多媒体传感器网络中基于两跳簇结构的图像传输方案

与传统无线传感器网络节点能量绝大部分消耗在无线收发上不同,无线多媒体传感器网络中数据处理与传输能耗具有“均匀“分布的特点.通过分析表明,传统无线传感器网络簇结构下的数据传输策略并不适合于无线多媒体传感器网络.因此提出了一种基于两跳簇结构的图像传输方案,通过增加中继节点负责图像的压缩编码和转发,在减小相机节点图像传输能耗的同时,大大缓解了相机节点和簇头的图像处理能耗压力.仿真结果表明,该图像传输方案极大的延长了网络的生命周期,非常适合于能量有限的无线多媒体传感器网络.     

基于稀疏变换的图像压缩方法的研究

针对无线多媒体传感器网络中节点计算能力、存储空间和能量等资源受限问题,提出了联合稀疏变换的分布式压缩感知视频压缩方法。该方法对传感器采集到的图像序列先进行分布式视频编码,再利用联合稀疏变换对图像进行稀疏表示,其中联合稀疏变换方法结合了冗余字典和正交基稀疏变换的优点,比冗余字典稀疏表示得到的图像更稀疏,压缩效率更高。仿真结果表明,该方法有效减少了编码和传输的数据量,降低了图像压缩传输时间。     

无线多媒体传感器网络视频流区分服务多径Qos路由算法

无线多媒体传感器网络视频流传输需要提供多样性QoS保障,传统的无线传感器网络路由协议不能很好地保证多媒体视频流数据传输, 改进多径路由算法TPGF下一跳节点选择方法,提出一种适合视频流传输的区分服务多路径Qos路由算法DSMQRA。综合考虑各路径跳数与节点剩余能量情况,在源节点与汇聚节点间找到多条优化的节点不相交路径;采用区分服务机制,重点保护视频流关键帧,提高视频流传输质量。在NS2环境下与AODV、GPSR、TPGF等算法进行仿真对比分析,实验结果表明DSMQRA算法能够有效延长网络生存时间、降低丢包率、减小帧延时、图像峰值信噪比较高,更加适合无线多媒体传感器网络视频流数据传输。     

一种改进的无线多媒体传感器网络分布式图像压缩算法

针对无线多媒体传感器网络(WMSNs)中单个节点资源严重受限而难以直接处理和传输图像的问题,在分布式渐进图像压缩算法(DICA)的基础上,提出了一种改进的基于簇内分布式处理的图像压缩算法(ICDP),即在每个簇内通过能量优先选择原则选取辅助节点来协同完成JPEG2000图像压缩标准中的多级小波变换,从而实现图像的分布式处理和压缩。仿真结果表明,与DICA算法相比,ICDP算法能够在保证图像重建质量和压缩比相同的前提下,更好地平衡网络中各节点能耗,延长了网络的生命周期,更适合应用于资源受限、节点部署密集的WMSNs中。     

基于GOP取帧和跳数的自适应协作ARQ

为给多媒体数据传输提供有效QoS保障,提出一种适用于无线多媒体传感器网络数据传输的自适应协作ARQ机制。采用跨层设计的方法,分析ARQ机制协作传输跳数与能效的规律,根据节点间通信距离自适应选取最优协作传输跳数,结合数据帧跳数,自适应调整最大重传次数,根据快进快退码率基于帧间依赖关系进行GOP取帧。分析结果表明,该机制在丢包率和端到端平均时延方面与传统ARQ相比具有较优的性能,能有效提高无线多媒体传感器网络通信的可靠性和实时性。     

无线网络的差错控制策略及其性能分析

研究网络数据优化传输性能,针对无线传感器网络动态的信道特性、拓扑和带宽有限等特点,要保证输出性能和效率,对网络差错应选择严格控制策略.为了提高无线传感器网络通信的可靠性,提出一种适用于无线传感器网络多媒体数据传输的自适应差错控制策略.策略采用跨层设计的方法,根据链路层数据帧所属应用层视频帧的类型及其发送节点和下一跳接收节点之间的通信距离特性,自适应地选择当前最优的差错控制技术.数学分析表明,策略充分利用无线传感器网络的能量和带宽资源,有效地提高了数据通信的传输效率和可靠性.     

