摘 要：在NS2平台上仿真实现了多媒体传感器网络的视频流传输，并在NS2-myEvalvid模型的基础上通过比较PSRN值分析了压缩量化参数、GOP类型、封包长度和封包错误率对视频流传输质量的影响。仿真实验表明，压缩量化参数、GOP长度或封包错误率取值越小，视频流的传输效果越好；而封包长度取值越小，视频流的传输效果越差。
关键词：多媒体传感器网络；传输质量；性能评估；PSNR；NS2-myEvalvid
多媒体传感器网络MSNs（Multimedia Sensor Networks）是在传统无线传感器网络的基础上引入了图像、声音和视频等多媒体信息感知处理功能的一种新型传感器网络。它结合了无线传感器网络技术和多媒体处理技术，能够实现比传统传感器网络更高精度的监控，从而使用户更直观、更深入地了解观测对象[1]。
在网络上传输的各种多媒体数据的传输质量会因不同的压缩参数、网络参数及网络状况而不同。通常，对多媒体传输产生影响的因素主要有图片组GOP（Group of Pictures）类型、压缩量化参数Q值（Quantization Value）、最大传输单元MTU（Maximum Transmission Unit）和封包错误率PER（Packet Error Rate）。柯志亨等[2]设计了Evalvid在NS2下的接口myEvalvid，并介绍了如何使用myEvalvid来仿真和评估多媒体图像传输；廖勇等[3]在NS2-myEvalvid模型基础上分析了量化因子对无线局域网传输图像质量的影响。但是专门针对各种参数和MSNs传输质量两者间关联性的研究很少。本文在NS2平台上仿真实现了多媒体传感器网络的视频流传输，并对MSNs中影响多媒体传输的主要因素进行了量化分析。本文首先介绍图像质量评价指标PSNR和可解画面比例分析模型，并结合仿真软件NS2对多媒体传感器网络进行了仿真，然后使用myEvalvid工具组对视频流传输效果进行了评估，最后利用et程序和可解画面比例分析模型对实验结果进行了验证。
1 评估方法
1.1 PSRN
峰值信噪比PSNR（Peak to Signal Noise Ratio）是目前用于图像质量评价的最常用的客观指针，其思想是比较原始图像S和目的图像D的亮度部分Y，该值越大表示目的图像与原始图像差距越小，也就是画面的质量越好。PSNR的定义如下[4]：
2 实验仿真和分析
2.1 实验步骤和参数设置
根据上面内容提到的评估方法及模型，设计具体的仿真实验步骤如下：
（1）仿真多媒体传感器网络。
（2）向NS2平台添加Evalvid工具组[6]。
（3）添加myEvalvid、myEvalvid_Sink和my_UDP接口程序，并修改多媒体传感器网络Tcl仿真脚本。
（4）重新编译并运行。
（5）通过设置不同的GOP、Q值、MTU和PER得到不同画面质量的重构图像。
（6）使用myEvalvid工具组对多媒体传输效果进行评估，使用YUV Viewer观察重建后的影片和原始影片的差别。
（7）使用et程序和可解画面比例分析模型进行评估和验证。
本文采用UCBerkeley开发的网络仿真器NS2对多媒体传感器网络进行仿真，具体仿真环境如下：系统平台为Windows XP Professional Service Pack 3；Unix仿真器为cygwin（一个在Windows平台上运行的Unix模拟环境）；网络仿真器为NS2（ns-allinone-2.34）；相关工具有Gnuplot-3.8j、Nam-1.11、Gawk、Perl 5.8.2、cbrgen（产生数据流）、setdest（随机产生仿真场景）、myEvalvid及Elecard YUV Viewer 2.1.81024。
在120 m×120 m的矩形区域内建立一个包括10个多媒体传感器节点的仿真网络。网络采用DSDV协议，该协议可以让每个送出去的封包立刻得知到达目的地的路径，而不会出现太大延迟。在DSDV中，每一个无线节点必须存储并持续更新一个路由表，这个路由表中会记录着目的地址、下一跳节点、路径节点数、循序号码以及上一次相连时间。而路由表内的每笔记录所包含的循序号码，可用来判断是否有些路径比较老旧，以避免循环路由的产生。仿真实验环境主要配置如表1所示。
2.2 多媒体传感器网络拓扑仿真
本文以环境监测为应用背景，多媒体传感器节点进行全网检测，节点间周期性的交互低流量环境监测数据，源节点对兴趣目标进行细节监测，产生高流量视频数据，多跳传输给目的节点。网络同时传输多媒体和普通数据，在满足实时性、可靠性等QoS需求的同时，尽量高效地利用网络资源，减少能量消耗。
根据表1所列参数可以得到如图1所示的网络仿真拓扑。图中居于场景中心的比较大的节点为汇聚节点，用数字编号0表示；剩下的彼此相邻的9个节点为普通节点，用数字编号1到9表示，它们在120 m×120 m区域内随机分布。为了研究方便，本文假设这9个普通节点既可以采集外部数据又可以将数据以多跳形式转发给汇聚节点。
为了分析和评估仿真效果，任意选取两个传感器节点进行多媒体数据的传输，本实验选择节点2与6进行YUV视频流的传输。为了简化分析过程，将节点6设置为发送端，将节点2设置为接收端（此处两个节点可以同时既作发送端又作接收端）。YUV视频流采用参考文献[7]处提供的suzie_qcif.yuv视频文件。模拟结束后，会得到视频流的传送端记录文件sd和接收端记录文件rd，以及仿真过程记录文件out.tr和nam记录文件a.nam。
2.3 仿真结果分析
本部分分析各参数对网络传输效果的影响，横坐标代表参数的取值，纵坐标PSRN对应的是图像的传输质量，这个值越大表示目的图像与原始图像差距越小，也就是画面的质量越好。对引起多媒体传输效果变化的各因素进行逐一分析，在分析某一因素时，其他因素设置相同，即有相同网络环境。
2.3.1 GOP类型对图像质量的影响
