能量受限无线网络中视频编解码及混合业务传输技术研究

This project makes an in-depth study on distributed compressed video sensing methods, video and data mixed transmission techniques for energy-constrained wireless networks, such as sensor networks and the Internet issues, providing the practical use of energy-constrained wireless networks with technical basis. For an easy hardware implementation, a method, combining with the characteristics of energy-constrained networks, is proposed to improve the decoding quality at low sampling rates. To solve the problem that unsatisfactory multi-hypothesis prediction quality in the measurement domain at low sampling rates, elastic net is combined with the single-hypothesis to achieve high efficient prediction. Taking the channel state information into consideration, orthogonal frequency division multiplexing technique is used to improve the quality of video transmission for the reason that time division multiple address technique is difficult to meet the video service transmission quality requirements in existed energy-constrained wireless networks. In terms of video service characteristics, resource schedule strategy and spectrum allocation algorithm are developed to guarantee the quality of video transmission. Considering the features of hydrid services and the constrained energy of transmission nodes, a resource utilization and allocation strategy on hydrid services is proposed, which is suitable for the energy-constrained wireless networks.

本项目针对传感器网络、物联网等存在一些能量受限节点的应用场合，深入研究分布式压缩感知视频编解码方法和视频、数据混合业务传输技术，为能量受限无线网络的实际应用提供技术基础。对于分布式压缩视频感知，结合能量受限无线网络的特点，为便于硬件实现，针对目前测量域内多假设预测方法在低采样率下性能不佳的问题，采用弹性网络与单假设相配合的方法实现高效的预测，提高在低采样率下的视频重构质量。同时针对已有能量受限无线网络中采用时分多址接入技术难以满足视频业务传输质量要求的问题，结合网络信道状态引入正交频分复用技术，根据视频业务特性提出以视频传输质量为目标的资源调度、资源分配策略，实现视频传输质量的提升；并根据混合业务、传输节点能量受限等特点提出适合能量受限网络的混合业务资源利用及分配策略。

本项目针对能量受限无线网络的特点，研究了视频编解码技术以及基于OFDM的资源管理技术。. 针对能量受限网络的特点，深入研究了编码端简单的压缩感知视频编解码及分布式视频编解码技术：（1）设计了一种基于混合假设预测的压缩视频感知系统。在编码端，鉴于低成本和低功耗的要求，选取基于块的压缩采样。在解码端，为了提高重构帧质量，进行测量域的混合假设预测，即自适应选择基于弹性网络的多假设预测模式或者单假设预测模式。其中基于弹性网络的多假设预测模式是将传统视频处理中的多假设预测思想与统计学习中的弹性网络相结合，并利用距离加权规则进一步提升视频预测质量。最后非关键帧由残差重构来完成。(2) 针对有反馈DVC中由于多次反馈带来的时延以及额外能耗问题，提出了一种基于编解码两端综合进行码率估计的有限次反馈DVC系统。其反馈控制算法将码率估计过程分为两部分：初始码率和附加码率，通过有目的地进行附加码率的请求来减少反馈次数。同时，为了获得更好的率失真性能，该方案提出了新的视频序列的划分、边信息更新和相关噪声模型更新技术。(3) 为进一步降低能耗和时延，提出一种基于帧级编码端速率控制的无反馈DVC系统。该系统通过在编码端利用分层快速运动补偿内插产生高质量的边信息估计，并根据循环移位去除比特平面级间的级别性，使每个比特平面的编码速率均匀化，最后通过帧级编码端速率估计去除反馈信道，从而在保证低复杂度的同时解决了现有比特平面级编码端速率控制算法估计精度要求高的问题。.在资源管理研究方面，本项目侧重降低算法复杂度，减少开销：(1)研究了多用户认知OFDM场景下认知用户对的资源分配问题，通过采用共享式的载波分配方案最大限度的提升频谱利用率，使得系统的加权总速率达到最大的同时保证授权用户不会受到认知用户的干扰。所提的分布式频谱分配算法具有较低的计算复杂度，从而降低了资源分配所需的能量开销；(2) 研究了多个授权用户共存下的认知OFDM场景，在此场景下考虑时变信道完全DF中继两跳传输链路的差异性。采用纳什议价公平性准则作为效用函数，提出了联合用户传输模式选择、子载波配对、信道分配和功率分配的分层优化模型。采用分层求解，应用层根据当前信道状况自适应调整不同用户速率需求，物理层采用子载波对技术，自适应实现资源最佳分配，在降低算法复杂度的同时提升了系统效用及吞吐量。