数据通信特点范文1
关键词：数字图书馆；多媒体数据挖掘技术；研究分析
在当今信息时展中，世界逐渐进入到数字化、网络化的发展中，信息成为人们生活与工作中的重要部分。在获取信息方面，可以通过互联网络渠道检索出各自需要的信息。随之数字图书馆逐渐发展起来，在数字图书馆中，对信息的获取可以通过多媒体数据挖掘技术来获得。在数字图书馆中，如何更好的使用多媒体数据挖掘技术来获取文本信息、视频信息等是当今急需要解决的问题。
1 多媒体数据挖掘的相关概念以及内容
1.1 多媒体数据挖掘技术的概念
多媒体数据挖掘技术是一种智能化的技术，将以往的以信息存储为主的多媒体技术处理和管理模式转变为以知识获取为主的模式，多媒体数据属于非结构化或半结构化，其具有不同的特点，并且存在不同的表达方式。各媒体数据不仅可以独立表达信息，还可以共同表达相同事物的不同特点，共同表达事物的发展过程及结果。因此，在多媒体数据中，存在信息主体特点、属性，并且数据之间具有紧密的联系。因此，多媒体数据挖掘主要指的是在多媒体数据的内容特征前提下，通过多媒体技术将其数据中隐含的、有价值的可以理解的内容挖掘出来。
1.2 多媒体数据挖掘技术的内容
数字图书馆中的数据挖掘不能看作是简单的对数字图书馆信息的检索，其主要是对以文本信息为主的数据挖掘，换句话而言，是对图像、声音、视频、动画等为代表的连续媒体内容进行数据挖掘。由于多媒体数据中具有丰富多样的内容特点，需要对这些信息特征进行分析研究，对数据之间的关系以及模式进行提取，以便获取有价值的信息。
1.2.1 图像数据挖掘技术
数字图书馆中的图像数据种类繁多，其中包括图画、建筑物图、CAT扫描图、X线片、星球地图、天文物体图等。图像具有丰富的视觉与空间特性，其中视觉特性指的是颜色、性状、轮廓、纹理等特征，空间特性主要包括边缘探测、目标模式、边缘提取、模式识别等。图像数据挖掘需要从图像中提取能够代表以及区分该图像的内容特点信息，并且需要收集针对图像处理和数据挖掘的知识内容。当图像数据挖掘内容确定之后，需要对图像内容进行分析、分类以及检索等操作，对挖掘到的信息进行解释与表达，从而获取更深层的含义。
1.2.2 视频挖掘技术
视频主要是由各种各样的图像帧序列组成的，其可以使用全局或者局部特征来表达。通过视频处理技术将视频的属性进行分割与分类，从而取得视频结构模式，并且可以从视频中获得视频对象，对其运行动态进行跟踪。通过时间的特点分析视频之间的关联性，以便获取更深层的事件内容。
1.2.3 声音挖掘技术
声音挖掘主要对象是语音中的声音，通过对声音数字化的处理后可以得出音频。其中音频的挖掘主要通过两种方式来完成的。其一，使用语言知识识别技术将语音转变成文字，将音频挖掘改变成为文字挖掘。其二，通过直接法在音频中获取声音的特点，例如音调以及韵律、节奏等，通过聚类分析法对声音的模式进行分析，从而分析音频的基频、能量分布特点等，以便获取音频中的对象结构，提取出内在的信息与规律。
1.2.4 多媒体综合挖掘技术
多媒体数据挖掘与单媒体数据挖掘的主要区别在于，多媒体是一个集成的系统，各个媒体之间具有一定的联系，并且多媒体的有机复合效果远远优于单媒体的效果。另外，多媒体的挖掘主要是在挖掘数据的各个阶段以及环节中，综合利用多媒体的特点，从而发现数据内容中更深层的意义。
2 数字图书馆中多媒体数据挖掘技术的系统结构
2.1 多媒体数据库
在数字图书馆多媒体数据中，主要包括原始的数据库和元数据库。其中原始的数据库指的是原始的多媒体数据，例如各种图像、视频以及音频等数据信息。这些数据的媒体结构与元数据库中的描述具有紧密的关联性，可以通过可视化的方式进行表达和存取。元数据库指的是一种按照挖掘要求组成多维度、多层次以及多媒体的数据库。其能够有效的提高媒体数据挖掘的效率。
2.2 挖掘引擎
数字图书馆中多媒体数据挖掘引擎主要由一组快速的挖掘算法组成，其中涉及到数据的分类、关联分析、聚类、总结等方面。数字图书馆多媒体数据挖掘系统可以根据具体的应用情况，选择一个或者多个挖掘算法，对数据进行深入的挖掘。
2.3 数据预处理结构
数字图书馆中多媒体数据预处理结构主要是通过对多媒体数据进行结构化的处理，并对数据的特征进行提取。在图像数据预处理的过程中，需要对图像中的信息进行结构化处理，并对其进行分割研究。同时，在视频与音频信息处理过程中，均需要通过这种方式来处理。另外，在处理的过程中，需要对事件进行标记，对其叙事结构进行组织，并分析其语义的关联性。数据预处理结构主要是以元数据的形式将其记录在元数据库中。
2.4 用户挖掘数据接口
用户挖掘数据的接口主要是对挖掘结果进行解释和呈现的界面，可以为用户提供交互接口以及扩展的挖掘语言。根据多媒体的视频以及时空特点进行分析，数据挖掘出来的结果需要通过新型的表达方式呈现出来。例如可以通过导航式的知识开展与交互式的问题求解过程来呈现，并且可以为数据挖掘结果提供可视化的接口，方便用户的查询和了解。在数字化图书馆中，通过这种方式可以让用户更加便利的获取自己所需要的信息资源。
3 数字图书馆中多媒体数据挖掘技术分析
3.1 相似搜索技术
传统的数据库搜索方式主要是通过关键字、词的搜索来操作的。例如，在搜索图像的时候，通过图像的标题、关键字以及尺寸进行检索。这些搜索均可以通过人工描述其信息特点，并将其信息特点提交给搜索引擎，以便更好的查找所需要的资源。但是这种搜索方式所产生的结果质量较差，这种检索方式没有统一的标准。目前基于内容的搜索方式就是在这种背景下提出来的，其主要是通过视觉的特征来标引图像，并根据图像的特征进行相似性检索。这种检索方式能够符合各种信息的检索，其具有较好的检索效果。
3.2 关联挖掘技术
数字图书馆中的信息和数据涉及到各个方面，其中图像、视频、音频等数据库中涵盖到多媒体数据对象的关联规则有以下几个方面。其一，图像内容与非图像内容之间的关系，视频内容与非视频内容之间的关系，音频内容与非音频内容之间的关系等。其关联规则主要需要根据颜色、语调、尺寸、纹理等方面进行分析，例如，在一张图中，上半部分50%以上均为蓝色，那么很有可能是表示天空。这些关联的规则与知识库具有较大的联系。其二，与空间关系无关的内容关联性。例如，在一张图片中，有两个蓝色的圆形，对其进行推测可以看出很有可能在图片中还存在一个红色的正方形，同时，在大多数知名品牌的商标中，通常会出现各种特殊的图案。通过这种思维模式的推测，可以分析内容的关联性。其三，与空间有关的内容关联性。例如，在一张图片中出现一个红色的长方形，并且是处于两个黄色的正方形之间，那么在下方很有可能会存在一个大的椭圆形对象，这种关联性就是与空间有关。要想在多媒体数据挖掘技术中挖掘出数据之间的关联性，就需要将每个对象或者局部看成是一个整体，并从中寻找出不同对象出现的频率，其中数据库的关联与挖掘具有独特的特点。首先，对象中包含有多个层面的信息，每个信息具有较多的特点，对这些特点进行分析，可以寻找出信息之间的关联性。在通常情况下，两个挖掘对象之间的某个特点会在一个特定的分辨率级别上出现相同的现象，但是在细致的分辨率情况下，就会出现细微的不同。这种多级分辨率挖掘的方法可以有效的减少总体挖掘成本，在不损失数据挖掘效果的前提下，能够有效的确保数据的完整性与可靠性。其次，在挖掘对象中，具有多个重复的信息，针对这一特性，可以对挖掘对象进行关联性分析。再次，在多媒体数据挖掘对象之间，通常会存在比较重要的空间联系，包括上下之间的联系，左右之间的联系等。这些特征在挖掘对象关联性的时候可以起到非常重要的作用。
