論船舶通信網絡異常數據定位技術范文

本站小編為你精心準備了論船舶通信網絡異常數據定位技術參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要:普通船舶異常數據定位算法，存在數據位置定位不夠準確、定位時間較長等弊端。為有效解決上述問題，設計基于通信網絡異常分析的船舶數據定位算法。通過船舶異常信號的稀疏化處理、通信網絡的恢復與重構，完成通信網絡異常分析。通過船舶數據關鍵字查詢、GNP網絡定位格局的搭建、定位最短路徑選擇，完成基于通信網絡異常分析船舶數據定位算法的搭建。設計對比實驗結果表明，新型算法與傳統算法相比，可以快速、準確的定位數據所處位置。

關鍵詞：船舶通信；網絡異常；數據定位；稀疏化；網絡恢復；關鍵字；定位格局；最短路徑

0引言

普通船舶異常數據定位算法，利用無線通信網絡技術，完成船舶異常信息數據的定量采集，且要求待采集數據的信號損率，至少達到原始通信帶寬的2倍以上，才能保證定量采集結果的真實性。這種方法最大程度上，限制了信號的精確度，保證定量采集樣本的真實性。完成船舶異常信息數據的定量采集后，根據不同類型數據，會在網絡中產生不同長短時間延遲的原理，對所有數據進行位置排序，進而確定異常船舶數據的真實位置，完成數據定位處理[1]。但因大量數學計算公式的利用，常導致傳統定位算法數據位置定位準確性不高、定位時間較長等現象的發生。為避免上述情況的出現，通過表示船舶異常信號稀疏化的方式，完成船舶通信網絡的恢復與重構，進而完成通信網絡的異常分析，在此基礎上，利用GNP原理搭建網絡定位格局，完成基于通信網絡異常分析船舶數據定位算法的搭建。實驗數據結果表明，與傳統算法相比，新型船舶數據定位算法的各項屬性，均得到一定程度的提升。

1通信網絡異常分析

通信網絡的異常分析，由船舶異常信號的稀疏化表示、通信網絡的恢復與重構2部分組成。

1.1船舶異常信號的稀疏化表示

船舶異常信號的稀疏化表示，是完成通信網絡異常分析的前提條件，直觀上來說，船舶異常信號的稀疏性，指的是所有船舶信號中，只有少數的異常元素保持非零狀態，其余大多數元素都始終維持零值。

1.2通信網絡的恢復與重構

通信網絡的恢復與重構，是完成通信網絡異常分析的核心。在船舶異常信號稀疏化處理的基礎上，通信網絡的恢復與重構方法，可分為凸優化方法、貪婪化方法、組合方法3種[2]。其中凸優化方法，通過增加約束條件的方式，獲得船舶異常信號的最稀疏解，也可以利用數據的極小化原理，來完成船舶通信網絡的逼近處理。貪婪化方法，在每一次迭代選擇船舶異常信號的過程中，都利用信號的匹配追蹤原理，完成通信網絡的逼近處理。組合方法，可對船舶異常信號進行結構化采樣，再根據模塊形式的不同，組合多種船舶通信網絡處理方式。

2基于通信網絡異常的船舶數據定位算法設計

上述過程，完成通信網絡的異常分析。在此基礎上，按照如下步驟，完成新型船舶數據定位算法的搭建。

2.1船舶數據關鍵字查詢

船舶數據關鍵字查詢，是在通信網絡異常分析的基礎上，為了保留船舶節點的定位信息，對特定位置數據關鍵字進行的支持查詢操作。通常情況下，船舶關鍵字節點，只能保留與自身后繼節點相關的定位信息，這也意味著數據的定位操作，不得不按照一定的定位時需進行，這也直接導致傳統定位算法定位時間過長現象的發生[3]。為了解決此問題，在Chord查詢表格中，為每一個船舶數據節點，都保留一個finger表，且在每個finger表中，都可以實現定位數據的快速查詢，進而降低算法的定位時長。

2.2GNP網絡定位格局的搭建

GNP網絡定位格局，也叫全局網絡定位系統，是根據固定的網絡格局，將船舶定位數據分割成一個幾何模型，并把處于網絡中的每個異常數據節點，作為幾何模型中的一個基本點，任意2個異常數據節點間的網絡距離，都是通過幾何空間中2個基本點間距離確定的。

2.3定位船舶數據的最短路徑選擇

基于通信網絡異常分析的船舶數據定位算法，通過篩選Chord查詢表格中，船舶數據的ID排列順序，完成定位船舶數據的最短路徑選擇[4]。當一個船舶數據的定位過程完成后，在該數據后的所有數據，都可以把初始查詢節點到目標查詢節點間的路徑，作為定位轉換路由跳點。

3實驗結果與分析

為驗證該新型算法的實用性價值，以新型算法作為實驗組，以普通算法作為對照組，設計對比實驗。

3.1數據位置定位準確性對比

數據位置的定位準確性，與LCQ指標保持反比關系，隨著LCQ指標的升高，數據位置的定位準確性不斷下降，反之上升。

3.2定位時間對比

定位相同數量船舶數據所用的時間對比情況。分析圖4可知，隨著船舶數據的不斷增加，實驗組定位時間先增加再減少，最大值僅為12.94s；對照組定位時間，隨著船舶數據的增加，也不斷增加，最大值為30.16s。所以，可證明利用基于通信網絡異常分析的船舶數據定位算法，能夠節省一半以上的船舶數據定位時間。

4結語

基于通信網絡異常分析的船舶數據定位算法，改善普通算法數據位置定位不準確的問題，且在此基礎上，大幅提升數據定位時間，具備極強的實用性價值。

參考文獻：

伊洋,劉育權,陳宇強,等.基于信息綜合判斷的智能變電站網絡通信故障定位技術研究[J].電力系統保護與控制,2016,44(3):135–140.

[1]王思韜,韓斌,蒲琪.基于移動通信數據分析的Elman神經網絡城市軌道交通客流預測[J].城市軌道交通研究,2017,20(9):69–73.

[2]徐敏,彭林,韓海韻,等.電力移動巡檢中基于區域劃分的無線傳感器安全通信及防泄密定位技術[J].電信科學,2016,32(2):158–163.

[3]張志鵬,李勇,曹一家,等.通信和電網聯合仿真的配電網局部異常因子故障辨識算法[J].電力系統自動化,2016,40(17):44–50.

作者：李君芳；吳雪毅 單位：漯河職業技術學院