面向无线视频传感器网络的目标检测与视频重构方法研究

考虑到无线视频传感器网络中节点资源及能源受限等情况,针对视频监控固定视场中存在的大量冗余信息,提出了一种面向无线视频传感器网络的目标检测与视频重构方法来有效去除冗余.首先传输JPEG2000压缩的背景图像,继续采集视频图像,对其进行目标检测,将检测到的目标图像进行JPEG2000压缩,然后仅传输目标图像压缩码流及其空间...     

无线传感器网络中的节能路由算法研究

对无线传感器网络的节点能耗不均衡和传输时延的问题进行了研究,提出一种新的路由算法。该算法通过建立最小跳数和对节点剩余能量的保护,使得数据包沿着能耗最优的路径向Sink节点发送。在MATLAB环境下对该机制进行了仿真实验。实验结果表明,该算法能降低能耗,均衡和延长网络生存时间。     

基于Sun SPOT平台的无线传感器网络多跳路由协议设计

多跳路由协议是无线传感器网络中的关键技术之一,针对传统多跳传输协议在无线传感器网络的实际应用中存在部署过程过于复杂等问题,设计了一种灵活实用的基于Sink节点控制的无线传感器网络多跳传输协议(Sink Controlling Multi-hop Protocol,SCMP)。Sink节点通过发送命令信息实现对传感器节点的控制,并收集各个节点的路由信息从而获得全局路由,然后对传感器节点的数据传输进行进一步控制。在Sun SPOT平台上对SCMP进行了部署实验,结果表明,基于Sink节点控制的多跳传输协议更加方便灵活,在实际的无线传感器网络应用中具有一定的有效性和可行性。     

无线多媒体传感器网络中相机节点的设计与实现

相机节点是组建无线多媒体传感器网络(WMSNs)的核心部分。提出了一种基于TMS320C6204的低功耗、低成本、中等图像传输质量的WMSNs相机节点设计方案,完成了相应的硬件电路设计,介绍了其工作原理、系统流程,详细说明了DSP与图像传感器、DSP与无线收发模块之间的接口方法,并基于波特率、图像压缩进行了定量分析。     

无线体域网节点数据压缩节能方法

无线体域网(WBAN)节点通常采用电池供电,能量有限且不易频繁更换.为降低节点能耗,提出了一种数据压缩节能方法,采用稀疏表示分类算法识别正常信号,运用压缩感知(CS)理论进行信号压缩采样,将压缩信号发送至基站并进行重构.对WBAN节点采集的心电图信号进行仿真分析,结果表明:心电图信号经压缩后,具有较好的识别与重构性能,在确保数据传输精度前提下,减少了数据采集量和传输量,有效地降低了WBAN节点能耗.     

WMSN中的分布式视频编码GOP大小控制方法

针对分布式视频编码（DVC）序列在无线多媒体传感器网络（WMSN）中传输可靠性较低的问题,提出了一种考虑节点能耗的图像组（GOP）大小控制方法。该方法分析了DVC编码框架及节点的能量消耗情况,定义了节点的可用度和帧的活动度,并对分布式视频编码序列在编码和传输过程的能耗进行了计算。在此基础上,综合考虑帧的活动度与节点能耗,实现了对分布式视频编码GOP大小的有效控制。仿真实验结果表明,与现有的GOP大小控制方法相比,该方法提高了无线多媒体传感器网络中的DVC序列的峰值信噪比,降低了节点的平均能耗,其传输可靠性也得到了显著改善。     

