趙 露
(安徽電子信息職業(yè)技術(shù)學(xué)院,安徽 蚌埠233000)
科學(xué)技術(shù)的迅猛發(fā)展使得嵌入式軟件測試數(shù)據(jù)庫的應(yīng)用范圍越來越大,嵌入式軟件測試數(shù)據(jù)庫中測試數(shù)據(jù)傳輸?shù)姆€(wěn)定性問題逐漸受到各個網(wǎng)絡(luò)領(lǐng)域的廣泛關(guān)注[1]。在實際應(yīng)用中,由于嵌入式軟件測試數(shù)據(jù)庫受到傳輸路徑限制的原因,測試數(shù)據(jù)傳輸過程中很容易出現(xiàn)格式錯誤、數(shù)據(jù)包缺失或不一致等一系列問題[2],通過穩(wěn)定性檢測可以減少測試數(shù)據(jù)的損失,從而降低數(shù)據(jù)異常現(xiàn)象發(fā)生。嵌入式軟件測試數(shù)據(jù)傳輸穩(wěn)定性檢測方法是一種保護嵌入式軟件測試數(shù)據(jù)庫的信息采集與分析方法,必須確保實時性和正確性,這樣才能準確地管理嵌入式軟件測試數(shù)據(jù)庫以及傳輸海量測試數(shù)據(jù),降低不穩(wěn)定性帶來的損失[3]。
由于嵌入式軟件測試數(shù)據(jù)庫中測試數(shù)據(jù)的行為大多數(shù)都會隨著網(wǎng)絡(luò)流量的變化而變化,很多文獻都是通過嵌入式軟件測試數(shù)據(jù)庫中測試數(shù)據(jù)點的變化,來檢測測試數(shù)據(jù)的穩(wěn)定性?;谙伻核惴ǖ臄?shù)據(jù)傳輸穩(wěn)定性檢測方法是通過計算每一條傳輸路徑上測試數(shù)據(jù)節(jié)點的測試值,根據(jù)測試值確定測試數(shù)據(jù)傳輸?shù)姆€(wěn)定性[4]。該檢測方法具有較高的檢測效率,但是在數(shù)據(jù)誤報率方面存在一些缺陷。本文提出一種測試數(shù)據(jù)傳輸穩(wěn)定性檢測方法,通過數(shù)據(jù)的提取、數(shù)據(jù)傳輸方程的組建以及檢測模型設(shè)計,來提高測試數(shù)據(jù)傳輸檢測方法的檢測能力。
提取測試數(shù)據(jù)是檢測嵌入式軟件測試數(shù)據(jù)傳輸穩(wěn)定性的基礎(chǔ),可以降低誤報個數(shù)。提取數(shù)據(jù)庫中的測試數(shù)據(jù)時,首先建立測試數(shù)據(jù)庫的結(jié)構(gòu)模型,數(shù)據(jù)提取過程如下。
選取嵌入式軟件測試數(shù)據(jù)庫中測試數(shù)據(jù)在當前時刻查詢到的最大信任值,可以得到查詢時間間隔較長的測試數(shù)據(jù)信任值,對當前時刻的數(shù)據(jù)傳輸穩(wěn)定性影響較小[5],可以利用式(1)表示嵌入式軟件測試數(shù)據(jù)庫測試數(shù)據(jù)在當前時刻查詢的時間衰減函數(shù):
式中,f(k-1)表示測試數(shù)據(jù)在k-1 時刻的衰減函數(shù),那么在k-1時刻嵌入式軟件測試數(shù)據(jù)庫中,集成的嵌入式軟件測試數(shù)據(jù)狀態(tài)方程可以表示為:
其中,A表示嵌入式軟件測試數(shù)據(jù)強度,r表示嵌入式軟件測試數(shù)據(jù)長度,e-jkr表示測試數(shù)據(jù)傳輸不穩(wěn)定時的波長,Rin表示測試數(shù)據(jù)傳輸時產(chǎn)生的瞬時頻率,ain表示嵌入式軟件測試數(shù)據(jù)庫指向性傳遞權(quán)重,e-jφin表示查詢操作的執(zhí)行代價。