3.3 多维分析
多维分析指的是多媒体数据通过组成立方体的数据库来分析的，具有多维性特点。其多维内容包括：图像的尺寸以及视频的节数、图像与视频的网络状况、视频与图像建立的时间等。这些多维层面的内涵可以根据实际情况自行定义，多维的建立与分析有利于多媒体数据挖掘技术在视频内容以及图像方面进行深入的分析。但是在进行多维分析的时候，需要考虑到维数建立的问题，由于维数较大的数据立方体建立起来比较困难，因此需要制定出更便利的建立方案，以便为多维分析提供前提依据。
3.4 多媒体数据的表达方式
在数据挖掘技术的发展过程中，其底层多媒体数据的表达以及相关规定的重要性逐渐突显出来。随之多媒体内容描述的相关接口研发出来，之后又提出来一种多媒体内容的标准化描述方案，这种方案能够适用于现实生活的各个方面。通过对描述对象的各个特征进行提取，并在此前提下，对数据挖掘技术中的数据库、知识库以及挖掘引擎等进行设计与建设，并为其提供相关的依据。在多媒体数据描述方案中，对多媒体数据挖掘技术的定义比较广泛，其主要涉及到图像、表格、音频以及视频等方面，同时对人的情感色彩、事物的发生过程、人的价值取向等进行分析。并且通过各种元素的相互结合，组成标准的多媒体演示。其中标准的描述集合与描述定义语言主要是用来描述各种类型的多媒体数据，并根据相关指定要求形成各种描述方案。
4 结语
在当今信息、网络等技术的发展过程中，图书馆逐渐进入到数字化、信息化发展模式中，在数字图书馆中，需要通过多媒体数据挖掘技术对信息资源进行索取，为用户提供更加便捷、人性化的搜索模式，以便提高信息获取的效率。在多媒体数据挖掘技术中，还需要对各种技术与方法进行优化与完善，以便为用户提供更加优质的服务。
参考文献
[1]吉根林。Web挖掘技术研究[J].计算机工程，2012，14（1）：25。
[2]郑美英。新世纪对数字图书馆建设的要求[J].厦门科技，2011，12（3）：64。
数据通信特点范文2
关键词：无线传感器网络； 数据冗余； 数据压缩算法
中图分类号：TP393 文献标识码：A[HT5”H]文章编号：2095-2163（2013）05-0028-03
0引言
传感器节点是一个配备了无线电收发器、微控制器、能量源的信息接收处理单元。因为体积小，同时考虑到成本问题，传感器节点受到有限的带宽、电量和计算能力的限制。对于大规模部署无线传感器节点的网络来说，如何提高节点的能量效率，延长整个WSN寿命是需要解决的首要问题[1]。
对于监测区域内的传感器节点来说，其数据采集行为往往具有：同一个信号可能被不同传感器捕获；对于多维度信息采集，多个传感器的并行采集数据能够形成互补等特点，这些都容易产生冗余数据[2]。
1数据冗余
1.1时间冗余
时间冗余来自于提高精度传感器节点的读数和在传感和通信时承受瞬时故障。时间冗余的应用较为复杂，主要用于无线传感器网络的环境参数频繁变动的场景，传感器节点通过发送连续多个采集报告以提高数据置信水平，这种类型的冗余通常是在视频监视和多代支持基于特定的数据压缩技术的编解码器等应用中采用。时间冗余可以分为：时间感知冗余、时间通信冗余。
1.2空间冗余
空间冗余来自于传感器网络中某个特定地理区域内，多个传感器节点采集的信息出现重叠现象。这种空间冗余产生的目的，主要是为了提供容错或提高测量数据的可靠性以达到一定的安全水平。
空间冗余几乎在任何一个传感器网络部署时都会发生，因为在无线传感器网络的应用中通常需要密集部署节点以保证网络的连通性。从覆盖问题的角度来说，空间冗余可以划分为物理冗余和分析冗余，具体分析如下。
物理冗余是一种非常普遍的技术，通过节点在某一区域的高密度部署用于保证系统的可靠性，尤其是考虑到网络受到安全威胁时，这种冗余非常有必要。当然，由于节点之间距离过近，易造成节点采集的数据具有一定的相似性，而这些数据的产生在无线信道传输过程中无疑会消耗大量的节点能量，因此，需要通过一定的数据融合方法来降低数据冗余度，以节约资源。
分析冗余则是指通过一定的数学模型根据历史监测数据推导出的预估测量值，用于与节点发送过来的实际测量值进行比较，目的是获取出现故障或恶意攻击的节点。通常，当节点数量过多或者数据模型过于复杂时，分析冗余的计算代价太大，[JP2]另外，分析冗余产生的冗余数据与真实的数据本身不一定能完全契合，因此，这种冗余只出现在较少的应用中。
1.3信息冗余
信息冗余则主要是用于信息表示方法上对冗余数据的描述，常常定义为使用冗余数据（例如，特殊bit）来重新构造丢失的信息。因此，信息冗余意味着额外的信息是用来检测和从故障中恢复。奇偶校验位附加到数据块，使误差检测即可以视为一个实例信息冗余。另一个例子是信息冗余擦除码，都是通过使用的信息冗余，无需重传机制即可构造出原始消息。
2数据压缩算法
大量原始数据转发到基站的路途中将很快耗尽所经过节点的能量，导致传感器网络死亡，为了减少数据传输过程的数据量，从而节省网络能量，延长网络生命周期，很多专家学者提出，通过节点间的协作对传感器网络采集到的数据进行网内处理，也就是适当地采用数据压缩方法，使得数据量减少[3]。
2.1数据压缩方法分类
对观测数据的压缩处理，可在传感器节点和基站两端分别采用压缩和解压缩技术。在数据发送前提高编码效率，或者是根据不同应用需求（例如图像特征的信息，直接处理非常复杂）对信息进行数据变换，实现发送数据前的压缩操作。基站收到数据后再进行解压缩，降低传输过程中大量冗余数据造成的能量损耗。
常见的数据压缩方法有：
（1） 压缩编码。按照特定的编码机制利用较少的数据位元（或者其他信息相关的单位）表示信息，从压缩结果来看可以分为有损压缩和无损压缩，由于传感器采集的多数为模拟信息，所以主要采用有损压缩算法。而针对不同的传感器数据特征又可以采用标量数据压缩算法或者矢量数据压缩算法，并根据不同的数据类别选择对应的数据压缩算法。
（2） 汇聚节点处融合。对于覆盖范围较大的传感器网络，源节点到基站之间的数据转发采用多跳方式比点对点直接通信更能节省能耗。转发路径上的节点作为汇聚节点，可以在不丢失信息的前提下通过排序编码丢弃部分于汇聚节点汇合的数据，实现数据压缩。
（3） 依据数据空间相关性。地理位置相邻的传感器节点收集到的数据存在相关性，在多个节点中选取一个有代表性的节点数据，将其完整地发送至基站，而其他节点的数据提取出偏差部分并压缩后发送，基站最后通过压缩数据和未压缩数据之间的相关性进行解压缩来重构得到原始数据。
（4） 依据数据时间相关性。单个传感器节点收集到的数据在时间上可能是相关的，使用例如小波变换等信号处理办法来去除其中的冗余信息，并在保持信号的统计特性的基础上实现数据压缩的目的。
2.2典型的数据压缩算法
数据通信特点范文3
