改進的遺傳算法無線視頻傳感器網絡協作路由技術研究

馬榮飛

（浙江經濟職業學院 數字信息學院，浙江 杭州310018）

0 引 言

視頻傳感器網絡［1－2］的無線動態特性、能量等資源受限等問題，使得如何保證多樣性視頻數據流服務質量要求成為新的挑戰之一并取得了一系列研究成果［3－7］。文獻 ［3］研究一種適用于無線視頻傳感器網絡類的跨層體系和交互路由技術。文獻 ［4］針對無線視頻傳感器網絡的能量受限和實時性通信問題，建立了一種協作路由技術。文獻 ［5］考慮視頻編碼算法、封包長度均衡和能量的無線視頻傳感器網絡路由技術。文獻 ［6］綜述了無線視頻傳感器網絡提高能效的節點體系結構和相關協議。文獻 ［7］構建了適用于無線多媒體傳感器網絡的基于數據傳輸體系。

在已有成果的對于視頻傳感器網絡的能量預測及判斷，均未作進一步深入研究，同時無線信道調制模型和視頻傳感器節點感知距離對路由選擇影響［8］，于是本文基于三層交互和協同合作方式，提出了一種感知距離的遺傳預測模型，從而通過協同合作方式選擇最佳視頻傳輸路徑。本文所提的協作路由技術通過感知距離預測網絡整體能量，并結合無線信道質量以及視頻編碼算法，通過遺傳迭代后得到高可靠性和穩定性折的適用于無線視頻傳感器網絡的分布式協作路由。

1 視頻傳感器網絡遺傳算法

1.1 基于感知距離的遺傳算法

生物學的遺傳過程的優化算法和自然生態進化的選擇迭代表明，迭代周期內根據種群的不同需求優化迭代參數和相關因子。首先實測得到視頻傳感器節點的感知距離，及其實時單位數據包的能量消耗與當前節點剩余能量的比值，其次使用近似遺傳優化的迭代進化和轉置等操作，獲得下一輪新解即預測視頻傳感器節點能量狀態，如式（1）所示

式中：A——上一輪迭代過程，T記錄了下一輪迭代的優化限制條件，編號i記錄了第i次迭代階段消耗網絡資源。基于實時迭代優化參考值，與視頻傳感器網絡可用資源集合N對比，分析得到每個活動階段的迭代增益值Xi。如果i個階段迭代結束，則更新初始階段矩陣重新開始遺傳進化，并賦值Xi為1否則賦值為0。

總之，視頻傳感器節點基于感知距離的能量預測，可以在視頻傳感器網絡的系統資源和節點能量等約束條件下得到能量使用效率的最大化，其工作流程如下：

步驟1：實測得到N個數據并定位序列θFk且要求1≤k≤N，記錄當前視頻傳感器網絡的數據傳輸狀態及其參數因子初級遺傳種群。

步驟2：針對θFk，給出優化解。同時在每個進化階段中實施優化競爭，如果成功則θFk（i）賦值為1否則為0。

步驟3：根據視頻傳感器節點的感知距離建立預測能量管理函數如式（2）所示

步驟4：待解感知階段。對于待解序列θFk（i），在迭代最優階段進行存放的概率Pk如式（3）所示

步驟5：通過輪詢化迭代得到數組Pk，感知N個數據序列θFk并實施更新競爭選擇轉置進化迭代［9］。

步驟6：在視頻傳感器網絡中簇頭節點上重復執行步驟2至步驟4，然后分析獲得視頻數據發送節點到接收節點的感知距離作為新一輪迭代遺傳優化節點序列。

采用MATLAB工具進行了一系列實驗，對基于感知距離的遺傳優化算法與文獻 ［7－8］中的優化算法對比其預測收斂速度，結果如表1所示。

表1 遺傳優化算法比較結果

從表1發現，通過參考視頻傳感器節點的感知距離進一步優化遺傳算法，從而實現視頻傳感器網絡能量預測，與文獻 ［7－8］相比在局部最優和全局最優的收斂速度方面具有明顯優勢。