面向多媒体传感器网络的视频压缩新算法

视频压缩可以降低多媒体传感器网络中的数据信息量。传统分布式视频编码方案采用区域统一编码,可能导致运动剧烈区域解码估计的失真。提出一种改进的分布式视频编码算法。该算法基于图像梯度场,针对Wyner-Ziv帧不能准确编解码的区域,通过ROI判定准则提取该区域并基于熵编码压缩,图像其他区域则基于LDPC实现分布式编解码,进而实现视频的优化传输。仿真实验表明：本文算法可增强运动剧烈区域的编码效率,在降低码率的同时提高解码图像质量,最终降低传感器节点能耗。     

基于蚁群优化解决传感器网络中的能量洞问题

基于多跳的无线传感器网络,越靠近sink的传感器节点因需要转发更多的数据,其能量消耗就越快,从而在sink周围形成了一种称为“能量洞”的现象.“能量洞”问题会导致整个网络由于内部节点能量过早耗尽而结束寿命,同时,网络中离sink较远的节点仍有大量能量剩余.研究“能量洞”现象,基于改进的分级环模型,总结出调节各环内节点的数据传输距离是实现网络节能的有效方法.证明搜索各区域最优的传输距离是一个多目标优化问题,即是NP难问题.从而提出一种基于蚁群优化的分布式算法,各区域根据其节点分布情况自适应地探索近似最优的传输距离,延长网络寿命.模拟实验结果表明,该算法在较短的时间内能够收敛到合理的解,并且得到的网络寿命接近于理想情况下的最优时间,与现有的类似算法相比,该算法提供了更长的网络寿命,并能适用于非均匀节点分布情况.     

Progressive Transfer Learning-based Deep Q Network for DDOS Defence in WSN

In The Wireless Multimedia Sensor Network (WNSMs) have achieved popularity among diverse communities as a result of technological breakthroughs in sensor and current gadgets. By utilising portable technologies, it achieves solid and significant results in wireless communication, media transfer, and digital transmission. Sensor nodes have been used in agriculture and industry to detect characteristics such as temperature, moisture content, and other environmental conditions in recent decades. WNSMs have also made apps easier to use by giving devices self-governing access to send and process data connected with appropriate audio and video information. Many video sensor network studies focus on lowering power consumption and increasing transmission capacity, but the main demand is data reliability. Because of the obstacles in the sensor nodes, WMSN is subjected to a variety of attacks, including Denial of Service (DoS) attacks. Deep Convolutional Neural Network is designed with the state-action relationship mapping which is used to identify the DDOS Attackers present in the Wireless Sensor Networks for Smart Agriculture. The Proposed work it performs the data collection about the traffic conditions and identifies the deviation between the network conditions such as packet loss due to network congestion and the presence of attackers in the network. It reduces the attacker detection delay and improves the detection accuracy. In order to protect the network against DoS assaults, an improved machine learning technique must be offered. An efficient Deep Neural Network approach is provided for detecting DoS in WMSN. The required parameters are selected using an adaptive particle swarm optimization technique. The ratio of packet transmission, energy consumption, latency, network length, and throughput will be used to evaluate the approach’s efficiency.     

Variable-length image compression based on controllable learning network

While neural-network-based lossy image compression methods have shown impressive performance, most of them output a fixed-length coding using a trained-specific network. However, it is essential to support the variable-length compression or meet a target rate with a high-coding performance in practice. This paper steps forward the neural-network-based image compression method, making it possible for a single network model to generate variable compression rates. Our network model combines an auto-encoder (AE) and a generative adversarial network (GAN) for generative compression. We introduce a noise interference mechanism to train the feature representation produced by the encoder, making the feature nodes training controllable and distributed from top to bottom according to their importance in feature expression. Based on this importance distribution, the latent nodes are quantized into bits and the variable-length compression can be achieved by discarding bits of those less-important feature nodes to meet the compression target. We propose several noise interference methods, and the experiments confirm the feasibility of method Random-add and Dropout in controllable learning. Further experiments illustrate that our compression method can not only achieve variable-length compression but also can recover high-quality compressed images at extremely low bit rates, outperforming that with a fixed rate.

