大数据通信仪表的自动化传输控制模型研究

0 引言

数据传输控制在传输完整数据过程中是非常重要的，它可以采用有效模型获取数据，并减少网络能耗。随着互联网的快速发展，无线传感网络表现出了较高的多变性，数据在传输过程中，无线链路上产生的数据误码率较高，通信数据与并行数据同时进行传输时，也产生了较高的碰撞丢包率，与此同时，无线传感网络的节点由于存储空间减少，导致数据传输控制效率降低，控制效果变差。除以上问题外，网络节点暴露受损导致增加了网络能耗，网络节点数据处理能力有限，导致数据传输信道的带宽分配不均衡，通信数据部分丢失[1,2]。

针对上述问题，国内学者对大数据通信仪表的自动化传输控制进行了相应的研究，有学者建立了大数据收集树的传感网络数据传输模型，通过该模型采用启发式算法对通信数据进行运算，还有些学者建立了无线传感网络大数据传输模型，采用优化算法对该模型进行优化，以上模型降低了节点数据的误码率、碰撞丢包率，但没有有效提升节点数据传输控制效率、控制效果，也没有降低由于网络节点受损而增加的网络能耗[3,4]。

基于此，本文建立了大数据通信仪表的自动化传输控制模型，通过该模型实现大数据传输的自动化控制，最后通过实验研究验证本文建立的大数据仪表的自动化传输控制模型的有效性。

1 建立自动化控制模型

无线传感网络数据在进行传输时，会形成一定量的网络数据包，数据包经过多个网段时会产生延迟，延迟越长，网络数据中的节点产生的能耗越少，远端节点接收的速度越快，通信数据越不容易丢失，基于大数据通信的通信数据传输控制分成多个过程，过程包括：无线传感网络编码、解码、传输、数据接收等。无线传感网络编码阶段主要通过对远端节点中的数据包进行编码，为通信数据中的目标节点和源节点提供编码服务，编码过程中会产生新的编码数据包，在大数据传输阶段，目标节点、源节点与远端节点向网络中的中路节点发送数据传输请求，中路节点接收传输请求后，将编码阶段产生的编码数据包传输给目标节点、源节点和远端节点，各个节点接收编码数据包后，将其进行缓存并对接收、传输过程进行控制[5,6]。

根据无线传感网络中大数据的传输、控制过程，建立自动化控制模型，过程如下：

无线传感网络数据传输控制过程会受到源节点、目标节点、远端节点传输带宽容量的影响，可通过数据误码率L来分析节点传输带宽对其产生的影响强度，为了防止了大量的数据包在传输控制过程中，拥堵在同一种节点上，使传输信道的带宽分配不均衡，需要对不同节点的传输速率进行设定，通常情况下，网络节点的传输速率小于数据包的传输速率，即：

其中，B表示数据包的传输速率，CR表示数据传输信道的带宽长度，R表示网络节点的控制速率，C表示数据传输信道的带宽长度与网络节点控制速率的比值，Q（τ，n）表示目标节点τ在第n个传输信道的控制效率。

无线传感网络中的远端节点、源节点和目标节点接收到由中路节点传输的数据包后，对这些数据包的带宽容量进行分配，分配结束后分包保存，如果接收的数据包在传输过程中出现了丢包情况，则需要对未出现丢包情况的数据包进行编码，以便对中路节点服务。设定H（τ，n）表示等n个传输信道目标节点τ输出的带宽长度，则Q（τ，n）的运算值为前n个传输信道目标节点输出带宽的总长度，即：

其中，Q（r，n）表示远端节点r在第n个传输信道的传输速率，L表示远端节点、目标节点、源节点传输控制速率的总和[7,8]。

各个节点的传输带宽在分配完成前，无线传感网络中的数据必须完整，否则节点接收的数据包就会被跳过而无法进行解码操作，对于已经在传输信道中的数据包也将被丢弃，这会影响源节点和目标节点的带宽容量。这时可采用向量J（n）判断目标节点在第n个传输信道的数据包是否出现丢包情况，f表示数据包的碰撞丢包率，即：

网络数据控制阶段由远端节点中的控制模块完成，设定目标节点τ在传输信道传输数据包后，可得到通信数据矩阵Z和权数矩阵A，即：

根据以上基于大数据通信仪表的网络数据自动化传输控制过程的描述，可获得自动化控制模型，即：

图1 网络模型示意图

2 实现自动化控制

基于以上建立的自动化控制模型，采用CL-APTC协议分别对目标节点的传输速率、远端节点接收数据包的速率、源节点实际传输速率进行控制，从而实现自动化控制[9,10]。

