买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西南交通大学

摘要：本发明公开了一种语义传输质量感知的端边图像传输时延优化方法，具体为：摄像头传感器将图像卸载到最近的边缘服务器进行处理，通过对图像的语义特征进行选择和带宽分配，减少端边图像传输的时延；建立最小化整体传输延迟的优化问题模型，转换为两个子问题，底层问题是通过优化带宽分配来最小化整体时延，采用基于KKT条件的方法解决底层问题；顶层问题是优化特征选择下的最小总时延，采用HHO优化算法解决顶层问题。本发明保证了有限带宽条件下的资源利用，保证图像质量的同时减少端边的传输时延，可以根据不同的应用场景提高灵活性和适应性。

主权项：1.一种语义传输质量感知的端边图像传输时延优化方法，其特征在于，包括以下步骤：步骤1：摄像头传感器将图像卸载到最近的边缘服务器进行处理，通过对图像的语义特征进行选择和带宽分配，减少端边图像传输的时延；建立传输时延优化问题模型；最小化整体传输延迟的优化问题表示为OLM，代表OverallLatencyMinimization，具体为： 约束条件： 其中Ti和Γi的定义如下： 在OLM问题中，Ti表示第i个摄像机传感器的图像传输时延；i表示摄像机传感器的数量；bi表示第i个摄像机传感器的带宽资源；Bmax表示信道的总带宽资源；Γi表示第i个摄像头传感器的图像质量损失；Γmax表示所有摄像头传感器的所允许的最大图像质量损失；k表示图像的第k个特征；mi,k表示第i个相机的第k个特征的掩码值；I表示摄像头传感器的序号；K表示图像特征的序号；α表示图像特征的大小；P表示传输功率；G表示信达增益；N表示噪声功率；引入辅助变量λ表示所有摄像机传感器之间的最大传输时延，其中λ的定义如下： 进一步将OLM问题分解为两个子问题，底层问题的目标是通过优化带宽分配来最小化整体时延，顶层问题是优化特征选择下的最小总时延；底层问题OLM-E-Sub表示如下：OLM-E-Sub：λM＝minλ约束条件： λM是在给定特征选择下的最小总体时延；M是所有摄像机传感器特征选择掩码值的mi,k集合；顶层问题OLM-E-Top表示如下：OLM-E-Top：minλM约束条件： 步骤2：采用基于KKT条件的方法解决底层问题OLM-E-Sub；底层问题OLM-E-Sub中的拉格朗日函数定义如下： 为了简化描述，定义Ai如下： 通过拉格朗日函数计算出底层问题OLM-E-Sub的KKT条件如下： 其中，β表示拉格朗日乘子；μ表示拉格朗日乘子；根据拉格朗日乘子的取值是否为0产生4种分类讨论情况；分类讨论情况为1βi＝0，μ＝0，2βi＝0，μ0，3βi0，μ＝0，4βi0，μ0；将上述情况代入到KKT条件中验证其是否存在可行解，因此解出底层问题OLM-E-Sub的最优解： 步骤3：采用HHO优化算法解决顶层问题OLM-E-Top；HHO算法包括探索阶段和开发阶段，在探索阶段通过两种不同的策略确定鹰的栖息位置，将可选择的掩码的集合设置为每只“鹰”，最优解设置为“猎物”；然后通过对比每只鹰的适应度值，找到更小的适应度值并进行更新，并且通过四种不同的开发策略不断的迭代更新鹰的位置，让适应度值更加接近最优解；适应度函数的表示如下：F＝λ在优化的过程中，增加一个约束条件约束图像质量损失，当图像质量损失低于约束条件时，则认为这个适应度值是无效的，最终将有效的适应度值中与当前最小适应度值进行对比，如果有更小的适应度值，则将其更新为当前的最优适应度值；通过算法的不断迭代更新，当达到设定的迭代次数后，输出最小F；HHO优化算法解决顶层问题OLM-E-Top具体步骤为：步骤3.1：种群和参数初始化；初始化每个个体为所有摄像头传感器的可选择的特征掩码值的集合；初始化种群数量和迭代次数等参数；步骤3.2：设置适应度函数，并将适应度最优的个体位置设置为当前猎物位置；步骤3.3：位置更新，计算猎物的逃逸能量，然后根据逃逸能量和生成的随机数执行开发行为中的位置更新策略；步骤3.4：计算每个个体的适应度和图像质量损失，如果当前个体的图像质量损失大于可接受的最大损失，那么该个体的适应度值无效；步骤3.5：将所有有效的个体保存，并与猎物适应度值进行比较，若位置更新后的有效个体适应度值优于猎物，则将适应度值更优的个体作为新的猎物位置；步骤3.6：重复执行步骤3.3-步骤3.5，直到达到最大迭代次数，输出当前猎物位置作为最优情况下的适应度值。

全文数据：

权利要求：

百度查询： 西南交通大学 一种语义传输质量感知的端边图像传输时延优化方法