1.2 預測模型性能驗證

假設在視頻傳感器網絡中隨機部署10，20，30，40，50個傳感器節點。在一系列NS－2仿真實驗中，預設5個和10個視頻傳感器節點，并作為視頻數據發送節點，數據包封裝長度為1024字節，在源節點發送電影 “星球大戰IV”的一個片斷［9］作為實時流媒體數據源，其GOP結構為N＝12，M＝3，該視頻段文件播放時間為3600秒，共包括89998個視頻幀，總計為126，386，573字節，其它參數詳見表2。隨著網絡規模的變化，視頻發送節點與接收節點之間傳輸視頻數據的平均信噪比對比結果如圖1所示。發現隨著網絡規模的增加，視頻傳感器節點感知距離的變化遺傳迭代的視頻傳感器節點的預測能量趨于減小，表明視頻傳感器節點感知距離的模型因為輔助性中繼節點和視頻傳感器節點數的增加而提高預測精度。統計視頻傳感器網絡監測區域分簇內視頻傳感器節點和中繼節點間的路由廣播消息的干擾信號強度，無線信道質量變化難以滿足實時數據流在視頻傳感器網絡上傳輸的端到端服務質量保障需求。對于基于感知距離的遺傳迭代預測算法模型而言，充分利用視頻傳感器節點的感知距離同時考慮視頻編碼結構和解碼算法，提升預測能力顯著提高節點實時能量預測，與仿真實驗統計值相比具有明顯優勢。同時從圖1（a）與（b）對比，可以看出隨著視頻傳感器網絡中視頻數據流和網絡規模和多樣性應用業務規模的增加，預測誤差越來越大。這是因為基于距離感知的遺傳迭代優化預測模型中的N個視頻流監測序列θFk在實施更新時，特別是對上一階輪詢迭代解更新時因噪聲干擾信號的強度增大了，導致轉置篩選時參考的概率Pk發生明顯變化，不過最大的誤差仍低于0.0874，進一步表明該預測算法具有支持視頻傳感器網絡實時性的高要求應用業務保障的能力，可以在較短的時間內得到高精度的預測能量值。

2 跨層交互協同合作路由技術

假設在一個視頻傳感器網絡中用于采集并發送視頻數據流的視頻傳感器節點數為V，視頻數據流傳輸信道是基于Haar小波變換［10］。隨機部署N個節點。分簇內視頻傳感器節點間一跳通信距離記為d。視頻傳感器節點的感知距離為Ψj。對于采集到的視頻監測數據，采用多分辨率分析得到的尺度系數服從Rayleigh的分布如式（4）所示

式中：εk——一個與Xk相互獨立的、服從Rayleigh分布的隨機變量。

此外，對εk借助雙參數的Rayleigh分布，概率密度函數如下

圖1 網絡規模約束條件下預測性能分析

其中參數a，b極大似然預測值分別為

其中m＝E（X），v＝D（X）；ρ可以由式（8）通過最小二乘法估計得到

因此，基于距離感知的遺傳優化預測模型的跨層交互協同合作路由技術工作流程如下：

步驟1：多樣性視頻數據流發送節點實測［12］感知距離值并廣播無線消息。

步驟2：簇內若干相鄰節點監測到信道上的廣播信息后，首先反饋確認數據包然后建立相鄰分簇區域感知距離二維表，結合感知遺傳迭代優化預測算法實現能量感知分析，并實時向簇頭節點廣播能量預測表。

步驟3：簇頭視頻傳感器節點根據預測能量值與應用層、網絡層和物理層實現跨層交互分析，選出最佳視頻流傳輸路徑并反饋給視頻流發送節點。

步驟4：在中繼節點上執行步驟2和步驟3若干次，直至選出綜合考慮視頻數據流可用帶寬、傳輸平均時延和能量消耗等因素的最佳分布式路由。

3 性能分析與評價

基于2節中建立的跨層交互協同合作路由技術，在能效、路由開銷、平均時延、分組遞交率和可解碼幀率等方面，采用NS－2和MATLAB對比非協同路由技術與協作路由技術如圖2和圖3所示，實驗參數設置詳見表2。