物联网技术已成为国际备受关注的前沿热点研究领域，ZigBee技术具有低功耗、高度可扩展性、低成本、易组网等特点，已成为短距离物联网技术发展的一条主线。构建了一个基于ZigBee无线网络的物联网实验平台，设计协调器节点、路由节点和终端节点，移植并修改Miracl大数运算库，成功实现RC5和AES等数据加密算法，实现数据的可靠性传输。最后，设计了上位机监控软件，在接收到数据帧后能够进行解析、存储等操作，实时地查看网络节点的运行状态和较直观地显示监测区域的采集信息。
关键词：
物联网；CortexM3；ZigBee协议；传感器；监控软件
随着科技进步与网络的发展，物联网技术已成为全球关注的焦点并应用于多个领域，这为实现物联网的数据共享和安全等服务提供了技术保障。本文设计构建了一个基于ZigBee无线网络的物联网实验平台，深入研究物联网的数据采集与信息传输技术。
1网络节点的软硬件设计
在搭建物联网实验平台时，根据网络节点在网络中的任务特点设计了三种类型的网络节点，即终端节点（又称传感器节点）、路由节点和协调器节点。三种节点相互通信协作，共同完成数据的信息化处理。
1.1网络节点的结构设计网络节点一般由传感器模块、微处理器模块、无线通信模块、能量供应等模块构成（路由节点和协调节点可没有传感器模块）。该硬件平台的网络节点采用TI公司CortexM3核的LM3S811，LM3S1138和LM3S9B96作为节点微控制器。无线收发模块是由CC2420芯片和相应的外部元器件封装而成。
1.2网络节点的软件设计网络节点的软件设计框架如图1所示。软件底层采用的是μC/OSⅡ操作系统。节点软件的操作系统之上为ZigBee协议栈，通过这个协议栈实现树簇的网络结构。在网络节点的软件设计中，整个工程创建了多个用户文件夹，分类存储程序源文件。其中μC/OSⅡ的文件夹中存放的是μC/OSⅡ操作系统源码相关文件，Stack文件夹中是有关MsstatePAN协议栈的源码等相关文件，Target文件夹中是程序目标代码，Middleware文件夹中是一些中间件的代码，主要包括微控制器外部接口的代码实现等。LM3SDriverLib是TI公司提供的针对CortexM3系列微控制器的驱动库[1]。
1.3通信协议帧设计在建设过程中，为了方便其他设备对信息的识别和统一整个监控网络的数据帧的格式，自定义用户数据帧格式，具体数据位定义如图2所示。需要注意的是，接口数据是以ASCII码形式传送的，一个字节型的整数需要两个ASCII码表示，因此以上数据都要转换成字符串的形式，按照用户自定义的数据帧与上位机PC进行数据通信。在组网过程中，根据用户数据帧协议的约定，定义了3个特殊的数据帧提供给各节点，用于向上位机汇报组网状态。
2ZigBee无线网络的信息传输
ZigBee是一种面向自动控制的低传输率、低功耗、低价格、近距离的双向无线网络通信技术，基础是IEEE802.15.4，其三个工作频段2.4GHz，915MHz和868MHz是完全免费开放的。ZigBee的传输范围依赖于输出功率和信道环境，网络节点间的传输距离可以从标准的75m扩展到几百米，甚至于几千米。
2.1ZigBee网络的技术特点与WiFi，Bluetooth，GPRS/GSM相比，ZigBee网络具有成本低、体积较小、功耗低、易于扩展、感应性强等特点，适用于控制节点较多、传输量不大、覆盖面相对较广以及造价成本比较低的无线网络应用系统中[23]。
2.2ZigBee网络节点的拓扑结构根据ZigBee网络中设备的功能不同，IEEE802.15.4把ZigBee网络中的设备分为全功能设备（FullFunctionDevice，FFD）和精简功能设备（ReducedFunctionDevice，RFD）。根据设备在网络中承担的任务不同，ZigBee网络中的节点分为三种类型，即协调器节点ZC（ZigBeeCoordinator），路由节点ZR（ZigBeeRouter）和终端节点ZE（ZigBeeEndDevice）[4]。ZigBee以一个独立的工作节点为依托，通过无线通信组成星状、串（树）状、网状等网络拓扑结构。
2.3ZigBee协议栈框架完整的ZigBee协议栈由应用层、应用支持层、网络层、数据链路、媒体接入层（MAC）和物理层（PHY）组成，协议栈中的每层都含有特定的功能和服务。中间层都为其上一层提供一系列特定的服务，其中每层的数据实体提供相对应的数据传输服务，管理实体负责其他配套服务。每层的服务实体通过相应接口与上一层进行数据交换，为上层提供数据传输服务。
2.4MsstatePAN协议栈的移植采用硬件平台的收发功能主要通过CortexM3系列微控制器控制CC2420模块实现，选用原PIC微控制器+CC2420的协议栈为模板。在对MsstatePAN协议栈的结构与工作机制大致了解的基础上，修改硬件平台有关驱动，顺利在Keil和IAR的开发平台上将MsstatePAN协议栈移植到了LM3S811，LM3S1138，LM3S4749，LM3S9B96等同系列目标开发板上。LM3S811/9B96微控制器使用串口进行通信，需充分利用其提供的UART驱动函数，在程序中只需对UART硬件资源进行简单配置和初始化，就能实现数据的传输。
3物联网的前端数据采集
本节主要介绍DS18B20温度传感器、SHT11温湿度传感器、MMA7260三维加速度传感器、TSL230光频转换器和RFID等模块。3.1DS18B20温度传感器DS18B20是美国Dallas半导体公司推出的一款支持“单总线”控制接口的温度传感器[5]。该传感器温度采集转化后得到的12位数据存储内部的两个8位高速暂存器RAM，RAM中的第一个字节存放测量温度数据的低8位，第二个字节存放数据的高8位。利用DS18B20特有的控制命令集进行操作，将数据正确读入到微控制器，命令集分为ROM操作命令集和内存操作命令集。设计中，基于TI的LM3S811/1138微控制器采用C语言程序来实现对DS18B20的操作，芯片采用默认的12位采集数据模式，转换的时间一般低于750μs。实践表明，单总线方式的温度传感器DS18B20具有控制简单、易于扩展和成本低等优点。同时，利用微控制器读取传感器数据的程序相对比较简单，读取的温度值也相对比较精确。
3.2SHT11温湿度传感器SHT11是瑞士Sensirion公司推出的一款含有已校准数字信号输出的温湿度复合传感器。该传感器内部的测湿元件、测温元件将监控区域的湿度和温度转换成相对应的电信号，同时将产生的电信号输入到信号放大器中，然后将放大的模拟电信号输送至内部的A/D转换器，转化数据存储在内部的寄存器中。传感器经过二根I/O数据线与微控制器进行通信，并将转换数据发送出去。传感器通过两线串行接口和微控制器LM3S811/1138相连接，采用普通I/O与传感器模块相连，模拟SHT11芯片能识别的时钟信号，并通过DATA数据线直接获取采集数据，无需额外A/D转换电路，大大简化了传感器和微控制器之间的硬件连接。
3.3TSL230光频转换模块TSL230使用硅光二极管测量光照强度，具有响应快、稳定性好等特点，广泛应用于照相机曝光控制、舞台灯光检测、医学光照诊断等领域。内部由光强采集、光/频转换、频率信号处理三部分组成，外部由8引脚PDIP封装。