按照測試數(shù)據(jù)每一個節(jié)點的反饋權(quán)系數(shù)[6],建立集成的嵌入式軟件測試數(shù)據(jù)結(jié)構(gòu)模型:
式中,αk表示測試數(shù)據(jù)的規(guī)模,pk(y|μk,Σk)表示測試數(shù)據(jù)在k時刻的傳輸狀態(tài)先驗分布情況,Σk表示嵌入式軟件測試數(shù)據(jù)庫的非線性恢復(fù)力,μk表示測試數(shù)據(jù)傳輸?shù)钠詈瘮?shù)。
令{x1,x2,…,xn} 代表嵌入式軟件測試數(shù)據(jù)庫中集成的嵌入式軟件測試數(shù)據(jù)的時間序列,m表示測試數(shù)據(jù)的嵌入維數(shù),τ表示測試數(shù)據(jù)傳輸?shù)难舆t時間間隔,pk表示嵌入式軟件測試數(shù)據(jù)的后驗概率估計函數(shù),因此可以得到嵌入式軟件測試數(shù)據(jù)庫中集成的測試數(shù)據(jù)的構(gòu)成形式:
基于以上分析,可以得到嵌入式軟件測試數(shù)據(jù)提取公式為[7]:
式中,Yq×U表示測試數(shù)據(jù)集成的傳輸維度矩陣,Wu×u表示測試數(shù)據(jù)傳輸過程中的均衡概率,表示測試數(shù)據(jù)傳輸時的隸屬度臨界值。嵌入式軟件測試數(shù)據(jù)特征提取公式為:
式中,yl表示測試數(shù)據(jù)的數(shù)量,φl表示測試數(shù)據(jù)占總數(shù)據(jù)量的比例。
通過選取測試數(shù)據(jù)在當前時刻查詢到的最大信任值,得到了測試數(shù)據(jù)在當前時刻查詢的時間衰減函數(shù),利用嵌入式軟件測試數(shù)據(jù)狀態(tài)方程,建立了嵌入式軟件測試數(shù)據(jù)結(jié)構(gòu)模型,利用嵌入式軟件測試數(shù)據(jù)提取公式,完成嵌入式軟件測試數(shù)據(jù)的提取。
測試數(shù)據(jù)通過數(shù)據(jù)傳輸方程的計算,可以確保傳輸?shù)姆€(wěn)定性,從而降低誤報個數(shù)。在嵌入式軟件測試數(shù)據(jù)傳輸穩(wěn)定性的實際檢測中,測試數(shù)據(jù)的傳輸涉及緩存能量的產(chǎn)生、傳輸和接收等[8]。
根據(jù)測試數(shù)據(jù)的傳輸過程可知,測試數(shù)據(jù)傳輸路徑會受到外界干擾,主要是環(huán)境和溫度的變化對測試數(shù)據(jù)傳輸?shù)挠绊?,針對嵌入式軟件的多?dǎo)線結(jié)構(gòu),建立了測試數(shù)據(jù)傳輸穩(wěn)定性檢測網(wǎng)絡(luò)示意圖,如圖1所示。
在圖1中,V(0)和I(0)可以作為穩(wěn)定性檢測傳感器采集到的測試數(shù)據(jù),而V(l)和I(l)作為終端接收的測試數(shù)據(jù)。測試數(shù)據(jù)傳輸方程是解決測試數(shù)據(jù)傳輸穩(wěn)定性問題的基礎(chǔ)[9],嵌入式軟件測試數(shù)據(jù)的傳輸方程為:
圖1 測試數(shù)據(jù)傳輸穩(wěn)定性檢測網(wǎng)絡(luò)示意圖
