协作上下文感知下无线传屏数据不一致性消除

许宏吉，解志刚，王雷涛，王 建，杨华中，庄文君

(1. 山东大学信息科学与工程学院，济南 250100；2. 清华大学电子工程系，北京 100084；3. 浪潮集团有限公司，济南 250101；4. 天津大学电子信息工程学院，天津 300072)

协作上下文感知下无线传屏数据不一致性消除

许宏吉1,2,3，解志刚1，王雷涛1，王 建4，杨华中2，庄文君3

(1. 山东大学信息科学与工程学院，济南 250100；2. 清华大学电子工程系，北京 100084；3. 浪潮集团有限公司，济南 250101；4. 天津大学电子信息工程学院，天津 300072)

为了提高无线传屏的链路稳定性和数据传输可靠性，增强无线传屏的视觉效果，研究建立了一种感知环境下多媒体数据共享的节点协作感知模式，确定了基于协作上下文感知的无线传屏模型及其工作方法，并针对传屏中出现的数据不一致性问题，提出了一种面向突发错误的数据不一致性消除算法．该算法通过反馈和加窗处理，提升了算法的抗突发错误能力，并提高了无线传屏中传屏数据不一致性消除的正确率，使无线传屏数据可以在复杂环境下获得可靠的传输．仿真结果表明，在数据包含突发错误时该算法的正确率优于其他同类算法．

协作上下文感知；无线传屏；用户反馈；加窗；不一致性消除

随着互联网、计算机、传感器技术的不断发展，普适计算时代已经来临[1]．作为普适计算关键技术之一的上下文感知技术已逐渐被人们关注和研究[2]．该技术能够为用户提供更智能化更人性化的服务，如多媒体服务、远程监控和医疗服务，以及舒适的环境体验服务等[3-6]．

目前感知技术得到了初步的应用[7-10]，如苹果的iphone手机就使用了光照传感、重力传感等技术．然而在实际应用中，感知技术通常是各个设备节点单独进行信息采集和分析，并没有充分考虑多节点环境下各节点间资源的共享，从而不能从感知框架整体角度对信息进行融合、推理和判决．

另一方面，伴随着短距离传输技术的发展和智能家电的普及，无线传屏技术开始运用到普通家庭中．无线传屏将源多媒体终端的屏幕显示内容以流媒体的形式实时地传送到目的多媒体终端上显示．同样，目前无线传屏技术采用的都是端对端直接传输，没有考虑协作通信技术[11-12]，在复杂环境下的传输链路稳定性和传输可靠性无法得到保障．笔者将协作上下文感知技术运用到无线传屏中，从而使无线传屏技术能够更好地适应智能家庭的实际需求．

针对上述问题，本文提出了协作上下文感知理论，并将其运用到无线传屏中；同时，为了克服数据不一致性问题，提出了一种基于协作上下文感知的无线传屏数据不一致性消除算法．仿真结果表明，所提算法的性能优于已有算法．

1 协作上下文感知

1.1 上下文感知

上下文感知技术是指通过各类传感器采集原始数据，从中提取有用的语素，然后通过与上下文知识库匹配获得上下文信息，完成上下文建模，接着对其进行上下文不一致消除和信息融合等，最后进行推理判决为用户提供所需服务的技术．

1.2 传统上下文感知模式

传统上下文感知模式的基本特征为：各传感器节点或设备传感器节点对所需的上下文信息进行感知采集，然后将感知的上下文信息传递给中心节点(网关节点)，中心节点通过融合推理做出判决，然后发送指令控制和调节设备．

