楊小琴 陳安婕 王劍

(南京工業(yè)大學(xué)浦江學(xué)院,江蘇南京 211134)

0 引言

網(wǎng)絡(luò)通信信號(hào)在眾多領(lǐng)域當(dāng)中的應(yīng)用十分廣泛,并且具有十分重要的地位。當(dāng)前網(wǎng)絡(luò)信息信號(hào)在其傳輸?shù)倪^程中正面臨著諸多技術(shù)方面的挑戰(zhàn),因此為了進(jìn)一步提升網(wǎng)絡(luò)通信信號(hào)的傳輸效率,需要結(jié)合現(xiàn)代大數(shù)據(jù)技術(shù)中的信息大數(shù)據(jù)融合,實(shí)現(xiàn)對(duì)其傳輸效率的綜合提升。傳統(tǒng)網(wǎng)絡(luò)通信信號(hào)在傳輸過程中,需要進(jìn)行跨度較大、層次較深的綜合研究[1]。通過多種不同技術(shù)手段和方法才能夠完成對(duì)信息源數(shù)據(jù)的采集和提取,以此才能夠?qū)崿F(xiàn)對(duì)網(wǎng)絡(luò)通信信號(hào)的傳輸[2]。同時(shí),當(dāng)前網(wǎng)絡(luò)通信環(huán)境復(fù)雜程度逐漸增加,因此傳統(tǒng)網(wǎng)絡(luò)通信信號(hào)傳輸方法在實(shí)際應(yīng)用中逐漸產(chǎn)生了信息丟失量大、傳輸速度慢、收斂效率低等問題,嚴(yán)重阻礙網(wǎng)絡(luò)通信技術(shù)的發(fā)展。因此,為使網(wǎng)絡(luò)通信信號(hào)能夠不受周圍環(huán)境因素的影響,始終處于高效率、流暢的運(yùn)行狀態(tài),本文將開展基于信息大數(shù)據(jù)融合的網(wǎng)絡(luò)通信信號(hào)傳輸效率模型研究。

1 基于信息大數(shù)據(jù)融合的網(wǎng)絡(luò)通信信號(hào)傳輸效率模型設(shè)計(jì)

網(wǎng)絡(luò)通信信號(hào)傳輸效率受到基站位置、信號(hào)功率、建筑物遮擋等諸多因素的影響,因此建立高還原度的數(shù)學(xué)模型是一件異常復(fù)雜且龐大的課題。為降低課題研究的風(fēng)險(xiǎn),采用抓住主要矛盾的原則,僅考慮影響信號(hào)傳輸效率明顯的因素作為模型的影響因子,構(gòu)建信號(hào)傳輸效率模型。通過引入信息大數(shù)據(jù)融合,迭代計(jì)算模型的匹配度,實(shí)現(xiàn)網(wǎng)絡(luò)通信號(hào)傳輸效率模型的最大化還原。

1.1 構(gòu)建網(wǎng)絡(luò)通信信號(hào)樣本采集矩陣

在對(duì)網(wǎng)絡(luò)通信信號(hào)傳輸效率模型進(jìn)行建設(shè)時(shí),首先構(gòu)建網(wǎng)絡(luò)通信信號(hào)樣本采集矩陣,以此利用壓縮感測(cè)技術(shù)實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)通信信號(hào)的重建,方便對(duì)網(wǎng)絡(luò)通信信號(hào)原始數(shù)據(jù)進(jìn)行動(dòng)態(tài)采集[3]。在網(wǎng)絡(luò)大數(shù)據(jù)環(huán)境當(dāng)中,所有的銅帶數(shù)據(jù)同步操作,均有利于提升信號(hào)傳輸效率檢測(cè)的質(zhì)量。因此,根據(jù)這一特點(diǎn),需要對(duì)網(wǎng)絡(luò)通信環(huán)境當(dāng)中的信號(hào)進(jìn)行稀疏化處理,并結(jié)合離散余先變換,實(shí)現(xiàn)對(duì)稀疏基矩陣的構(gòu)建,可用如下表達(dá)式表示:

公式(1)中,ψ表示為網(wǎng)絡(luò)通信信號(hào)稀疏基矩陣;n表示為網(wǎng)絡(luò)通信信號(hào)稀疏化處理后的稀疏程度;ψ1,ψ2,M,ψn表示為網(wǎng)絡(luò)通信信號(hào)稀疏基矩陣中的元素。再利用上述矩陣完成對(duì)網(wǎng)絡(luò)通信信號(hào)樣本采集矩陣的構(gòu)建,得到如下表達(dá)式:

公式(2)中,Hu,v表示為網(wǎng)絡(luò)通信信號(hào)樣本采集矩陣;du,v表示為第u個(gè)網(wǎng)絡(luò)通信信號(hào)到第v個(gè)網(wǎng)絡(luò)通信信號(hào)之間的實(shí)際傳輸距離;hu,v表示為均值為零的高斯噪聲衰減參數(shù)[4]。根據(jù)上述公式(2)進(jìn)一步得出,通過稀疏化處理后的網(wǎng)絡(luò)通信信號(hào)量。將其在矩陣當(dāng)中進(jìn)行投影,以此獲取到相應(yīng)的信號(hào)矢量值,從而實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)通信信號(hào)的采集。

構(gòu)建網(wǎng)絡(luò)通信信號(hào)樣本采集矩陣的目的,是在多樣復(fù)雜且瞬息變幻的海量數(shù)據(jù)中,提取出具有代表性的信號(hào)樣本。通過建立信號(hào)樣本,將通信信號(hào)“臉譜化”,發(fā)現(xiàn)多樣信號(hào)間的差異,選取其中代表性信號(hào)樣本,作為建立信號(hào)傳輸效率模型的典型向量。信號(hào)樣本采集矩陣是模型能否實(shí)現(xiàn)高還原度的基礎(chǔ)。

1.2 網(wǎng)絡(luò)通信信號(hào)動(dòng)態(tài)還原

在完成對(duì)網(wǎng)絡(luò)通信信號(hào)樣本采集矩陣構(gòu)建后,本文采用逐步迭代的方式,對(duì)網(wǎng)絡(luò)通信信號(hào)中的動(dòng)態(tài)數(shù)據(jù)進(jìn)行采集,其采集過程如下:

第一步,對(duì)網(wǎng)絡(luò)通信信號(hào)節(jié)點(diǎn)當(dāng)中的動(dòng)態(tài)數(shù)據(jù)進(jìn)行采集;

第二步,對(duì)動(dòng)態(tài)數(shù)據(jù)進(jìn)行稀疏處理;

第三步,對(duì)動(dòng)態(tài)數(shù)據(jù)采集矩陣進(jìn)行構(gòu)建;

第四步,對(duì)動(dòng)態(tài)數(shù)據(jù)進(jìn)行傳輸,從網(wǎng)絡(luò)通信信號(hào)節(jié)點(diǎn)位置傳輸?shù)街行墓?jié)點(diǎn)位置;

第五步,采用逐步迭代法對(duì)動(dòng)態(tài)數(shù)據(jù)處理;

第六步,獲取動(dòng)態(tài)數(shù)據(jù)的相關(guān)信息以及傳輸效率;

第七步,完成對(duì)動(dòng)態(tài)數(shù)據(jù)的搜集。

根據(jù)上述采集過程完成對(duì)網(wǎng)絡(luò)通信信號(hào)的動(dòng)態(tài)采集后,開始進(jìn)行動(dòng)態(tài)數(shù)據(jù)原始信號(hào)的還原[5]。在還原的過后,還需要利用大數(shù)據(jù)融合的方式,持續(xù)完成對(duì)動(dòng)態(tài)數(shù)據(jù)流應(yīng)用程序的使用[6]。假設(shè)在這一過程中,網(wǎng)絡(luò)通信息號(hào)的信噪比處于較小的范圍內(nèi),則動(dòng)態(tài)數(shù)據(jù)的傳輸速度會(huì)逐漸減緩;反之,信噪比高時(shí)傳輸速度更快。由于網(wǎng)絡(luò)通信信號(hào)當(dāng)中的動(dòng)態(tài)數(shù)據(jù)是由多種不同系統(tǒng)生成,因此差異性較大,數(shù)據(jù)之間的相互影響較為強(qiáng)烈[7]。針對(duì)這一問題,在對(duì)網(wǎng)絡(luò)通信信號(hào)動(dòng)態(tài)數(shù)據(jù)進(jìn)行還原的過程中,可通過將不同數(shù)據(jù)信息轉(zhuǎn)換為位數(shù)較小的“痕跡”的方式,再從目標(biāo)節(jié)點(diǎn)中進(jìn)行演繹,以此完成對(duì)網(wǎng)絡(luò)通信信號(hào)在模型當(dāng)中的還原。