     

基于异构节点的全视角强栅栏覆盖的研究*

覆盖问题始终是无线多媒体传感器网络（WMSN）中研究的重要领域。为了实现对被监测区域的全方位覆盖,以及能够捕捉到进入该区域目标的有效信息,同时尽可能延长网络寿命,提出了一种基于异构节点的全视角强栅栏覆盖模型,借助红外线传感器辅助相机传感器节点完成对一个指定区域的监测。在研究过程中,受到了分治策略的启发,将目标区域分为若干正三角形网格,采用唤醒机制有效节约网络能量。仿真实验表明：该模型能够通过消耗较少的能量,实现对一个区域的覆盖监测,延长了网络寿命。     

多稀疏基分簇压缩感知的WSN数据融合方法

针对传感器节点采集数据精度与能量消耗的矛盾,提出多稀疏基分簇压缩感知的无线传感器网络WSN（Wireless Sensor Network）数据融合方法。该方法利用改进的阈值对随机部署的传感器节点进行簇首选择继而形成最优簇,簇首采用伯努利随机观测矩阵对簇内节点信号进行线性压缩投影,然后将压缩的信息传送给汇聚节点,减少数据传输即降低通信能耗,从而提高网络的生命周期。根据传感器节点监测信号在有限差分和小波中都具有可压缩特性,汇聚节点在有限差分和小波两个稀疏基的约束下,利用OOMP算法分别对线形压缩投影信息进行重构;并采用最小二乘法融合重构信号,提高数据精度。仿真实验结果表明,多稀疏基分簇压缩感知的WSN数据融合方法在减少数据发送的情况下,能提高整个网络的生命周期,解决采集数据精度与网络生命周期的矛盾。     

面向无线多媒体传感器网络的JPEG 2000图像编码算法

在资源受限的无线多媒体传感器网络(WMSNs)中进行图像编码和传输需要综合考虑能量消耗、压缩率和图像质量三者之间平衡的图像编码方案。对基于离散小波变换的图像编码算法的能耗进行建模分析,提出了一种适用于WMSNs的能量有效的JPEG 2000图像编码算法,根据网络条件和图像质量的限制,使用查找表来选择适当的量子化层级和小波变换层级以减少能量消耗。并采用半可靠的方案进行图像传输,节点根据剩余能量和数据优先级来决定转发或丢弃。仿真实验结果表明:所提出的方法能够在保证所要求图像质量的情况下,有效地降低无线传感器节点的计算和通信能耗。     

Communication-resource-aware adaptive watermarking for multimedia authentication in wireless multimedia sensor networks

Efficient multimedia and specifically image authentication is critical and in demand to protect data vulnerability in wireless multimedia sensor networks (WMSN). This is to prevent malicious intruders from modifying and forging image contents over a network. Watermarking technique has been widely used to assert an image data authentication over wired networks; however, resource constraints (e.g. processing power, communication energy) in small sensors and the state of error-prone wireless channels result in fundamental challenges for developing efficient watermarking schemes in WMSN. These challenges include how to embed/protect/extract watermark efficiently and robustly in low-cost sensors and how to transmit authenticated image and multimedia with high energy efficiency. In this paper, we propose a communication-resource-aware and adaptive watermarking scheme for multimedia authentication in WMSN. Our contribution is two folds. First, the transmission quality for the watermark as well as watermarked multimedia authenticity by embedding watermark with adaptive coding redundancies, and by unequally allocating network resources to protect the image and multimedia packets with the watermark information. Second, communication energy efficiency and real time performance are achieved with the watermark being adaptive to the network condition and the processing delay reduced due to the exploited inter-frame correlation. The simulation and experimental results demonstrate that the proposed adaptive watermarking system can achieve considerable gains in terms of energy saving, image transmission quality and multimedia authentication performance.