1.3 基于多媒体数据共享的节点协作感知模式

笔者结合实践应用，提出了一种基于多媒体数据(例如音频、视频等)共享的节点协作感知模式，其定义为：在感知环境中，当传输速率较低、计算能力较弱的多媒体设备(如某些智能手机、掌上电脑等)向多媒体展示设备(如数字电视、电子相册、数字音响等)进行多媒体数据传输前，多媒体设备先通过调用中心节点已经汇总的上下文感知信息，或者通过自身感知与周围的设备进行信息交互，来判断周围是否有计算能力强和传输速率高的多媒体设备．如果存在该类多媒体设备，则有两种方案：一是多媒体设备启动多媒体检索，对周围设备中的多媒体资源进行搜索，如果检索到要发送的源多媒体数据存在于已找到的传输速率高的多媒体设备中，则源节点多媒体设备和传输速率高的多媒体设备同时协同向目标多媒体显示设备传输该多媒体数据；二是传输速率高的多媒体作为协作设备，转发源多媒体设备发送的多媒体数据形成协作通信，从而提高传输的稳定性和可靠性．

2 基于协作上下文感知的无线传屏

无线传屏技术是指通过无线网络，将源多媒体终端的屏幕显示内容以流媒体的形式实时地传送到目的多媒体终端上进行显示的技术．一般把具有较强多媒体处理能力的终端，如电脑、智能手机等作为源多媒体终端；而把屏幕尺寸较大、具有良好视听效果的设备如电视等，作为目的多媒体终端．

2.1 基于上下文感知的协作传屏模型及其工作方法

本文将协作上下文感知技术引入到无线传屏中，建立了一种基于协作上下文感知的无线传屏模型，以此提高无线传屏的链路稳定性、传输可靠性和图像质量．

基于协作上下文感知的无线传屏模型如图 1所示，感知环境下，其设备包括源设备、目的设备和协作设备．这些设备通过无线传输网络连接．源设备发送传屏数据，协作设备用于接收源设备发送的传屏数据并转发给目的设备，目的设备接收传屏数据并进行屏幕显示．

图1 基于协作上下文感知的无线传屏模型Fig.1 Model of wireless screen transmission based on collaborative context-awareness

基于协作上下文感知的无线传屏模型工作方法如下所述(流程如图2所示)．

(1) 源设备与目的设备、源设备与协作设备、协作设备与目的设备通过无线传输网络互连，建立传屏数据传输链路．

(2) 源设备发送测试数据到协作设备，协作设备接收数据并评估源设备与协作设备之间数据传输链路的信干噪比和信道速率组成的协作性能参数；协作设备发送测试数据到目的设备，目的设备回传数据到协作设备，协作设备评估协作设备与目的设备之间数据传输链路的信干噪比和信道速率组成的协作性能参数．

(3) 协作设备将其自身的计算速度、与源设备之间以及与目的设备之间的协作性能参数一同发送回源设备．

(4) 源设备根据备选协作设备的协作性能参数，将此参数相似的协作设备分为一组，作为协作设备组．对同一协作设备而言，计算源设备与协作设备、协作设备与目的设备之间的信道速率，并以其中较小的信道速率值为参考进行分组：0～300,kb/s为一组，300,kb/s～2,Mb/s为一组，2,Mb/s～10,Mb/s为一组，10,Mb/s以上为一组；若根据传输速率无法分组，则根据协作设备的计算速度分组，0～500,MHz为一组，500,MHz～1,GHz为一组，1,GHz以上为一组．

(5) 源设备根据其传输时的基本传屏数据速率和协作设备组的协作性能参数选中一组协作性能满足传输要求的协作设备组作为选定协作设备组，即选择传输速率大于基本传屏数据速率的备选协作设备组中传输速率最大的一组作为选定协作设备组，并建立协作链路．

(6) 源设备对自身屏幕数据(包括音频数据和视频数据)进行截取，将所截取的屏幕数据和截取时的时间以及设备标识号等参数一并封装到传屏数据帧中，并通过无线传输网络向目的设备和已经建立链路链接的选定协作设备组发送同一帧传屏数据；与源设备和目的设备建立链接的选定协作设备组将接收的传屏数据通过无线传输网络向目的设备转发．

