算出足够的块行之后就可得出具有足够近似度的求解结果，获得检测结果，即发射信号b_N×1在接收端的还原结果，因它们不可能完全相同故区别表示；

获得检测结果后，用与发送端的数据嵌入方法所对应的提取方法提取接收端码流中的编码，然后进行错误保护解码，接收端已知发送端的数据嵌入方法，就可正确进行数据提取和截断，错误修复后，数据结构中的最底层被丢弃。

在利用无线传感器网络进行图像传输的情况下，由于数据采集传感器节点能量受限，处理能力受限，要求低功耗，而它们的数据融合中心数据收集点(SINK)能量约束较少，能量相对不受限制。因此本发明在无线传感器网络的数据采集节点端仅用JPWL基本结构进行压缩处理，而在能量相对不受限的传感器网络的接收端数据收集点(SINK)进行联合检测。对数据采集传感器节点采取按需发送的方式，当数据收集点SINK需要收集图像，它发送命令给数据采集传感器节点。当数据采集传感器节点接收到发送命令或请求时，数据采集传感器节点就知道该何时往何处发送，监测到同一目标的数据采集传感器节点就会发送图像给SINK。这样，避免了不必要的传输能量损耗，实现高效率、可靠的图像传输。

附图说明

图1本发明的系统结构模型。

图2为JPEG2000比特流分层结构。

具体实施方式

无线传感器网络中基于Schur算法的图像传输联合检测方法，在发射端，数据采集图像传感器节点采集的图像信号首先被压缩形成JPEG2000编码，即利用标准的JPEG2000编码器将原始图像压缩形成几个压缩层，其结构如图2所示。

为实现接收端的联合错误检测，定义一个扩展的数据结构，即在图2中压缩数据流的LSL(Least Significant Layer)层采用嵌入数据技术嵌入错误保护编码，实现联合编码。埋入数据后，字节数保持与原数据结构的字节数相同，保持数据比特流长度不变。保留与JPEG2000第1部分标准定义相同的结构框架，这样即使在接收端不采用联合检测，也能用常规JPEG2000进行解码还原。

联合编码的数据经过调制发射，经无线信道传输，到达接收端数据收集点SINK。为使传感器网络的接收端数据收集点SINK较高质量地获得采集节点的数据，本发明提出一种基于Schur算法的快速联合接收检测方法。

到达接收端传感器收集点的信号经接收端解调后，进行“基于Schur算法的快速联合接收检测”，进行干扰和噪声消除及错误恢复，然后可继续发往移动或其它网络，或进行JPEG2000解码显示。

“基于Schur算法的快速联合接收检测”具体实现如下：

假设发送端有N个发射传感器节点，各发送信号经压缩后的信号可用矢量形式写成b_N×1＝(b₁，b₂…b_N)^T，经调制后，经向量对角化处理为N×N维对角阵diag(b₁，b₂…b_N)，再与调制信号C_N×N相乘，得到发送端输出信号表示为A_N×1＝[a₁a₂…a_N]^T。

到达传感器数据收集点的接收信号用矩阵可表示为接收到的信号可表示为D_N×1＝[d₁d₂…d_N]^T＝A_N×1+n_N×1，其中n_N×1为高斯白噪声矢量。在异步情况下，即考虑每一个节点信号传输的时延，则只需要将上式中的接收到的信号中矩阵A_N×1的各元素在求和前已根据不同的时延进行移位即可。

经接收端解调后的输出信号表示为：

Y＝C_N×ND_N×1＝C_N×NA_N×1+C_N×Nn_N×1

＝C_N×NA_N×1+Z_N×1

其中，C_N×N为与调制有关的相干解调的信号，Z_N×1＝C_N×Nn_N×1

我们用解相关的方法消除多用户干扰及码间干扰。经接收端解调后的输出信号可表示成：Y＝RWb+Z，其中R为信号的信道相关矩阵。W信号功率阵。不妨假设W为归一化信号功率对角单位阵，则有：Y＝Rb+Z

我们将R矩阵进行分解，R＝UT，U是一个列正交的N×N的矩阵，T是一个N×N的复杂上三角矩阵。可以把接收的信号变形得到$\tilde{Y}=U^{H}Y=\mathrm{Tb}+\eta ,$这里η＝U^HZ。然后根据系数矩阵的上三角特性，可以从下到上逐次解出各个发送信号的分量。

为加快矩阵求解速度，我们用Schur算法进行矩阵R＝UT的分解处理。Schur算法可以高效地找到系统矩阵表示中的三角因子，从而快速进行矩阵的求逆运算，也可以近似进行矩阵分块，在计算出足够的块行之后就可得出具有足够近似度的求解结果。获得检测结果

获得检测结果后，我们用同样的数据嵌入技术提取码流中的编码，然后进行错误保护解码。接收端已知发送端的数据嵌入方法，就可正确进行数据提取和截断，错误修复后，数据结构中的最底层被丢弃。

即使接收端不知道发送端的数据嵌入方法，因为数据流的头信息及结构长度保持不变，数据比特流也与JPEG2000标准兼容，仍可用常规的JPEG2000进行解码，这时嵌入的数据被当成噪声处理，由于JPEG2000采用小波压缩，在数据结构的最底层包含非常少的信息，被当成噪声的数据对重建图像在视觉上几乎察觉不到，因此也不会影响图像的质量。