3.4MMA7260三维加速度传感器采用LQMMA7260模块检测物体的运动状态。可以通过其本身提供的休眠模式来降低芯片功耗。具体方法为待传感器数据采集完毕后，通过SLEEP引脚来控制MMA7260是否进入休眠，当SLEEP引脚接到低电平信号时，传感器进入休眠模式，此时电流为3μA；当SLEEP接到高电平信号时，传感器便恢复工作。采用LQMMA7260模块与LM3S811微控制器进行连接，模块的三路电压分别与微控制器的A/D转换输入引脚相连，并采用ADC多通道采样的方法对三路模拟数据进行模/数转换。
3.5校园一卡通的信息采集设计一款读卡器可以快速准确地读取校园一卡通编号。读卡模块采用AKRFMOD05CD芯片，读卡器模块将采集的卡片信息按照Wiegand数据协议标准传输，通过WD0和WD1引脚进行输出。微控制器LM3S1138通过两个I/O引脚对数据进行接收，其接口电路如图3所示。读卡器模块的数据输出引脚WD0和微控制器的PB0相连，WD1和PB1相连。程序开始后，初始化PB0和PB1两引脚为输入方式，并设置为下降沿的中断触发，当两根线上有低电平出现时，进入相应的中断服务程序中接收Wiegan数据。在中断服务程序中判断触发中断的引脚编号和传输数据，同时将数据存储在用户开辟的数据缓冲区中。使用数字式示波器对读卡器的DATA0和DATA1线在协议位给出高电平时的波形图进行截取和分析，读卡器模块选择Wiegand26协议，将一张校园卡放置在读卡器上，其中上侧为WD0输出信号线波形图，下侧波形为WD1输出信号线波形图，与韦根协议理论波形对比，得出该卡的Wiegand26数据为“00000110100010010100110111”，数据波形与微控制器采集的数据保持一致。
4信息的加密传输
数据加密的本质就是对明文（文件或数据）按照预定的方法进行特殊处理，使其变为无法进行直接可读的一段代码或乱码数据。针对加入网络的节点，系统需要对申请入网的节点进行一个比较严格的入网认证。在网络的数据传输过程中，传输数据需要经过高强度密码算法进行加密处理，防止私有数据的窃听，保证数据的可靠性传输[6]。
4.1信息通信的数据加密一般数据加密可通过无线通信网络中的三个层次来实现，分别为链路加密、节点加密和端到端加密。链路加密要求网络节点之间的数据通信中的数据必须是不可读数据，包括路由信息、目的地址等数据。节点加密算法的操作方式与链路加密大体一致，在ZigBee通信链路上为传输的数据帧提供安全保障。在整个ZigBee网络数据通信过程中，端到端加密又称脱线加密或包加密，用户可以自行设计一些加密算法对数据帧中的负载数据进行加密，只有当目的网络节点接收数据帧时，才通知本节点的上次去解密数据帧。
4.2常用的无线传感网数据加密算法Miracl库是ShamusSoftwareLtd开发的一个基于大数运算的函数库，是编写密码安全方面的程序所必备的一个算法模板库，是当前应用比较广泛的基于公钥加密算法实现的大数库之一。RC5是由RSA公司的Rivest于1994年提出的一种新型的分组加密算法。结合TI公司的ARMCortexM3系列微控制器的特点，由于该类型微控制器的存储字长为32位，特设置该RC5算法的三个参数可定义为：字长为32位，加密轮数为12轮，密钥长度为16B，可用符号表示为RC532/12/16。在加密系统中，首先创建密钥组，在创建完密钥组后，开始对明文数据进行加密。针对AES加解密算法，利用Miracl开源库中的相关函数，编写适应于微控制器的特定程序。其中节点进行AES加解密数据流程如图4所示。
5上位机监控软件开发
5.1监控软件总体设计该监控软件采用VisualStudio系统平台进行开发，利用现代计算机技术、数据通信技术、图形学等技术，将分布于监控区域的各类设备的运行参数和采集信息以文字、图形、图像等形式展示给用户，实现监控软件的可视化控制，实现对远程ZigBee网络节点设备的自动化控制。本系统监控软件的框架设计模型如图5所示。
5.2监控软件与协调器节点的数据通信采用标准串口和USB两种通信模式实现微控制器与监控软件的数据通信。为了较好地完成串口通信任务，LM3S811/1138/9B96微控制器可以利用TI公司提供的驱动库配置UART资源，然后通过调用UARTCharPut和UARTCharGet等函数来实现下位机串口数据的收发。上位机监控软件利用多线程串口编程工具CserialPort类进行开发，CserialPort是由RemonSpekeijse编写的免费串口类，其内部函数完全透明，并允许对相关类的内容进行改造、补充和完善等[7]，其内部重要函数如表1所示。本文对CserialPort进行修改，以满足系统的整体需求。程序设计中需要创建一个监视线程负责监视可用串口产生的各种信息。读/写串口操作需要WaitCommEvent和WaitForMultipleObjects等函数配合监视线程共同完成。一个典型的USB应用系统由USB设备、USB主机和USB电缆组成。在本课题中，协调器节点是USB设备，USB主机则是具有USB接口的计算机。上位机监控软件的USB数据通信需要调用TI公司提供的动态链接库LMUSB.dll，程序可以采用显式链接和隐式链接两种方式调用LMUSB.dll动态链接库。在USB接口程序的设计中，首先利用设备管理器查看具有USB硬件资源的协调器节点的PID，VID和GUID等相关信息，然后加载动态链接库LMUSB.dll。程序通过调用InitializeDevice函数初始化协调器节点设备，待初始化成功后，监控软件创建接收数据线程，线程中调用ReadUSBPacket（）函数去接收协调器节点设备发送的数据帧。在使用完USB设备后，需要通过调用TerminateDevice函数释放USB设备。待完成数据通信以后，上位机软件需要创建专门的线程用于接收协调器节点传输的数据帧。然后根据自定义的数据帧格式，编写专门的函数对接收的数据帧进行解析，然后将数据分类存储在相对应节点设备的结构体中。用户可以自定义网络节点数据帧发送周期，监控软件根据预先设定的周期内是否收到该节点的数据帧去判断其在网络中的组网状态。