(7) 目的设备接收传屏数据，当目的设备接收到源设备或者选定协作设备组中任意一个设备传输的数据后开始计时，并等待其他设备传来的数据．计时时间超过预设的最大时延时(该最大时延可根据实际要求设定，如设为 100～300,ms)，目的设备通知尚未将传屏数据传输给目的设备的链路所对应的源设备或协作设备丢弃超时的传屏数据；然后目的设备将已经接收到的传屏数据进行选择合并．

图2 协作设备分组选择流程Fig.2 Selection process of collaboration device grouping

(8) 目的设备将处理后的传屏数据进行屏幕显示．

(9) 源设备与目的设备、源设备与协作设备、协作设备与目的设备断开链接．

传输过程中，当建立链路的协作设备发生变化时，自动重新进行步骤(1)～步骤(9)，从而实现自适应．

2.2 基于协作上下文感知的无线传屏数据不一致性消除

目的设备接收到的传屏数据可能存在不一致的现象，其主要是由于源设备对截屏数据进行压缩产生错误或者协作设备接收转发数据时出现解码和压缩错误，以及网络传输中信道干扰导致数据错误等原因造成的．接收到的传屏数据的不一致性将导致目的设备无法正确显示传屏画面，因此需要对传屏数据进行不一致性消除．目前已有的典型方法主要有 3种：第 1种是基于不一致性次数判决的数据不一致消除算法[13]，该算法通过数据比较，选择其中与其他数据不同次数最少的一个数据作为正确数据；第2种是基于用户反馈加权的数据不一致消除算法[14]，该算法通过用户反馈获取数据的可靠性，选择可靠性最高的数据为正确数据；第3种是基于用户反馈选择的数据不一致消除算法[15]，该算法结合了前两种算法，通过用户反馈获取数据的可靠性，然后设置一个可接受门限和一个拒绝门限，当最低数据可靠性低于可接受门限或者高于拒绝门限时，使用上述第 1种算法，否则使用上述第 2种算法．这些算法各有优劣，但在传屏数据出现突发错误时上述算法的正确率都不高．基于上述原因，本文提出了一种基于用户反馈加窗的数据不一致消除算法，以解决上述问题．

在对算法进行描述之前，笔者定义以下3个参数.

定义1 加窗反馈错误率

式中：wE为加窗反馈错误率；WL为用户反馈窗口长度；IWN 为用户反馈窗口长度内数据与反馈数据的不一致次数．

定义2 加窗反馈错误率可接受门限

加窗反馈错误率可接受门限是指某一路数据加窗反馈错误率低于此门限时，认为目的设备接收的此路数据是正确的，可以用于目的设备显示．

定义3 加窗反馈错误率可抛弃门限

加窗反馈错误率可抛弃门限是指某一路数据加窗反馈错误率高于此门限时，认为目的设备接收的此路数据是错误的，不能用于目的设备显示．

笔者提出的基于用户反馈加窗的传屏数据不一致消除算法的基本思路为：对某一时刻从源设备和协作设备接收的传屏数据进行不一致性检测，根据计算获得前一时刻反馈窗口长度内各路传屏数据由用户反馈所获取的加窗反馈错误率，将其与设置的加窗反馈错误率可接受门限、加窗反馈错误率可抛弃门限进行比较，然后完成传屏数据的不一致滤除．具体算法流程如下所述．

步骤 1 计算前一时刻反馈窗口长度内各路传屏数据的加窗反馈错误率．

步骤 2 若各路传屏数据中最小加窗反馈错误率小于加窗反馈错误率可接受门限或者大于加窗反馈错误率可抛弃门限，则选择加窗反馈错误率最低的一路传屏数据为目的设备的显示数据．

步骤 3 若各路传屏数据中最小加窗反馈错误率介于加窗反馈错误率可接受门限和加窗反馈错误率可抛弃门限之间，则选取目的设备接收到的传屏数据中出现次数最多的传屏数据为目的设备的显示数据，若存在出现次数相同的传屏数据，则选取其中加窗反馈错误率低的传屏数据为目的设备的显示数据.

