孟慶玉

摘要：研究多媒體傳感器網(wǎng)絡的最大集作業(yè)傳輸模型，在提高多媒體傳感器網(wǎng)絡的數(shù)據(jù)并行處理和任務調度方面具有重要意義。提出基于數(shù)據(jù)動態(tài)融合和網(wǎng)絡信道均衡調度的多媒體傳感器網(wǎng)絡最大集作業(yè)調度算法，構建多媒體傳感器網(wǎng)絡的作業(yè)傳輸網(wǎng)絡模型，對數(shù)據(jù)進行動態(tài)融合。采用網(wǎng)絡信道均衡調度方法實現(xiàn)多媒體傳感器網(wǎng)絡的最大集作業(yè)傳輸調度。仿真結果表明，該方法能最大限度地提高多媒體傳感器網(wǎng)絡的數(shù)據(jù)傳輸和任務調度能力，吞吐性能與通信保真性好，性能優(yōu)越。

關鍵詞：多媒體傳感器網(wǎng)絡；信道；數(shù)據(jù)傳輸；作業(yè)調度

DOIDOI：10.11907/rjdk.161042

中圖分類號：TP302

文獻標識碼：A 文章編號：1672-7800（2016）005-0024-03

0 引言

隨著多媒體信息處理和網(wǎng)絡技術的并行發(fā)展，采用多媒體傳感器網(wǎng)絡進行實時多媒體視頻信息采集，并實現(xiàn)遠程多媒體信息傳輸和網(wǎng)絡調度，將在交通監(jiān)控、圖像識別等領域具有較高的應用價值[1-3]。將圖像和聲音等多媒體信息傳感器分布在各個監(jiān)測區(qū)域，并進行多媒體信息傳輸和多媒體信息處理，可實現(xiàn)多媒體信息調度和圖像信息處理等目的，為實現(xiàn)目標探測和區(qū)域監(jiān)測提供準確的信息輸入[4，5]。因此，傳輸作業(yè)的優(yōu)化調度，在實現(xiàn)多媒體傳感器網(wǎng)絡的網(wǎng)絡通信和數(shù)據(jù)信息調度中具有重要作用，相關模型和算法研究將在多媒體信息的遠程探測、模式識別和安全監(jiān)測、交通控制等領域具有重要意義[6]。

文獻[7]提出基于小波變換ARMA模型的多媒體傳感器網(wǎng)絡最大集作業(yè)傳輸模型，采用分組交換小波分解方法，提高對多媒體傳感器網(wǎng)絡的最大集作業(yè)傳輸序列的預測性能。但該方法在置信度區(qū)間內(nèi)需要對風險指數(shù)進行特征重構，在數(shù)據(jù)維數(shù)較高的情況下作業(yè)調度的計算開銷較大，處理性能不好；文獻[8]提出基于超線性變尺度搜索的多媒體傳感器網(wǎng)絡最大集作業(yè)傳輸模型，采用非線性時間序列分析，結合時頻特征提取，對傳輸任務和多媒體通信信息數(shù)據(jù)進行線性搜索，提高評估性能。但該方法在先驗知識不足的情況下，對多媒體傳感器網(wǎng)絡的最大集作業(yè)傳輸和任務調度的收斂性不好，精度不高。

針對上述問題，提出基于數(shù)據(jù)動態(tài)融合和網(wǎng)絡信道均衡調度的多媒體傳感器網(wǎng)絡最大集作業(yè)調度算法。仿真實驗結果表明，改進的方法可提高多媒體傳感器網(wǎng)絡的作業(yè)調度性能，改善信道通信性能。

1 多媒體傳感器網(wǎng)絡模型與動態(tài)數(shù)據(jù)融合

1.1 基本定義與多媒體傳感器網(wǎng)絡通信模型

本文采用決策樹方法對多媒體傳感器網(wǎng)絡的最大集作業(yè)傳輸指數(shù)特征進行主特征建模，以提高調度性能，降低數(shù)據(jù)傳輸?shù)氖д婧托诺罁p失。

