無線多媒體傳感器網(wǎng)絡(luò)WMSNs(Wireless Multimedia sensor Networks)，具有移動性強、放置靈活、傳輸比特率較低的特點[1],可以有效解決煤礦井下有線監(jiān)控系統(tǒng)的問題。但是高能耗是目前制約WMSNs發(fā)展主要因素之一[2]。

    目前的圖像傳感器節(jié)點中常用的圖像編碼算法有JPEG和JPEG200。卡耐基梅隆大學(xué)的研究人員開發(fā)了CMUcam系列視覺傳感器，CMUcam3采用軟件JPEG壓縮并兼容802.15.4接口[3]，具有一個CIF分辨率(352×288)的RGB彩色傳感器。這種常用的編碼算法都在數(shù)據(jù)采集端按照奈奎斯特采樣定理進(jìn)行數(shù)據(jù)采集，造成了存儲空間及節(jié)點能量的浪費。
    近幾年來，由 DONOHO D、CANDES E等人提出了編碼簡單、解碼復(fù)雜的壓縮感知理論[4]。本文利用壓縮感知理論，并結(jié)合WMSNs節(jié)點的能耗分布特點，對“無線傳輸”和“信號處理”的能耗進(jìn)行折中處理[5]，實現(xiàn)了降低節(jié)點能耗的目的。
1 能耗模型分析
    通常WSNs節(jié)點的能量大部分消耗在無線數(shù)據(jù)收發(fā)過程中，分布呈“聚集”狀態(tài)，可以忽略數(shù)據(jù)采集和處理能耗。而WMSNs節(jié)點因為要采集圖像、音頻、視頻等大數(shù)據(jù)量的多媒體信息，大大增加了數(shù)據(jù)采集和處理的能耗，能耗分布呈“均勻”狀態(tài)。因此需要結(jié)合WMSNs節(jié)點的能耗分布特點，對“無線傳輸”和“信號處理”的能耗進(jìn)行折中處理， 以適用于WMSNs節(jié)點的圖像壓縮方法。如圖1所示。

    傳感器節(jié)點的能耗模型包括傳感器、處理器以及無線收發(fā)器的能耗模型。結(jié)合圖1的節(jié)能點能耗分布和參考文獻(xiàn)[6]可將節(jié)點能耗表示為：
  

3 仿真與分析
    采用壓縮感知理論代替?zhèn)鹘y(tǒng)的JPEG圖像壓縮方法，在相同的PSNR條件下，雖然降低了圖像處理的復(fù)雜度，但也同時增加了數(shù)據(jù)的傳輸量。記Em為處理器能耗和通信傳輸能耗的總和，即Em=Eact+ETx。采用256×256的煤礦井下圖像，通過Matlab仿真,結(jié)合上述的能耗模型來驗證相比于JPEG, 壓縮感知理論是否可以降低整個節(jié)點的能耗。
    (1) 處理器能耗
    JPEG中熵編碼過程占據(jù)了整個壓縮的大部分時間。基于CS理論的壓縮方式對變換后的系數(shù)進(jìn)行了稀疏采樣，減少了熵編碼的源數(shù)據(jù)量，從而大大節(jié)省了壓縮時間，降低了處理器能耗。根據(jù)實驗選用的平臺，?琢=0.45，VDD=１．３ Ｖ, f=400 MHz。JPEG算法與CS算法的處理器能耗及與PSNR之間關(guān)系的Matlab仿真結(jié)果如圖3所示。

    (2) 通信模塊能耗
    多媒體節(jié)點的傳輸功耗與傳輸數(shù)據(jù)量有關(guān)，而圖像的壓縮比決定了傳輸?shù)臄?shù)據(jù)量。根據(jù)式(2)，選取圖像傳感器節(jié)點和路由節(jié)點的距離d=100 m進(jìn)行仿真，結(jié)果如圖4所示。

    從圖5中可以看出采用基于CS理論的壓縮方式可以實現(xiàn)WMSNs節(jié)點節(jié)能的效果。且恢復(fù)的圖像質(zhì)量越好，則節(jié)能效果越明顯。PSNR=29時，在處理和傳輸上，基于CS理論的壓縮方式可降低能耗約50%。 本文結(jié)合圖像傳感器節(jié)點的能耗來源與分布特點，為降低圖像處理算法復(fù)雜度，提出一種基于CS理論的低復(fù)雜度的壓縮算法,實現(xiàn)了降低整個WMSNs節(jié)點能耗的目的，對于WMSNs在煤礦井下的推廣應(yīng)用具有重要意義。
參考文獻(xiàn)
[1] 涂曉軍,文金朝．基于LDMCIC的井下多媒體傳感器網(wǎng)絡(luò)圖像傳輸[J]．煤礦安全，2010(8)：94-97.
[2] 魯琴，杜列波，左震．無線多媒體傳感網(wǎng)節(jié)點能耗問題評述[J]．傳感器與微系統(tǒng)，2008，27（12）:1-7．
[3] ROWE A, GOODE A, GOEL D,et al. CMUcam3: an open programmable embedded vision sensor[EB/OL].[2007-03]. http://www.ri.cmu.edu/pub_files/pub4/rowe_anthony_2007_1/rowe_anthony_2007_1.pdf,2009.
[4] DONOHO D L, TSAIG Y. Extensions of compressed sensing[J]. Signal Processing, 2006,86(3):533-548.
[5] PINTO A, ZHANG Z, DONG X. et al. Energy consumption and latency analysis for wireless multimedia sensor Networks[C]. IEEE Globecom 2010,2010:1-5.
[6] 高妍.無線傳感器網(wǎng)絡(luò)節(jié)點能耗建模與仿真[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2010.
[7] HEINZELMAN W B. Application-specific protocol archit ectures for wireless networks[D]. Massachusetts Institute of Technology, 2000．