具体算法仿真实现步骤如下．

设有1个源设备和 1n-个协作设备，反馈窗口长度为WL，当前时刻为j，t时刻第i个设备发送的传屏数据为itC ，对应t时刻传屏数据的反馈数据为

步骤1

for 1:i n=

2.3 算法仿真

算法设定的仿真环境如下：1个源设备，1个目的设备，4个协作设备；源设备向目的设备和协作设备发送传屏数据，协作设备向目的设备转发传屏数据，目的设备接收传屏数据．设源设备发送10,000个数据且仿真 2,000次求平均．对于不同的实际应用，错误率区间划分方法不同，此处笔者根据无线传屏应用的具体实验环境，把错误率分为3个区间：0～15%为小错误率区间；15%～30%为一般错误率区间；30%以上为大错误率区间．笔者选取以下典型数据：①第a组错误率均比较小，取典型值为 15%；②第 b组错误率有大有小，取典型值为15%、25%和35%；③第c组错误率均比较大，取典型值为 35%．笔者根据实验仿真发现，突发错误长度、包含突发错误的设备个数不同时，各算法正确率与用户反馈窗口长度的关系类似，因此在仿真中可以根据实际环境选择不同的参数．本文根据无线传屏的实验环境和经验取值，设定设备 1和设备 2包含突发错误，突发错误长度为200，可接受门限为 5%，可抛弃门限为 40%，反馈率为 20%．反馈窗口长度通过下面的仿真获取优化取值，仿真数据分组情况如表1所示．

源设备和协作设备发送数据的具体错误率和突发错误长度如表1所示，其中将源设备和协作设备分别命名为设备 1、2、3、4、5．用户反馈窗口长度与正确率如图3所示．

从图 3(a)中可以看出，对应数据分组的用户反馈窗口长度为 40时正确率最高；用户反馈窗口长度低于 40时，由于用户反馈窗口长度较短，不能如实反映数据的错误率，因此导致算法正确率下降；用户反馈窗口长度超过 40后，对突发错误的识别能力降低，因此导致算法正确率下降；用户反馈窗口长度超过 400后，能够如实反映数据的错误率，但是对突发错误不敏感，算法正确率趋于平稳．

表1 反馈窗口长度仿真中设定的数据错误情况Tab.1 Error conditions supposed in simulation of feedback window length

图3 不同数据下用户反馈窗口长度与正确率Fig.3 Algorithm accuracy versus the length of user feedback window for different data

从图 3(b)中可以看出，对应数据分组的用户反馈窗口长度为 40时正确率最高；用户反馈窗口长度低于 40时，由于用户反馈窗口长度较短，不能如实反映数据的错误率，因此导致算法正确率下降；用户反馈窗口长度超过 40后，对突发错误的识别能力降低，因此导致算法正确率下降；用户反馈窗口长度超过 800后，能够如实反映数据的错误率，但是对突发错误不敏感，算法正确率趋于平稳．

从图 3(c)中可以看出，对应数据分组的用户反馈窗口长度为 80时正确率最高；用户反馈窗口长度低于 80时，由于用户反馈窗口长度较短，不能如实反映数据的错误率，因此导致算法正确率下降；用户反馈窗口长度超过 80后，对突发错误的识别能力降低，因此导致算法正确率下降；用户反馈窗口长度超过 600后，能够如实反映数据的错误率，但是对突发错误不敏感，算法正确率趋于平稳．