3 仿真實驗與結果分析

為了測試本文算法在提高多媒體傳感器網(wǎng)絡的通信和數(shù)據(jù)傳輸方面的優(yōu)越性能，進行仿真實驗。實驗的硬件測試環(huán)境為：CPU 2.5 GHZ，內(nèi)存2GB， Windows XP操作系統(tǒng)，以及Ubun4GBtu編程軟件。多媒體傳感器網(wǎng)絡分布式組合開發(fā)工具為Microsoft ActiveSync：Microsoft ActiveSync，最大時間采樣TB=1.5 Tp，采樣間隔ΔT=0.5Tp，數(shù)據(jù)采樣的最小中心頻率Tp=0.2s，訓練集的中心頻率 f1=150Hz，歸一化后的信號頻率f2=250Hz，σw2=1，多媒體作業(yè)任務傳輸探測信息的采樣頻率為1 024Hz，采用均勻分布的方式分布在500m×500m的監(jiān)測區(qū)域中。基于上述仿真環(huán)境和參數(shù)設定，得到本文設計的多媒體傳感器網(wǎng)絡節(jié)點分布模型，如圖2所示。

以此為基礎，進行多媒體傳感器網(wǎng)絡的最大集作業(yè)傳輸調度，輸出結果如圖3所示。由圖3可見，采用該方法進行多媒體傳感器網(wǎng)絡的作業(yè)調度和數(shù)據(jù)傳輸，能最大限度地提高多媒體傳感器網(wǎng)絡的數(shù)據(jù)傳輸和任務調度能力，數(shù)據(jù)吞吐性能與多媒體傳感器網(wǎng)絡通信的保真性較好。

4 結語

針對傳統(tǒng)方法存在數(shù)據(jù)傳輸效果差、任務調度不準確的問題，提出基于數(shù)據(jù)動態(tài)融合和網(wǎng)絡信道均衡調度的多媒體傳感器網(wǎng)絡最大集作業(yè)調度算法，構建多媒體傳感器網(wǎng)絡的作業(yè)傳輸網(wǎng)絡模型，進行多媒體作業(yè)調度數(shù)據(jù)的動態(tài)融合處理，以實現(xiàn)多媒體傳感器網(wǎng)絡的最大集作業(yè)傳輸調度。仿真結果表明，該方法能最大限度地提高多媒體傳感器網(wǎng)絡的數(shù)據(jù)傳輸和任務調度能力，吞吐性能較好，通信保真性好，性能優(yōu)越。

參考文獻：

[1]ZHANG S Y， XUE X C， SHI J X. Image compression based on contourlet and no lists SPIHT[C].IEEE International Conference on Computer， Mechatronics， Control and Electronic Engineering. Piscataway， NJ， USA： IEEE， 2010： 211-214.

[2]FAN Y H， WANG G， LIANG X. A static image coding algorithm based on contourlet classified hidden markov tree model[J].Engineering Computations： International Journal for Computer-Aided Engineering and Software， 2011， 28（2）： 172-183.

[3]PHAM T D. Geostatistical entropy for texture analysis： An indicator kriging approach[J]. International Journal of Intelligent Systems，Special Issue：Advances in Intelligent Systems， 2014， 29（3）： 253-265.

[4]祝超群，楊彬，魯春燕，等.隨機事件驅動通信的網(wǎng)絡化系統(tǒng)最優(yōu)估計與狀態(tài)反饋控制[J]. 信息與控制， 2015，44（6）：654-659，666.

[5]LU K， LIU G， MAO R， et al. Relay node placement based on balancing power consumption in wireless sensor networks[J].Wireless Sensor Systems IET， 2011， 1（1）：1-6.

[6]MISRA S， SEUNG DON HONG，XUE GUOLIANG， et al. Constrained relay node placement in wireless sensor networks to meet connectivity and survivability requirements[C].INFOCOM 2008. The 27th Conference on Computer Communications. IEEE，2008：281-285.

[7]MISRA S， SEUNG DON HONG， XUE GUOLIANG， et.al. Constrained relay node placement in wireless sensor networks：formulation and approximations[J]. IEEE/ACM Transactions on Networking，2010，18（2）：434-447.

[8]MISRA S， MAJD NE， HUANG HONG.Constrained relay node placement in energy harvesting wireless sensor networks [C].2011 IEEE 8th International Conference on Mobile Adhoc and Sensor Systems （MASS），2011：25-34.

（責任編輯：黃 ?。?/p>