圖2 網絡規模約束條件下服務質量對比

圖2分別從能效、平均時延、可用帶寬和可解碼幀率上對比了2種路由技術，其中圖2（a）縱坐標表示能效百分比值，圖2（b）縱坐標表示平均時延單位秒，圖2（c）縱坐標表示可解碼幀率百分比值。圖2橫坐標表示多媒體傳感器節點數變化。發現協同合作路由技術提高能效同時縮短了傳輸時延，增大了可解碼幀率。

圖3 網絡規模約束條件下路由性能對比

表2 參數設置

此外，視頻傳感器網絡多樣性視頻應用業務的路由開銷和分組遞交率方面性能對比如圖3所示，其中圖3（a）縱坐標表示路由開銷百分比值，圖3（b）縱坐標表示視頻封裝后的數據包成功遞交概率百分比值，圖3橫坐標表示視頻傳感器節點規模。明顯看出對跨層分布式協同合作路由技術的路由開銷效且數據包成功傳遞率最大。

圖2和3共同表明，基于感知距離的遺傳迭代優化預測算法的跨層協作路由技術可以充分考慮視頻傳感器網絡的綜合因素結合視頻編碼算法的特點選擇最佳的視頻流傳輸路由，非常適合于無線視頻傳感器網絡。

4 結束語

本文針對無線視頻傳感器網絡的生命周期和圖像失真等問題，采用遺傳優化算法模型預測視頻傳感器節點的感知距離和剩余能量結合無線信道質量和視頻編碼原理，提出了一種應用層、網絡層和物理層的三層交互的分布式協作路由技術。NS－2仿真和MATLAB數學分析表明，遺傳優化算法預測收斂速度快，可以很好地滿足視頻傳輸的實時性，并能夠有效地提高視頻數據傳輸可靠性和改善視頻播放質量。另一方面該跨層交互協作路由技術在提高無線視頻傳感器網絡的整體能效、視頻帶寬和信道鏈路質量等方面明顯優于傳統的路由技術，最大化了無線視頻傳感器網絡的壽命。

［1］Culler D，Estrin D，Srivastava M.Guest editors’introduction：Overview of sensor networks ［J］.Computer，2004，37（8）：41－49.

［2］Akyildiz I F，Melodia T，Chowdury K R.Wireless multimedia sensor networks：A survey ［J］.IEEE Wireless Communications 2007，14（6）：32－39.

［3］Holman R，Stanley J，OzkanHailer T.Applying video sensor networks to nearshore environment monitoring ［J］.IEEE Pervasive Computing 2003，2（4）：14－21.

［4］Fallahi A，Hossain E.A dynamic programming approach for qos－aware power management in wireless video sensor networks［J］.IEEE Transactions on Vehicular Technology，2009，58（2）：843－854.

［5］Yifeng H，LEE I，LING G.Distributed algorithms for network lifetime maximization in wireless visual sensor networks ［J］.IEEE Transactions on Circuits and Systems for Video Technology，2009，19（5）：704－718.

［6］ZHOU Fang，JIANG Jianguo，WANG Peizhen.Control simulation for video transmission over wireless sensor network ［J］.Journal of System Simulation，2010，22（2）：443－448.

［7］ZOU Shaojun.Wireless sensor network path optimization based on quantum genetic algorithm ［J］.Computer Measurement ＆Control，2010，18（3）：723－726.

［8］LIANG Ye.Resource interactive route optimization based on genetic algorithm ［J］.Computer－Engineering，2011，37（3）：158－160.

［9］Video traces research group ［EB/OL］.http：//trace.eas.asu.edu/index.html，2011.

［10］KoZt D，Essien K.Analysis of a campus－wide wireless network ［J］.Wireless Networks，2008，11（l）：115－133.