表1 實(shí)驗(yàn)組與對(duì)照組實(shí)驗(yàn)結(jié)果對(duì)比表Tab.1 Comparison of experimental results between experimental group and control group

網(wǎng)絡(luò)通信信號(hào)動(dòng)態(tài)還原過程中,需要特別注意對(duì)信噪比還原和異源異型信號(hào)干擾的處理。信噪比的高低影響著信號(hào)傳輸效率。在實(shí)際網(wǎng)絡(luò)通信中,由于接入設(shè)備不同,產(chǎn)生的信號(hào)信噪比強(qiáng)弱迥異,在采集信號(hào)樣本時(shí),如果疏密度選擇過大,會(huì)引起信號(hào)信噪比不能被可靠還原,造成建模失效。因此需要在計(jì)算量允許的情況下,盡可能減小信號(hào)采集樣本疏密度,提高模型顆粒度。異源異型信號(hào)的互相干擾問題,也是影響模型真實(shí)度的重要因素,容易造成通信信號(hào)動(dòng)態(tài)還原失真。在采集信號(hào)樣本以及信號(hào)動(dòng)態(tài)還原中,需要區(qū)分所采集信號(hào)的來源和類型。根據(jù)不同的信號(hào)源、不同的信號(hào)類型(如音頻、視頻、圖片、字符串等),按照不同的采集規(guī)則區(qū)別對(duì)待,分類整理后再使用還原算法進(jìn)行信號(hào)動(dòng)態(tài)還原。

1.3 基于信息大數(shù)據(jù)融合的的通信信號(hào)融合

為實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)通信信號(hào)的融合,本文采用信息大數(shù)據(jù)融合技術(shù),對(duì)信號(hào)當(dāng)中的動(dòng)態(tài)數(shù)據(jù)進(jìn)行關(guān)聯(lián)組合,以此提高對(duì)信號(hào)傳輸效率估算的準(zhǔn)確性[8]。利用數(shù)學(xué)和技術(shù)工具,從網(wǎng)絡(luò)通信環(huán)境當(dāng)中對(duì)動(dòng)態(tài)數(shù)據(jù)信息進(jìn)行采集。根據(jù)采集后需要的不同融合程度,將融合劃分為數(shù)據(jù)層、特征層和決策層。在數(shù)據(jù)層當(dāng)中,針對(duì)網(wǎng)絡(luò)通信信號(hào)信息源輸入的原始動(dòng)態(tài)數(shù)據(jù)進(jìn)行融合處理[9]?；谛畔⒋髷?shù)據(jù)融合的背景,數(shù)據(jù)層中的數(shù)據(jù)具有豐富、多樣、歷史相關(guān)等特點(diǎn),因此在信號(hào)融合中,需要在數(shù)據(jù)層設(shè)置多樣信息采集點(diǎn),以便于信號(hào)的融合。在特征層中,主要完成對(duì)特征性數(shù)據(jù)在模型當(dāng)中的導(dǎo)入和導(dǎo)出,結(jié)合本文上述網(wǎng)絡(luò)通信信號(hào)樣本采集矩陣,對(duì)網(wǎng)絡(luò)通信信號(hào)的目標(biāo)動(dòng)態(tài)數(shù)據(jù)信息進(jìn)行提取,并在空間坐標(biāo)軸當(dāng)中進(jìn)行針對(duì)性特征處理[10]。最后,在決策層當(dāng)中,在已知實(shí)際網(wǎng)絡(luò)通信信號(hào)傳輸效率的基礎(chǔ)上,對(duì)來自不同渠道上的動(dòng)態(tài)數(shù)據(jù)信息進(jìn)行獲取,以此定位當(dāng)前網(wǎng)絡(luò)通信信號(hào)的實(shí)時(shí)傳輸狀態(tài),從而滿足多類型數(shù)據(jù)信息的融合需求。決策層還需要在通信信號(hào)融合后,對(duì)結(jié)果進(jìn)行迭代計(jì)算,利用大數(shù)據(jù)的海量數(shù)據(jù)優(yōu)勢(shì)和歷史數(shù)據(jù)相關(guān)性特點(diǎn),將融合結(jié)果逼近于理想值。通過三層融合,將多類型數(shù)據(jù)信息作為模型的輸出量,以此實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)通信信號(hào)傳輸效率的模擬。