式中,V(z,t)和I(z,t)表示t時刻嵌入式軟件測試數(shù)據(jù)在z方向的電壓和電流分布,VF(z,t)和IF(z,t)表示t時刻測試數(shù)據(jù)傳輸?shù)碾妷涸春碗娏髟础?/p>
由于檢測環(huán)境的復(fù)雜性,在組建嵌入式軟件測試數(shù)據(jù)傳輸方程的基礎(chǔ)上,通過建立數(shù)據(jù)傳輸穩(wěn)定性檢測模型,來實現(xiàn)穩(wěn)定性檢測。
在組建嵌入式軟件測試數(shù)據(jù)傳輸方程的基礎(chǔ)上,采用聚類方法建立了數(shù)據(jù)傳輸穩(wěn)定性檢測模型,來檢測嵌入式軟件測試數(shù)據(jù)的傳輸穩(wěn)定性,降低誤報個數(shù)。
采用數(shù)據(jù)傳輸穩(wěn)定性檢測模型實現(xiàn)檢測的過程如下:
首先確定嵌入式軟件測試數(shù)據(jù)庫中測試數(shù)據(jù)聚類數(shù),K、C表示測試數(shù)據(jù)庫中測試數(shù)據(jù)樣本集合,C={C1,…,Cι,…,},Cι表示測試數(shù)據(jù)庫中的一類測試數(shù)據(jù),采用ui來描述相同測試數(shù)據(jù)樣本中心點的推測[10],選取ωˉ個測試數(shù)據(jù)庫的聚類中心點,計算出測試數(shù)據(jù)樣本與聚類中心點之間的距離,然后選擇距離最長的中心作為測試數(shù)據(jù)樣本φιξ的所屬類別,最后重新計算測試數(shù)據(jù)的聚類中心,重復(fù)上述過程,直到聚類中心值不變?yōu)橹梗?1]。具體步驟為:
先在嵌入式軟件測試數(shù)據(jù)庫中隨機選取ωˉ個測試數(shù)據(jù)聚類中心點,計算每一個測試數(shù)據(jù)樣本所屬類別:
對于嵌入式軟件測試數(shù)據(jù)庫中的不同類別,計算出該類別的測試數(shù)據(jù)聚類中心:
重復(fù)上述過程,直到測試數(shù)據(jù)的聚類中心不變,然后確定嵌入式軟件測試數(shù)據(jù)庫中測試數(shù)據(jù)的類別數(shù),定義嵌入式軟件測試數(shù)據(jù)庫中測試數(shù)據(jù)的每一個觀測點[12],每一個觀測點都具有pn個特征,dιξ表示測試數(shù)據(jù)觀測點ι到ξ的距離,可以得到:
式中,φι′ξ表示測試數(shù)據(jù)觀測點向量,令Cr表示r類的測試數(shù)據(jù)觀測點,nr=|Cr|表示Cr類測試數(shù)據(jù)觀測點的數(shù)量,利用式(11)來定義r類測試數(shù)據(jù)集中任意兩個測試數(shù)據(jù)點之間的距離和為:
式(12)定義了嵌入式軟件測試數(shù)據(jù)庫中測試數(shù)據(jù)類別的平方和均值:
其中,Dr表示測試數(shù)據(jù)點之間的距離和,Wk表示測試數(shù)據(jù)類別的平方和均值。
綜上所述,通過選取測試數(shù)據(jù)在當前時刻查詢到的最大信任值,得到了測試數(shù)據(jù)在當前時刻查詢的時間衰減函數(shù),利用嵌入式軟件測試數(shù)據(jù)狀態(tài)方程,建立了嵌入式軟件測試數(shù)據(jù)結(jié)構(gòu)模型,基于嵌入式軟件測試數(shù)據(jù)提取公式,完成嵌入式軟件測試數(shù)據(jù)的提?。桓鶕?jù)嵌入式軟件測試數(shù)據(jù)的傳輸過程,建立了測試數(shù)據(jù)傳輸穩(wěn)定性檢測網(wǎng)絡(luò),在組建嵌入式軟件測試數(shù)據(jù)傳輸方程的基礎(chǔ)上,通過建立數(shù)據(jù)傳輸穩(wěn)定性檢測模型,實現(xiàn)了嵌入式軟件測試數(shù)據(jù)傳輸穩(wěn)定性的檢測。