GOP类型对图像质量的影响如图2所示。可以明显地看出，使用GOP长度较短的图像，其质量比使用GOP长度较长的图像好，这主要是因为在一个GOP中，如果I帧的封包在传送过程中遗失，其后所有的P帧与B帧就都没有办法进行解码操作，这将导致所有GOP里的画面都是无用的，会因此导致整个图像质量有明显降低，而较长的GOP会使得I帧丢失的概率增大，从而导致图像质量变差；另外，在GOP长度比较长的图像中，如I帧遗失则必须等待较长的时间直到下一个I帧的到来，此时图像才会恢复成原来的图像画面。而使用GOP长度较短的图像，其等待下一个I帧到的时间会比较短，因此恢复的时间会比较短，可以得到较好的质量。
在图3中，只取出其中一个帧去做比较，其中，图3（a）为原始图像，图3（b）~图3（h）是在经过量化处理并且经过网络传送后在接收端得到的重建图像，由图3可以明显看到，随着GOP的增大，图像的质量越来越差。
2.3.2 Q值对图像质量的影响
Q值对图像质量的影响如图4所示。由图4可知，在对视频流进行压缩时，随着压缩量化参数Q值的增大，图像质量会变得越来越差，这主要是因为压缩量化参数值越大，图像压缩后失真的程度也就越高，进而在相同网络环境下，图像经过网络传输到达接收端时，相对于压缩量化参数较小的情形，其质量就会越差。但是选用比较大的量化标准虽然会让编码出来的图像质量变得较差，其所产生的数据量会较小；相反，选用较小的量化标准时，虽然会让编码出来的图像质量变得比较好，但是其所产生的数据量会比较大。
2.3.3 MTU对图像质量的影响
MTU对图像质量的影响如图5所示。可以看出，随着MTU的增大，图像的质量越来越好。造成这种情况的原因是：在同一个图像中，MTU越大，图像被分割成的封包数量就会越少，进而在相同网络环境下封包遗失的数量就会越少，此时由于封包错误率和Q值固定不变，可解码的画面比例会相对比较大，从而导致MTU较大的图像传输质量会比较好。
2.3.4 PER对图像质量的影响
PER对图像质量的影响如图6所示，可以看出，随着封包错误率的增大，图像的质量会变得越来越差，这主要是因为本实验封包采用广播的方式传送，如果封包在传送过程中发生遗失，传送端并不会重新传送遗失封包，而是直接传送下一个封包，当封包错误率增大时，封包遗失的概率也随着增大，导致在接收端可被正确地解码的画面数越少，进而影响到图像的显示效果。
同样，当使用 MyEvalVid去验证Q值、MTU长度和PER对视频流传输效果的影响时，除了直接计算出重建后影片的PSNR值外，也可以使用YUV Viewer程序去观察重建后的影片及原始影片的差别，效果与图4类似（方法见2.3.1）。
3 评估与验证
使用et程序评估多媒体传感器网络视频流的传输效果，采用的GOP类型是G（12，3）。et程序是利用仿真过程中所得到的发送端记录文件sd、接收端记录文件rd和视频记录文件suzie_qcife.st进行比较，得到各类型帧的可解画面数量和整个图像的可解画面比例，如图7所示。
该值在数值上较好地逼近了表2中可解画面比例的模拟值R′=0.837 5，说明实验中用到的评估方法对图像质量的刻画比较可靠，同时也说明该模型可以被用来进行多媒体传感器网络传输效果的验证。
本文在NS2平台上仿真实现了多媒体传感器网络的视频流传输，并对影响多媒体信息传输的主要因素（如Q值、GOP类型和MTU等）进行了量化分析。仿真实验表明，当GOP长度、压缩量化参数或封包错误率取较小值时，有利于改善视频流的传输质量，而封包长度取值越小时，图像的传输效果越差。运用该结论，可以为多媒体传感器网络数据传输质量优化和节点随机部署优化提供依据，并能有效地为协议参数优化设计提供指导。在未来的工作中，将对多媒体传感器网络节点间多路径传输效果进行评估；对影响多媒体传感器网络传输质量的因素进行进一步分析，建立网络的传输效果与影响因素之间的拟合函数。
参考文献
[1] 王汝传，孙力娟.无线多媒体传感器网络技术[M].北京：人民邮电出版社，2011.
[2] 柯志亨，程荣祥，邓德隽.NS2仿真实验——多媒体和无线网络通信[M].北京：电子工业出版社，2009.
[3] 廖勇，杨士中.量化因子在IEEE 802.11b/e无线局域网视频流传输中的图像质量性能仿真研究[J].计算机科学，2010，37（6）：36-39.
[4] KIM I M， KIM H M. A new resource allocation scheme based on a PSNR criterion for wireless video transmission to stationary receivers over Gaussian channels[J]. IEEE Transactions on Wireless Communication， 2002， 1（3）：393-401.
[5] LOMBARDO A， SCHEMBRA G. Performance evaluation of an adaptive-rate MPEG encoder matching intServ traffic constraints[J]. IEEE/ACM Transactions on Networking， 2003，11（1）：47-65.
[6] KLAUE J， RATHKE B， WOLISZ A. EvalVid-A framework for video transmission and quality evaluation[C]. Proceeding of 13th International Conference on Modelling Techniques and Tools for Computer Performance Evaluation， Urbana，Illinois， USA，2003：255-272.
[7] YUV video sequences. http：//trace.eas.asu.edu/yuv/suzie/suzie_qcif.7z， 2006-03-01.