由此可以看出，当数据包含随机错误和突发错误时，用户反馈窗口长度在40～100之间时算法的正确率较高．因此，本文选取用户反馈窗口长度为70．

将本文提出的基于用户反馈加窗的数据不一致消除算法(M-Fb-Windows)和其他3种典型算法进行3组不同数据的仿真，比较 4种算法的正确率，源设备和协作设备发送数据的具体错误率和突发错误长度如表2所示．3种典型算法包括基于不一致性次数判决的数据不一致消除算法(M-Vote)、基于用户反馈加权的数据不一致消除算法(M-Trust)以及基于用户反馈选择的数据不一致消除算法(M-Fb)．4种算法正确率比较如图4所示．

表2 正确率性能仿真中设定的数据错误情况Tab.2 Error conditions supposed in simulation of accuracy performance

图4 不同数据情况下4种算法正确率比较(设备1)Fig.4 Accuracy comparison of four algorithms for different data(device 1)

如图 4(a)所示，在所仿真的 4种算法中，MTrust算法的正确率与其他 3种算法相比较低，M-Fb算法和 M-Vote算法的正确率变化趋势类似．本文所提M-Fb-Windows算法的正确率超过其他3种算法，在设备 1的数据错误率为 29%时其正确率比其他算法中正确率最高的M-Vote算法提高了1.83%．

如图 4(b)所示，在所仿真的 4种算法中，MTrust算法的正确率在设备 1的数据错误率为 5%～30%时与其他 3种算法相比较低，其他错误率下的正确率与M-Fb算法和M-Vote算法相比较高；M-Fb算法和 M-Vote算法的正确率变化趋势类似．本文所提M-Fb-Windows算法的正确率超过其他3种算法，其正确率在设备 1的数据错误率为 29%时比其他算法中正确率最高的M-Fb算法提高了2.21%．

如图 4(c)所示，在所仿真的 4种算法中，MTrust算法的正确率在设备 1的数据错误率高于 6%时与其他算法相比较低，M-Fb算法的性能优于 MVote算法和M-Trust算法．本文所提M-Fb-Windows算法的正确率超过其他3种算法，其正确率在设备1的数据错误率为 28%时比其他算法中正确率最高的M-Fb算法提高了2.96%．

通过在不同数据情况下的正确率比较，可以看出本文提出的算法在正确率上优于其他3种算法，这是由于通过用户反馈提高了算法正确性，通过加窗反馈错误率提升了抗突发错误的能力．

3 结 语

本文研究了一种感知环境下多媒体数据共享的节点协作感知模式，该模式通过运用于无线传屏环境中加以验证，确立了基于协作感知的无线传屏模型和工作方法，提升了无线传屏的稳定性和可靠性；同时，提出了基于用户反馈加窗的无线传屏数据不一致消除算法，该算法通过用户反馈和加窗获取加窗反馈错误率，提高了传屏数据不一致性消除的正确性和算法抗突发错误的能力．仿真结果验证了该算法的正确率优于目前已有的3种典型算法，在不同数据情况下，正确率提高了1.83%～2.96%．

［1］ Weiser M. The computer for the 21st century[J]. Scientific American，1991，265(3)：94-104.

［2］ Want R，Hopper A，Falcao V，et al. The active badge location system[J]. ACM Transactions on Information Systems，1992，10(1)：91-102.

［3］ Choi Jonghwa，Shin Dongkyoo，Shin Dongil. Research and implementation of the context-aware middleware for controlling home appliances[J]. IEEE Transactions on Consumer Electronics，2005，51(1)：301-306.

［4］ Goferman S，Zelnik-Manor L，Tal A. Context-aware saliency detection[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence，2012，34(10)：1915-1926.

［5］ Baek Seungho，Lee Hyunjeong，Lim Shinyoung，et al. Managing mechanism for service compatibility and interaction issues in context-aware ubiquitous home[J]. IEEE Transactions on Consumer Electronics，2005，51(2)：524-528.

［6］ Pung H K，Gu Tao，Xue Wenwei，et al. Context-aware middleware for pervasive elderly homecare[J]. IEEE Journal on Selected Areas in Communications，2009，27(4)：510-524.