5.3绘图模块本节中将部分终端节点采集的信息以曲线等形式显示出来。本软件选用TeeChartPro作为图表、图形控件，它和VisualStudio平台具有较好的兼容性。它提供了上百种2D和3D图形风格、40余种数学统计功能以及20余种图标操作工具等，图6为添加TeeChart控件类的步骤图。5.4ZigBee组网功能测试在整个测试过程中，终端节点负责采集检测区域的数据，并按照自定义的数据帧格式进行封装，然后发送至协调器节点；协调器节点主要负责创建和维护网络，并将收集的帧发送至上位机监控软件。监控软件能够对各个网络节点的组网状态进行有效判断，路由节点和终端节点可以根据实际需要定时地向协调器节点发出成功组网状态标志数据帧。本节选用LM3S9B96作为微控制器的网络节点，或者整个测试网络的协调器节点，以LM3S811/1138作为微控制器的网络节点，终端节点或者路由节点。对协调器节点建立网络的过程、终端节点加入网络的过程、树型拓扑网络系统进行了检测，选择树型拓扑网络系统测试进行详细说明。当协调器节点组建网络，把编写好的路由节点程序下载到编号为一号和二号的路由器节点上，然后逐个按下开发板上的Reset按键，等待其加入网络。如果路由器节点成功组网后，并向协调器节点发送路由器成功组网标志数据帧，监控软件接收到该数据帧后，该路由节点设备相对应的组网图标为绿色（红色表示未加入网络）；然后依次上电复位编号为1~5的传感器采集节点，待节点成功加入网络后，监控软件根据相关数据形成检测ZigBee网络拓扑图。根据形成的网络拓扑图可知，共计有1个协调器节点、2个路由器节点、5个终端节点共同组成此时的ZigBee监控网络。
6结论
数据通信特点范文4
关键词：水情自动测报系统;北斗卫星;通信技术;监控中心
中图分类号： C35 文献标识码： A
1 北斗卫星通信系统特点及建设目标
北斗卫星通信系统凭借自身特点，解决了卫星测报系统存在的缺陷，能满足水情自动测报的需求。北斗卫星通信系统具有速度快、支持多用户等特点，与水情自动测报系统所要求的特性正好可以吻合。它的短通信功能完全符合短数据、大容量信息传输的要求，受雨衰引起的损耗及噪声的影响都非常小。
工程项目水情、墒情测报系统是一个水情、墒情数据自动采集、传输、接收处理及时的实时测报系统，其系统功能应符合水利部《水文自动测报系统规范》(以下简称规范)的要求，功能如下：系统在暴雨、洪水等恶劣条件下也能够进行工作，设备可靠性要达到设计要求。系统中各设备应符合结构简单、可靠、低耗的原则，并要有防雷措施，遥测站要在无人的条件下工作。遥测站能在环境温度C10~45℃及相对湿度 90%。遥测站能自动采集实时水情数据并自动定时将水情、流量、墒情数据发送至中心站，数据精度应满足《规范》要求。中心站后台微机实时接收水情、流量、墒情数据，并对这些数据进行检索、修改、显示、打印。当电网断电时，数据处理设备仍能连续工作 4 h 以上
2 基于北斗卫星通信技术的水情自动测报系统
基于北斗卫星通信技术的水情自动测报系统由北斗卫星水情自动测报站、北斗卫星通信链路和监控中心组成。
2.1 北斗卫星水情自动测报站
北斗卫星水情自动测报站由北斗通信模块、遥测终端机、前端传感器、电源等组成。北斗卫星水情自动测报站与监控中心采取点对点方式传输，定时向监控中心发送位置信息，在紧急情况下及时的向监控中心发送水情数据。
2.1.1 北斗通信模块
北斗通信模块选用北斗卫星用户终端。用户终端天线设备和主机设备体积都很小，操作方便，安装维护也简便易行。用户终端整机功耗小，其发射机理为瞬间突发，使终端的功率消耗得到有效地控制，对工作环境恶劣的野外测站而言具有很好的实用性。
2.1.2 遥测终端机
遥测终端机可连接多种传感器，支持多种通信方式，如北斗卫星、GSM/GPRS等。保证在无人值守情况下长期稳定地运行。灵活配置的模块化结构能适应各种不同的需求，为各级部门的防汛决策提供了及时、有效的水情信息。
2.1.3 前端传感器
前端传感器包括水位传感器、雨量传感器、流量传感器、水质传感器等各种传感器。
2.1.4 电源
电源采用密封免维护蓄电池，选用太阳能板浮充。水情自动测报站的遥测终端机具备一个可控的电源输出，可控制蓄电池电压的输出与切断。遥测终端机在野外采用蓄电池、太阳能板充电。为减少遥测站的功耗，在发送完数据后，将切断卫星用户终端的电源。仅在满足发射条件的情况下开启，并发送数据。由于采用了节省功耗的工作模式，可以满足全年7@24h不间断供电的要求。
2.2 北斗卫星通信链路
北斗卫星通信链路由北斗卫星、北斗卫星网管中心组成。主要功能是将对所有水情自动测报站发送的水情数据进行备份，可登录到北斗网管中心下载相应的水情数据。
2.3 北斗卫星监控中心
北斗卫星监控中心由卫星指挥型终端、数据接收服务器、数据应用服务器、水情数据库等组成。监控中心是系统数据的汇合点和控制中心，具有控制系统运行方式与过程的功能。
2.3.1 卫星接收终端
北斗卫星指挥型终端除了具有普通用户机功能外，同时监收下辖用户机的定位和通信信息，并可以向下属用户机发送通播信息。特有功能如下：(1)兼收功能。可同时兼收500个用户，包括用户的所有通信及定位情况。（2）内置电池。内置大容量锂电池，在断电情况下仍可持续使用，保证指挥机运行稳定。（3）大数据处理能力。指挥机硬件配置高，采用高性能处理单元，处理能力远远高于普通终端，可同时处理100多条数据。（4）全信道锁定。可以同时锁定北斗系统全部6个信道，普通终端只能锁定2个。全信道锁定可大大增强通信的成功率，保证在任何一个信道上的数据都可接收至指挥机。（5）通播功能。可向下辖用户发送通播信息，发送一条通播数据后所有下辖都可以同时接收。
2.3.2 数据接收服务器
数据接收服务器从2个信道进行接收。第1信道:互联网。数据通过互联网进行传输，数据接收服务器通过TCP/IP协议和北斗网管中心建立稳定连接，实时接收野外站点传输的数据。第2信道：卫星系统。通过北斗卫星系统实时地将数据发送到数据接收服务器，数据接收服务器通过RS232协议接收数据。
2.3.3 水情数据库
数据接收服务器接收到数据之后对数据进行解压缩、解码、分析入库处理，将水雨情数据写入实时水情数据库，提供给数据应用服务器分析使用。
2.4 北斗卫星软件设计
2.4.1 北斗卫星测站控制软件
北斗卫星监控中心与北斗卫星水情自动测站构成一点对多点的传输模式。北斗卫星水情自动测报站将本地水情数据发送到北斗卫星监控中心，由监控中心发送相应的回执确认信息，北斗卫星水情自动测报站根据不同的回执采取相应的行动，或自动转入休眠或重新发送水情数据。
2.4.2 北斗卫星信息处理软件北斗卫星信息处理软件的功能是接收北斗卫星传送的数据，将数据进行相应的处理后进行发送。
2.5 北斗卫星通信机制设计
采用北斗卫星与遥测终端机连接，主要解决通信频度控制策略、信息格式设计的问题。
2.5.1 通信频度控制策略
由于北斗卫星短信单次收费标准高于移动短信收费标准的5倍以上，因此，一般不采用与移动短信通信遥测站相同的发送策略。水雨情数据只在必要时发送。根据北斗卫星通信费用较高(015元/次)的特点，一般设置发送间隔为1次/h，如无变化(不下雨)时不发送数据。每天08B00无条件发送平安报，作为与接收(分)中心之间的/心跳0信号。
2.5.2 信息格式设计
北斗卫星单条短信字节数分为A、B、C三档，对应的字节长度分别为43， 70， 98字节。其收费标准相差较大，分别为015， 018， 110元。另外，北斗卫星运营商还提供包年的收费方式。在满足应用要求的前提下，合理设计，尽可能降低费率。综合考虑包年方式以及实际需求，系统中北斗短信采用98字节长度。
3 北斗卫星水情自动测报站通信畅通率应用实验
为了验证基于北斗卫星的水情自动测报技术的工作性能，选取了温州市已建成的19个北斗卫星水情自动测报站点，设定数据向位于监控中心的北斗卫星指挥型终端发送。19个北斗卫星水情自动测报站均设置为15 min定时自报，中心站72 h (2013年1月16)18日)接收。实验证明，19个北斗卫星水情自动测报站的平均畅通率达到97199%，满足了设计要求。
