基于CS水文无线传感器网络视频数据获取方法研究

王慧

摘要：近年来水文视频监控成为探测水文信息的一种主要传感形式，但采集的大量视频图像数据成为无线传输的难题。本文根据水文视频图像的特点，提出利用压缩传感进行视频图像的采集和传输。首先进行单路压缩传感的研究，在视频采集端将视频帧分块处理，利用自适应压缩采样方法，大大地减少了测量数据，提高了采样效率。在进行宽带传输时，提出了无线网络的压缩传感频谱感知方法，提高了正确检测频谱的概率、降低噪声和采样点随机性的影响、避免了隐藏终端问题。通过具体实验表明，传统采样数据量远远大于利用单路压缩传感获得的数据量，采样效率提高的同时，重构图像的效果更好。

关键词：压缩传感；无线传感器网络；水文无线视频监控；频谱分配

中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2015）29-0198-02

1 概述

技术人员通常通过人工观测或者常规技术手段，获得水文信息观测数据，但是如果遇到极端条件或者技术员无法前往的地域，尤其是突发自然灾害区域，相比通常的手段，利用无线网络，则能够实现实时监测。

当前关于无线监控网络的具体研究，前端监控点依旧是采用传统的信号采样压缩方法。利用奈奎斯特采样定理，先高速率采样后再压缩，这样的信号处理方法，导致采样资源利用率较低。

Donoho[1]和Candes等人[2]提出的CS理论（压缩传感或可压缩采样理论），使得该问题的解决变为可能。

CS的大体思路是：压缩与采样一并进行，通过[Φ]随机观测矩阵，将一个在某个正交基或[ψ]框架上（如小波变换域和DCT）是可压缩的或稀疏的高维信号[x∈RN]投影到[M]维的低维空间上，并且证明了重建信号的足量信息包含在这样的随机投影中。

本文介绍了单个传感器利用压缩感知理论获取视频数据的方法，从传感器对信号的自适应压缩采样和宽带无线网络的频谱分配方法两方面阐述了单路压缩感知的内容，利用OMP算法重构了视频图像。最后对本文研究的内容进行总结并展望。

2 单路压缩感知

该部分主要介绍了单个传感器利用压缩感知理论获取视频数据的方法，从传感器对信号的自适应压缩采样和宽带无线网络的频谱分配方法两方面重点阐述了单路压缩感知的内容。整个系统的框图如图1所示。

图1 单路压缩感知框图

2.1 单个传感器视频信号自适应采样

传统方法获得视频监测场景后，在图像上根据分配的每个像素值进行离散余弦变换（DCT）[3]。DCT变换后可忽略许多小系数或零值系数，将其在量化或熵编码之前丢弃。因此，尽管完整获得了每帧图像，但是在DCT变换后许多获得的信息被丢弃了，在获得图像的过程中造成了不必要的负担。传统的如奈奎斯特采样率非常高以至于压缩样本数据量很大，成为传输或存储的一个大问题。近年来才被提出的信号压缩采样理论为解决数字图像处理和视频信号采样中的类似问题提供了一种很好的思路。本文正是在压缩传感理论基础上提出了视频信号自适应采样法。具体包括如下步骤：

（1）利用无线网络视频摄像机或视频采集卡对视频信号源进行视频采集，每个采集点得到一组视频帧；

（2）将第（1）中获得的第一个视频帧作为参考帧；

（3）将每个参考帧均分成大小为n*n像素的[B]个像素块，对每个像素块进行离散余弦变换（DCT）；利用压缩采样测试像素块的稀疏性，测试的方法为：选定一个小的正数C，T为所有像素块中非显著离散余弦变换系数平均值作为门限值，如果像素块的离散余弦变换系数值的绝对值小于C大于T，那么就认为该块是稀疏的，反之则是非稀疏的；

（4）将连续非参考帧均分成[B]个像素块，连续非参考帧中的所有像素块在空间上对应于之前参考帧的稀疏块[Bs]将被压缩采样，其余的部分将进行传统采样。

进行仿真实验，将本文的方法与传统视频采样方法在不同采样率条件下的信噪比进行比较。如图2所示，可以看出本文在视频采集端使用分块压缩采样方法，与传统视频采样方法相比大大减少了测量数据，提高了采样效率。

图2 本文视频采样方法与传统方法的比较

2.2 无线网络的频谱认知方法

固定的频谱分配策略，长期授权的静态频谱管理方式，是无线网络中通常所采用的。虽然这种方式可以消除用户间的相互影响，但是主用户没有发生数据输送时就会浪费频谱资源，造成频谱资源稀缺。

本文针对现有技术存在的缺陷，提出了压缩感知频谱信号的方法。具体步骤如下：

（1）每个认知无线电设备进行独立的局部频谱测量，得到模拟基带信号[xj（t）]；

（2）利用压缩感知方法将获得的模拟信号[xj（t）]转变为稀疏采样信号[yk]：

（4）融合中心得到[ry，1，…，ry，j]后，通过联合重构算法进行联合功率谱密度[Sx，j]的估计：

[Sx，j=n=-∞+∞rxne-jwn]，[-π<ω≤π] （4）

（5）将得到的[Sx，j]值分别进行能量检测得到相应的频谱判决结果[dj]。能量检测方法就是通过能量计算值与设置门限的比较来判断，高于判决门限的，则该频段内有主用户的存在。

（6）融合中心将所有单个的判决结果按照或逻辑融合起来，得到最终的判决，以推断所观察频带中的主用户是否存在。

进行仿真实验，本文方法与传统单支路方法以及赵林靖等在其发明专利《基于并行压缩感知的宽带认知无线电频谱检测方法》中提出的方法，在不同信噪比条件下对频谱的正确检测概率进行了比较。结果如图3，可以看出，本文方法的频谱正确检测概率要明显优于其他两种方法。

图3 在不同信噪比条件下，传统单支路方法及已提出专利方法与本文方法的性能比较

2.3 终端图像处理

终端收到传输的图像信号后，进行图像的重构，利用正交匹配算法（OMP）进行信号重构，得到原始图像的频域重构信号。整个系统的最终目的是，图像的再次重现。图像的重现，可以利用分割、重组，甚至部分重点突出等手段对图像进行处理。图4是原始图像和重构图像的对照图。

（a）原始图像 （b）重构图像

图4 原始图像和重构图像的对照图

3 小结

我们所提出的方法理论优势在于，应用CS理论，在视频采集、传输和获取三方面大大地降低了处理的实验数据，提高了采样效率，保证了高效重构监测对象。虽然本文的方法在视频数据处理方面取得了一定成效，但还是有一些不可忽视的课题需要进一步探讨：1）能否存在一个最优的观测矩阵，来适用稳定的重构算法；2）怎样构造一个算法，使之稳定、计算简单、对观测次数限制较少地恢复可压缩信号。 参考文献：

[1] Donoho D L.Compressed sensing[J].IEEE Trans Inform Theory，2006（52）：1289-1306.

[2] Candès E J.Compressive sampling[C]//Proceedings of the International Congress of Mathematicians.Madrid，Spain：[s.n.]，2006：1433-1452.

[3] MACRO D.MARK D.Single-pixel imaging via

compressive sampling 2008（2）.

[4] DO T T.TRAC D T.LU Gan Fast compressive sampling with structurally random matrices 2007.