［7］ Mehra P. Context-aware computing：Beyond search and location-based services[J]. Internet Computing，2012，16(2)：12-16.

［8］ Krstic M，Bjelica M. Context-aware personalized program guide based on neural network[J]. IEEE Transactions on Consumer Electronics，2012，58(4)：1301-1306.

［9］ Shi Yuanchun，Xie Weikai，Xu Guangyou，et al. The smart classroom：Merging technologies for seamless tele-education[J]. IEEE Pervasive Computing，2003，2(2)：47-55.

［10］ Verbert K，Manouselis N，Ochoa X，et al. Contextaware recommender systems for learning：A survey and future challenges[J]. IEEE Transactions on Learning Technologies，2012，5(4)：318-335.

［11］ Bal M，Shen Weiming，Ghenniwa H. Collaborative signal and information processing in wireless sensor networks：A review[C]//IEEE International Conference on Systems，Man and Cybernetics. San Antonio，TX，USA，2009：3151-3156.

［12］ Qi Hairong，Xu Yingyue，Wang Xiaoling. Mobileagent-based collaborative signal and information processing in sensor networks[J]. Proceedings of the IEEE，2003，91(8)：1172-1183.

［13］ 郑 笛，朱 珊. 普适计算环境下上下文不一致性的消除算法研究[J]. 计算机应用研究，2009，26(1)：152-154.

Zheng Di，Zhu Shan. Research of algorithms for elimination of inconsistent context in pervasive computing[J]. Application Research of Computers，2009，26(1)：152-154(in Chinese).

［14］ Manzoor A，Truong H L，Dustdar S. On the evaluation of quality of context[C]//Proceedings of 3rd European Conference on Smart Sensing and Context. Zurich，Switzerland，2008：140-153.

［15］ Lee Byoung-Hoon，Kim Deok-Hwan. Efficient contextaware selection based on user feedback[J]. IEEE Transactions on Consumer Electronics，2012，58(3)：978-984.

(责任编辑：金顺爱)

Data Inconsistency Resolution for Wireless Screen Transmission Based on Collaborative Context-Awareness

Xu Hongji1,2,3，Xie Zhigang1，Wang Leitao1，Wang Jian4，Yang Huazhong2，Zhuang Wenjun3
(1. School of Information Science and Engineering，Shandong University，Jinan 250100，China；2. Department of Electronic Engineering，Tsinghua University，Beijing 100084，China；3. Inspur Company Limited，Jinan 250101，China；4. School of Electronic Information Engineering，Tianjin University，Tianjin 300072，China)

In order to improve the stability and reliability of the wireless screen transmission，and enhance the visual effect，a collaborative context-aware pattern of multimedia data sharing was presented，and a model of wireless screen transmission based on collaborative context-aware technology was established as well. To overcome the problem of data inconsistency in wireless screen transmission，a data inconsistency resolution algorithm for the burst error was proposed. By using feedback and windowing processing，the accuracy of algorithm is improved，and hence the stability and reliability of the transmission can be guaranteed in complicated environment. Simulation results show that the new algorithm outperforms its counterparts in accuracy when burst errors occur.

collaborative context-awareness；wireless screen transmission；user feedback；windowing；inconsistency resolution

TP301.6

A

0493-2137(2014)08-0728-07

10.11784/tdxbz201306061

2013-06-28；

2013-11-12.

国家自然科学基金资助项目(61002030)；中国博士后科学基金资助项目(2011M501092)；山东省博士后创新专项资金资助项目(201103003)；山东省优秀中青年科学家科研奖励基金资助项目(BS2012DX024)；山东大学自主创新基金资助项目(2012ZD035).

许宏吉（1976— ），男，副教授.

许宏吉，hongjixu@sdu.edu.cn.

时间：2013-12-05.

http：//www.cnki.net/kcms/detail/12.1127.N.20131205.1006.001.html.