實驗環(huán)境和參數(shù)的設(shè)置情況如表1所示。
表1 實驗環(huán)境及參數(shù)統(tǒng)計
實驗過程中采用嵌入式軟件測試數(shù)據(jù)個數(shù)作為自變量,利用基于蟻群算法的數(shù)據(jù)傳輸穩(wěn)定性檢測方法和數(shù)據(jù)傳輸穩(wěn)定性檢測方法進行對比實驗,實驗過程如下:
Step1:準備仿真實驗環(huán)境,安裝并運行simulation仿真軟件;
Step2:試運行仿真程序,確保實驗的真實性,將兩種檢測方法載入到仿真軟件中;
Step3:在相同的實驗環(huán)境下,進行不同檢測數(shù)據(jù)個數(shù)的仿真對比實驗;
Step4:在未執(zhí)行任何檢測方法的情況下,記錄嵌入式軟件測試數(shù)據(jù)傳輸?shù)恼`報數(shù)據(jù)個數(shù);
Step5:分別執(zhí)行兩種檢測方法,記錄嵌入式軟件測試數(shù)據(jù)傳輸?shù)恼`報數(shù)據(jù)個數(shù)。
根據(jù)實驗步驟,得到嵌入式軟件測試數(shù)據(jù)傳輸?shù)恼`報數(shù)據(jù)個數(shù)對比曲線,如圖2所示。
圖2 嵌入式軟件測試數(shù)據(jù)傳輸?shù)恼`報數(shù)據(jù)個數(shù)對比曲線
從實驗結(jié)果中可以看出,在嵌入式軟件測試數(shù)據(jù)相同的情況下,兩種檢測方法存在很大差別,基于蟻群算法的數(shù)據(jù)傳輸穩(wěn)定性檢測方法當測試數(shù)據(jù)個數(shù)不超過200 個時,誤報數(shù)據(jù)個數(shù)不超過20個,檢測能力可以達到90%,但是當測試數(shù)據(jù)個數(shù)越來越多時,誤報數(shù)據(jù)個數(shù)也在增加,測試數(shù)據(jù)穩(wěn)定性檢測能力較差;而本文提出的數(shù)據(jù)傳輸穩(wěn)定性檢測方法當測試數(shù)據(jù)個數(shù)不超過500 個時,誤報數(shù)據(jù)個數(shù)都低于20個,具有良好的檢測能力。
本文提出了嵌入式軟件測試數(shù)據(jù)傳輸穩(wěn)定性檢測方法,通過選取測試數(shù)據(jù)在當前時刻查詢到的最大信任值,得到了測試數(shù)據(jù)在當前時刻查詢的時間衰減函數(shù),利用嵌入式軟件測試數(shù)據(jù)狀態(tài)方程,建立了測試數(shù)據(jù)結(jié)構(gòu)模型,基于嵌入式軟件測試數(shù)據(jù)提取公式,完成測試數(shù)據(jù)的提?。桓鶕?jù)嵌入式軟件測試數(shù)據(jù)的傳輸過程,建立了測試數(shù)據(jù)傳輸穩(wěn)定性檢測網(wǎng)絡(luò);在組建嵌入式軟件測試數(shù)據(jù)傳輸方程的基礎(chǔ)上,通過建立數(shù)據(jù)傳輸穩(wěn)定性檢測模型,實現(xiàn)了嵌入式軟件測試數(shù)據(jù)傳輸穩(wěn)定性的檢測。實驗結(jié)果證明,提出的數(shù)據(jù)傳輸穩(wěn)定性檢測方法具有較高的數(shù)據(jù)傳輸穩(wěn)定性檢測能力。