4结束语
综上所述，北斗卫星的水情自动测报站点的建立，弥补了移动信号覆盖范围不全的缺陷，为水利部门掌握全流域的水雨情数据提供了有力的技术支持。
参考文献：
数据通信特点范文5
关键词： 网络不稳定节点； 输出信号； 动态特征挖掘； 经验模态分解
中图分类号： TN711?34； TP181 文献标识码： A 文章编号： 1004?373X（2017）03?0019?04
Model for dynamic feature mining of network unstable nodes
LIU Fei
（Modern Educational Technology Center， The National Police University for Criminal Justice， Baoding 071000， China）
Abstract： In order to improve the location and detection accuracy of the network unstable nodes， a network unstable nodes′ dynamic feature mining model based on empirical mode decomposition and power spectral density feature extraction is proposed. The empirical mode decomposition is performed for output signals of the network unstable nodes to decompose the dynamic signal of a complex network unstable node into the sum of several IMF components. The power spectral density feature of the decomposed signal is extracted to mine the dynamic features of the network unstable nodes. The simulation results show that the mining model can accurately realize the output signal parameter estimation and dynamic feature extraction of the unstable nodes， has high feature mining accuracy， and can locate and recognize the unstable nodes better.
Keywords： network unstable node； output signal； dynamic feature mining； empirical mode decomposition
0 引 言
S着无线通信网络技术的发展，网络组网的形式发生变化，采用无线传感器网络或者物联网进行无线通信组网，实现数据传输和通信成为未来网络发展的一个重要方向[1?2]。网络节点是实现数据信号采集、收发和通信的重要组成元素，当网络节点不稳定或者发生故障时，将会导致网络中断和数据误码。
为了提高对网络不稳定节点的定位和检测精度，提出基于经验模态分解和功率谱密度特征提取的网络不稳定节点的动态特征挖掘模型，结果表明，该模型能准确实现对不稳定节点输出信号的参量估计和动态特征提取，特征挖掘精度高。
1 网络节点传输信道模型与信号分析
1.1 无线传输网络节点分布信道建模
无线通信网络信道是一个扩展信道，采用多输入多输出的MIMO多径信道传播模式，无线网络节点的数据传输信道为带宽受限信道[3]，具有多径传播特性，容易受到串扰和电磁振荡，导致节点失稳。在无线通信网络中，信道的多径结构取决于无线通信网络节点的信道传播损失和衰减。
假设无线网络的通信节点由[N=2P]个阵元组成，径向距离为[d，]无线通信网络中通信数据的接收模型为：
[xm（t）=i=1Isi（t）ejφmi+nm（t），-p+1≤m≤p] （1）
式中：[si（t）]为无线网络第[i]个节点的接收信号波形；[xm（t）]为多径分布结构下第[m]个不稳定节点输出的数据。由此构建无线通信网络的信道特征响应模型描述为：[ht=iaitejθitδt-iTs] （2）
式中：[θit]表示任意点[p]的相位偏移，通信数据扩展时窗口的宽度为[T。]
在无线通信网络的第[i]个阵元中，假设两个节点之间的坐标为[（xs，ys）]，用一个二元有向图[G=（V，E）]表示不稳定节点的信道扩展损失，得到不稳定节点传输信道的特征时间尺度：
[x（t）=[x-P+1（t），x-P+2（t），…，xP（t）]TN×1] （3）
[s（t）=[s1（t），s2（t），…sI（t）]TI×1] （4）
式中：[P]为无线网络的幅值调制；[I]为无线通信网络节点的阵元个数。
节点的不稳定性导致网络中传输信号数据产生振荡，得到传输信号的局部时间尺度：
[c（τ，t）=nan（t）e-j2πfcτn（t）δ（t-τn（t））] （5）
式中：[an（t）]是第[n]条路径上无线通信网络的窄带带宽；[τn（t）]为第[n]个输出信号的时间延迟。
不稳定节点传输信号的信息融合动态方程为：
[F（xi）=xi=j∈s， j≠ixjrj（x）pij（x）-j∈s， j≠ixiri（x）pji（x）=j∈sxjrj（x）pij（x）-xiri（x）] （6）
式中：[rj（x）]为网络不稳定节点的信息融合误差；[xi]为幅值。
1.2 网络不稳定节点输出信号的分解
对网络不稳定节点输出信号进行经验模态分解，将一个复杂的动态信号分解成若干个IMF分量之和，发射信号为[f（t），]在网络客户端接收到的信号模型为[g（t），]不稳定节点进行信号传输的时延[τ]为时间[t]的函数：
[τ（t）=2R（t）c-v=2R0c-v-2vc-vt] （7）
式中：[c]为动态特征到达融合中心的多普勒频移。
通过调整网络的不稳定节点的反射增益，采用双曲调频母小波进行多尺度分解，得到传输信号模型为：
[ΦH（t）=A（t）exp[jθ（t）]=A（t）exp-j2πKln1-tt0] （8）
在不稳定节点动态特征感知过程中，无线通信网络受到不确定干扰向量的影响，单位时间内进行不稳定节点动态特征感知的采样，得到接收信号[r（t）]和经验模态函数[ΦHa（t）]的时间离散形式为：
[r=r（0），r（1），…，r（N-1）T] （9）
对不稳定节点的输出信号进行多普勒容限提升，采用自适应匹配滤波器进行传输信号的检测，检测器设计为：