2 對(duì)比實(shí)驗(yàn)

通過本文上述論述,完成了對(duì)基于信息大數(shù)據(jù)融合的網(wǎng)絡(luò)通信信號(hào)傳輸效率模型的設(shè)計(jì)與構(gòu)建,為體現(xiàn)本文模型的有效性,下面將進(jìn)行一次相關(guān)性實(shí)驗(yàn)驗(yàn)證。實(shí)驗(yàn)過程中的相關(guān)配置為3.55GHz Pentium,網(wǎng)絡(luò)通信信號(hào)緩存為258M,總計(jì)傳輸網(wǎng)絡(luò)通信信號(hào)量100G。本文對(duì)比實(shí)驗(yàn)在Windows 10環(huán)境當(dāng)中完成,并結(jié)合VS程序?qū)Ρ疚奶岢龅哪Ｐ驮趯?shí)際中的應(yīng)用效果進(jìn)行驗(yàn)證。在實(shí)驗(yàn)過程中,準(zhǔn)備若干個(gè)數(shù)據(jù)節(jié)點(diǎn),并將其隨機(jī)分布在一個(gè)150×200的區(qū)域范圍當(dāng)中。將該區(qū)域范圍內(nèi)的中心作為中心節(jié)點(diǎn)。為了實(shí)現(xiàn)對(duì)模型應(yīng)用效果的定量分析,假設(shè)通過本文模型和傳統(tǒng)模型均能夠得到信號(hào)傳輸效率的所有位置上均為正常值,記錄兩種模型檢測(cè)到的最高值。將本文提出的模型作為實(shí)驗(yàn)組,傳統(tǒng)模型作為對(duì)照組,分別利用實(shí)驗(yàn)組和對(duì)照組模型完成6次實(shí)驗(yàn),將動(dòng)態(tài)數(shù)據(jù)依次隨機(jī)分布在150×200區(qū)域范圍內(nèi),完成兩種模型對(duì)傳輸效率的展示,對(duì)比其與實(shí)際傳輸效率的貼合程度。將實(shí)驗(yàn)結(jié)果繪制成如表1所示的實(shí)驗(yàn)結(jié)果對(duì)比表。

由表1中的實(shí)驗(yàn)結(jié)果可以看出,實(shí)驗(yàn)組的傳輸效率最高值明顯比對(duì)照組傳輸效率最高值更接近于實(shí)際傳輸效率最高值。因此,通過對(duì)比實(shí)驗(yàn)證明,本文設(shè)計(jì)的基于信息大數(shù)據(jù)融合的網(wǎng)絡(luò)通信信號(hào)傳輸效率模型與實(shí)際信號(hào)傳輸效率更相符,能夠?yàn)楹罄m(xù)提高網(wǎng)絡(luò)通信信號(hào)傳輸效率的措施研究提供有力的參考依據(jù)。

3 結(jié)語

本文通過開展基于信息大數(shù)據(jù)融合的網(wǎng)絡(luò)通信信號(hào)傳輸效率模型研究,提出一種全新的效率模型,將該模型進(jìn)行實(shí)際應(yīng)用能夠有效解決傳統(tǒng)網(wǎng)絡(luò)通信信號(hào)傳輸模型無法有效將相關(guān)數(shù)據(jù)進(jìn)行融合的問題,從而為改善傳統(tǒng)信號(hào)連續(xù)性不強(qiáng),疏漏大問題的解決措施研究提供依據(jù),以期為未來網(wǎng)絡(luò)通信信號(hào)傳輸效率的提升和發(fā)展提供幫助。