目标节点的传输信道通常不会出现带宽分配不均衡的情况，如果目标节点在传输过程中，传输信道的带宽出现了分配不均衡的情况，应调节其他节点接收数据包的数量和速率，其中，远端节点接收数据包的数量随着存储空间的变化而变化，当远端节点的存储空间变大时，其接收的数据包数量会减少，一旦远端节点的存储空间被占满，其接收数据包的数量会将为0，这时同时对源节点的传输速率阈值和网络栅格传输速率进行调节，根据当前传输信道的带宽分配情况，设置源节点的接收数据包的速率权重，获得当前源节点、远端节点接收数据包的最优输入、输出速率，如果网络栅格中的数据传输速率相等，则当前远端节点的存储空间有空余，根据目标节点、远端节点和源节点本身的输入速率、输出速率关系，可获得传输信道的带宽分配比例，如图2所示为传输速率的传输关系图，以此实现了对目标节点传输速率的控制[11,12]。

图2 传输速率的传输关系图

远端节点接收数据包速率的预控制可通过降低局部存储资源、调节数据传输速率来实现，降低局部存储资源首先对节点的传输时段进行初始化，在根据自动化控制模型计算网络栅格的节点数量，数据包的输出速率随着网络栅格节点个数的减少而降低，为了准确得到网络栅格节点的数量，可对数据包的输入速率阈值进行调整，然后提高数据包在传输过程中产生的时延，将时延产生的概率与数据包输入速率的阈值进行对比，确定网络栅格节点的个数，并进行记录，在某一固定周期内，远端节点的存储容量和接收数据包的个数通过调整网络栅格节点传输速率而得到，当数据包的传输速率和网络节点的接收速率在频繁变化时，无线传感网络的吞吐量将出现明显的抖动，有效调整了数据包传输的速率，实现了对远端节点接收数据包速率的控制。远端节点数据传输控制流程图如图3所示。

图3 远端节点数据传输控制流程

历经目标节点和远端节点的数据传输速率与控制后，对源节点实际传输速率进行控制，这样可以综合评估无线传感网络中各个节点以及数据的传输控制效果。当网络带宽分配较均衡时，源节点的传输信道资源较高，当其他节点数据的转发量比较稳定时，可适当增加源节点的权重，以此加强对节点数据传输速率的控制，并提升网络运行的效率和通信数据传输的可靠性。为了降低源节点和其他网络节点数据传输的冲突，应提高源节点接收数据包的数量和速率，降低数据包丢失的概率，利用CL-APTC协议对源节点数据传输的实际速率进行优化，动态调整源节点数据流的优先级，增加目标节点和远端节点传输信道的资源，提升大数据发送至网络栅格的概率，传输网络栅格内的节点数据，并将其调整为休眠模式以减少数据传输产生的能耗。如果源节点没有竞争到传输信道，目标节点数据和原点节点数据传输完成后，源节点将继续竞争传输信道，直至成功为止，利用更新的节点概率降低源节点数据传输的效率，降低大数据传输时网络的拥塞率，提升源节点实际传输速率的控制效果和效率[13～15]。

3 实验研究

为了验证本文提出的大数据通信仪表的自动化传输控制模型的有效性，通过与传统控制模型进行实验对比验证本文模型的有效性。传统模型中，建立了大数据收集树的传感网络数据传输模型，利用优化算法对节点数据进行运算，虽然在一定程度上降低了节点数据的误码率与碰撞丢失率，但节点数据的传输控制效率以及控制效果却没有得到显著提升，为了测试节点数据自动化传输控制模型的控制效果，将本文模型与传统模型对节点数据自动化传输控制效果进行实验对比，对比结果如图4、图5所示。

图4 传统模型数据传输结果

图5 本文模型数据传输结果

由图4可知，采用传统模型对节点数据自动化传输进行控制，节点数据在传输信道中的分布比较散乱，分布范围较大，有一部分节点数据甚至不在传输信道内，导致了部分节点数据在传输过程中出现丢失情况，没有保证节点数据的完整性。

由图5可知，采用本文提出的大数据通信仪表的自动化传输控制模型对节点数据传输进行控制，节点数据在传输信道内分布的较为均匀、规整，全部沿着传输信道进行节点数据的传输，没有节点数据出现在传输信道外部，也就避免了节点数据在传输过程中出现丢失的情况，确保了节点数据的完整性。对比图4、图5可知，本文模型比传统模型节点数据自动化传输控制效果更好，效率更高，同时也证明了在本文模型中，节点数据在传输过程中的完整性较。

除了测试两种模型的数据传输控制效果外，本文还对两种模型产生的能耗进行了对比，结果如表1所示。

表1 模型消耗能量实验结果

由表1可知，本文模型与传统模型相比，节点数据在传输过程中产生的能耗较低，这是因为本文对不同的网络节点的传输均进行了控制，提升了节点数据传输控制的能力，降低了网络节点的能耗。综上所述，本文提出的大数据通信仪表的自动化传输控制模型优于传统模型，具有更高的控制效果和控制效率，确保了节点数据的完整性，在节点数据传输过程中产生了更低的能耗，提升了节点数据传输控制能力，本文模型具有更高的有效性。

4 结语

本文提出的大数据通信仪表的自动化传输控制模型具有很强的数据传输能力，在传输过程中信息不会发出疏漏，数据量能够紧密地配合，确保传输过程达到自动化要求。相比较于传统模型，本文提出的模型传输能力更强，更适合于实际应用中。