[maxa，τ0Tr（t）1af*（t-τa）dt=maxa，τWfr（a，τ）] （10）
网络不稳定节点的输出信号采用经验模态分解挖掘信号数据中的振荡模式，得到振荡序列[g=][g（0），g（1），…，g（N-1）T，]对输出信号进行经验模态分解，将一个复杂的动态信号分解成若干个经验模态IMF分量之和：
[x（t）=i=1nci+rn] （11）
式中：[ci]为IMF分量；[rn]代表残余函数。
2 模型的具体实现
2.1 不稳定节点输出信号的功率谱密度特征提取
设无线网络不稳定节点输出信号的标量时间序列为[x（t），][t=0，1，2，…，n-1]，采用局部特征尺度分解，输出信号的时间序列描述为[4]：
[u=[u1，u2，…，uN]∈RmN] （12）
采用时频特征分解进行传输数据自适应特征匹配，求得动态特征挖掘最大梯度差为：
[AVGx=1m×nx=1ny=1mGx（x，y）] （13）
式中：[m，n]是向量量化自相关系数。
对输出信号的幅值、时间和频率等参量估计，得到参量估计的自相关信息量为：
[ρXY=Cov（X，Y）D（X）D（Y）] （14）
式中：[Cov（X，Y）]表示勺榇输信号的固有模态函数；[D（X）]和[D（Y）]分别表示能量均值。
采用自相关特征分析模型进行动态特征信号的功率谱密度估计，得到估计结果为：
[y（k）=a（k）h（k）+n（k）] （15）
式中：[n（k）]为不稳定节点的动态特征分量；[h（k）]为第[i]条无线通信网络信道的传输时延。
无线通信网络不稳定节点输出的同态特征为：
[s（t）= k=1Npksin（ωkn+Φk）u（n）+ζ（n）] （16）
式中：[ζ（n）]为时间尺度最大的频率；[Φk]为振幅恒定信息；[ωk]为相位信息。
设传输通信信道为连续系统，则网络不稳定节点输出信号的频域模型可表示为：
[xn=x（t0+nΔt）=h[z（t0+nΔt）]+ωn] （17）
式中：[h（?）]为云计算环境下的网络不稳定节点输出信号的时间窗口函数；[ωn]为测量误差。不稳定节点输出信号的功率谱密度传递时间序列为[X=x1，x2，…，xn，][n]是无线通信网络故障数据集[X]的数目。
2.2 不稳定节点动态特征挖掘的实现
对功率谱密度在时频域中进行特征分解，数据信号流中的时频特征结果为：
[y（t）=1πKx（τ）t-τdτ=x（t）*1πt] （18）
式中：[K]表示不稳定节点动态特征挖掘的谱密度系数；[x（τ）]表示不稳定节点输出数据在时频域内的包络幅值。
采用自相关匹配滤波器进行动态特征的匹配滤波[5]，滤波函数描述为：
[H（z）=1+az-1+z-21+arz-1+r2z-2， 0
式中：网络不稳定节点输出信号的幅值频率参数为[a；]带宽参数为[r。]
在无线通信网络环境下，对输出的特征信号进行非线性特征分解和互信息矢量空间重构，得到网络不稳定节点输出的动态特征状态响应为：
[CTf=k=-KKcke-j2πfkT] （20）
式中：[ck]为不稳定节点动态特征发送的载波，由此得到经验模态的分解结果为：
式中：[e2R（k）]是调制误差；[z2R（k）]为输出信号的强度；[z2I（k）]为信道冲激载频；[e2I（k）]为谱密度误差。
利用功率谱密度的相关性，假设不稳定节点发射信号为[s（t），]则经波束形成后得到的数据特征为：
设[t0=f0TB，][K=Tfi-T2fiT2B，]利用各不稳定节点的测量值调制载波，假设调制频率为[f0，]经验模态分解的频宽为[B，]由此得到网络不稳定节点的动态特征输出的IMF分量为：
采用动态特征挖掘模型将动态信号分解成若干个IMF分量之和，由此实现对网络不稳定节点的动态特征挖掘。
3 实验结果与分析
通信网络节点分布在3 000 m×3 000 m的均匀阵列区域，动态特征的采样样本时间间隔为0.35 s；通信频带为2～10 kHz；信号采样时长[T=0.1 s；]采样率[fs=10 ]kHz；信噪比为5～20 dB；时频谱为1 000 Hz；在400～600采样点之间，网络不稳定节点的动态特征为250 Hz的频率分量，特征子空间嵌入维数[m=5。]不同信噪比下，对网络不稳定节点输出信号进行采样，时域波形如图1所示。
对网络不稳定节点输出信号进行经验模态分解，得到经验模态分解后输出的动态特征功率谱提取结果如图2所示。
由图2可知，本文模型提取的网络不稳定节点动态特征功率谱能有效反应网络不稳定节点输出的动态信号。进一步，采用本文模型对网络不稳定节点输出信号进行动态特征挖掘，在时频域内得到挖掘数据的输出结果如图3所示。由图3可知，采用本文模型进行网络不稳定节点动态特征挖掘，在时频域内具有较好的特征收敛和聚焦能力，挖掘精度较高，性能较好。
为定量分析对比性能，采用本文模型和传统模型对网络不稳定节点动态特征挖掘精度进行测试，得到对比结果如图4所示。分析上述仿真结果得出，采用本文挖掘模型能准确提取不稳定节点输出信号的动态特征，准确挖掘的概率较高，较好地实现了不稳定节点的定位识别。
4 结 语
通过对网络不稳定节点的传输信号的特征提取和信号分析，实现不稳定特征判别和节点定位。基于经验模态分解和功率谱密度特征提取，提出网络不稳定节点的动态特征挖掘模型。构建网络节点的信道模型，进行节点传输信号的模型构建、网络节点输出信号的经验模态分解和特征提取，将一个网络不稳定节点的复杂动态信号分解成若干个IMF分量之和，对分解信号进行功率谱密度特征提取，实现对网络不稳定节点的动态特征挖掘。实验分析得出，采用本文模型对不稳定节点动态特征的挖掘精度高于传统模型，性能较好。
参考文献
[1] 窦慧晶，王千龙，张雪.基于小波阈值去噪和共轭模糊函数的时频差联合估计算法[J].电子与信息学报，2016，38（5）：1123?1128.
[2] 杨宇翔，夏畅雄，同武勤.高低轨双星定位中的时变时频差参数估计[J].信号处理，2012，28（10）：1465?1474.
[3] KESHAVAMURTHY B N， KHAN A M， TOSHNIWAL D. Privacy preserving association rule mining over distributed databases using genetic algorithm [J]. Neural computing & applications， 2013， 22（1）： 351?364.
[4] CZIBULA G， MARIAN Z， CZIBULA I G. Detecting software design defects using relational association rule mining [J]. Knowledge and information systems， 2015， 42（3）： 545?577.
[5] 明平松，刘建昌.随机多智能体系统一致稳定性分析[J].控制与决策，2016，31（3）：385?393.
[6] 徐开勇，龚雪容，成茂才.基于改进Apriori算法的审计日志关联规则挖掘[J].计算机应用，2016，36（7）：1847?1851.
[7] LEE D G， RYU K S， BASHIR M， et al. Discovering medical knowledge using association rule mining in young adults with acute myocardial infarction [J]. Journal of medical systems， 2013， 37（2）： 1?10.
[8] KHALILI A， SAMI A. SysDetect： a systematic approach to critical state determination for industrial intrusion detection systems using Apriori algorithm [J]. Journal of process control， 2015， 32（11）： 154?160.
[9] NGUYEN T C， SHEN W， LUO Z， et al. Novel data integrity verification schemes in cloud storage [M]// LEE R. Computer and information science. Switzerland： Springer， 2015： 115?125.
数据通信特点范文6
【关键词】光学无线通信；海水信道；特征
潜艇在海水中运行时，需要与传感器以及水面舰艇指挥中心等进行沟通联系，这就需要使用到在海水中通信这一技术，在海水中进行通信与在陆地上有很大区别。利用海水作为信息传输的通道进行数据传播的途径，就是海水信道。近年来，水下声学或光学数据传感采集探测技术发展迅速。相比水下声学通信来说，水下光学通信具有受周围环境影响小、传输数据量大、传输耗时少以及载波频率高等优点。由于光波的这些优点使得光学无线通信越来越广泛地应用于水下通信中，在光学无线通信中，影响通信功效的重要因素就是海水信道的光学特征。本文首先对水下光学无线通信中的海水信道特征概要进行简单描述，然后建立水下光学无线通信中的海水信道特征模型，最后对基于水下光学无线通信海水信道特征模型进行仿真修正分析。
1.水下光学无线通信中的海水信道特征概要
水下光学无线通信中的海水信道特征主要包括海水信道具有吸收光数据信号的特征以及海水信道具有散射光数据信号的特征。与光数据信号在空气中传播相比较，光数据信号在海水中的传播过程非常复杂，这主要是由于海水信道中存在很多影响光传输的不确定性因素。这些不确定因素导致海水信道呈现出吸收光以及散射光的特征，海水信道对光的吸收及散射导致光数据信号在海水中传播时出现衰减现象，从而影响光数据信号在海水信道中的传播。
海水信道具有吸收光的特征：海水信道之所以能够吸收光，是因为海水中所含有的物质成分能够吸收光。而海水中所包含的成分是非常复杂的，概括起来可以分为水分子、悬浮体、无机溶解质以及各种有机物等，但是不同海域其包含的成分各有不同，即使相同海域不同位置包含的物质成分也有所不同。海水是一种非常复杂的生物、物力以及化学等相结合的系统，而海水中含有的一些物质对光具有吸收性，例如营光合作用的藻类生物以及黄色物质等。
海水信道具有散射光的特征：由于海水中包含的物质成分的复杂性，也使得海水信道对光数据信号的散射性非常复杂。海水中能够对光进行散射的物质主要包括：水分子、悬浮粒子以及透明物质等。水分子对光的散射性符合瑞利散射特征，悬浮粒子对光的散射性符合米氏散射特征，米氏散射的大小取决于海水中悬浮粒子的浓度以及粒子的大小。而透明物质对光的散射性是由于透明物质能够折射光所引发的。
2.水下光学无线通信中的海水信道特征模型
根据水下光学无线通信中的海水信道特征，可以建立一个关于海水信道特征的模型。我们已经知道光学无线通信的海水信道特征主要包括吸收光以及散射光，从而引发光在海水中传播时出现衰减现象。所以我们假设光在海水中的衰减参数为D，被吸收参数为A，被散射参数为S，光的波长为W，那么 。这说明，光数据信号在海水中的衰减也受到光波长的影响，衰减参数、吸收参数以及散射参数都是光波长的函数。
下面我们将分别对光吸收函数、光散射函数以及经过衰减后接收光数据总能量进行分析。
光吸收函数：在海水中，能够吸收光数据信号的物质分子很多，在此，我们先将主要的吸收光的因素归结起来，然后再进行函数修正分析。
海水中吸收光的物质主要包括：营光合作用的藻类以及CDOM（有色可溶性有机物）等，而营光合作用的藻类中，主要是利用叶绿素来吸收光。此外，还海水中能够吸收光的因素还包括海水以及有机碎屑以及矿物颗粒等。所以我们假设水的吸收参数为WA，叶绿素的吸收参数为C，CDOM的吸收参数为CD，有机碎屑以及矿物颗粒的吸收参数为M。其中C（W）等于叶绿素总浓度的修正值除以浓度常数修正值乘以叶绿素光谱系数。
光散射函数：海水中的水分子、悬浮粒子以及透明物质等都可以对光进行散射作用。而散射规律主要包括米氏散射和瑞利散射。瑞利散射发生的条件是海水粒子的直径小于光波长，其特点是波长的四次方与散射强度成反比。米氏散射较为复杂，粒子直径与光波长的差距越大，散射分布越复杂。根据粒子直径，我们可以认为光散射函数是由水分子参数、叶绿素参数、小颗粒参数以及大颗粒参数组成。
经过衰减后接收光数据总能量：光数据信号从传输端发出后，经过海水信道，受到海水传播中光衰减的影响，并且也会受到传输端与接收端孔径引发的衰减效力，最后才传输到接收端。经过衰减后接收光数据总能量是发射功率、几何衰减、海水总衰减参数D（W）以及传输距离的函数。
3.基于水下光学无线通信海水信道特征模型仿真修正分析
任何一个模型在建立起来后，都需要进行仿真验证以及对函数进行修正等。基于水下光学无线通信海水信道特征模型仿真分析主要包括：在水下光学无线通信中海水信道特征函数仿真验证以及传播误码率分析。我们选取一个海域的相关数据以及光传播的相关数据，然后将这些数据代入模型函数中，看最后得出的结果与实际接收到的数据量的区别，然后根据这一区别进行传播误码率分析以及函数修正，修正后再选取另一个海域与光传播的数据，进行仿真验证，直到仿真实验后的结果与实际量的差距在误差允许范围之内后为止。
4.结论
本文首先海水信道特征概要进行简单描述，水下光学无线通信中的海水信道特征主要包括海水信道具有吸收光数据信号的特征以及海水信道具有散射光数据信号的特征，这些特征导致光在海水中传输时，出现衰减现象。然后根据这些特征建立了水下光学无线通信中的海水信道特征模型，包括一个衰减参数函数、光吸收函数、光散射函数以及经过衰减后接收光数据总能量。影响光吸收函数的因素主要包括：水的吸收参数、叶绿素的吸收参数、CDOM吸收参数以及有机碎屑矿物颗粒吸收参数等。影响光散射函数的因素主要包括：水分子参数、叶绿素参数、小颗粒参数以及大颗粒参数等。最后对基于水下光学无线通信海水信道特征模型进行仿真修正分析。基于水下光学无线通信海水信道特征模型仿真分析主要包括：在水下光学无线通信中海水信道特征函数仿真验证以及传播误码率分析。
【参考文献】
[1]魏巍，陈楠楠，张晓晖，饶炯辉，王文博.用于水下传感器网络的无线光通信研究概况[J].传感器世界，2011，3：6-10.
[2]隋美红，于新生，刘西锋，周章国.水下光学无线通信的海水信道特性研究[J].海洋科学，2009，33（6）.
