棗莊科技職業(yè)學(xué)院 代 欣
物聯(lián)網(wǎng)環(huán)境下電子數(shù)據(jù)智能采集算法研究
棗莊科技職業(yè)學(xué)院 代 欣
在物聯(lián)網(wǎng)(Internet of things)環(huán)境下,電子數(shù)據(jù)數(shù)量越來越多,上下變化幅度很大,對電子數(shù)據(jù)的采集算法一直是相關(guān)學(xué)者致力研究的課題之一。提出了一種電子數(shù)據(jù)智能采集算法,構(gòu)建了算法網(wǎng)絡(luò)模型,解釋了模型的運行條件,對算法的運算流程進行詳細的講解,需要構(gòu)建數(shù)據(jù)采集樹,確定分組數(shù)據(jù),采集電子數(shù)據(jù),通過實驗分析了提出的電子數(shù)據(jù)智能采集算法的可行性。實驗證明,提出的電子數(shù)據(jù)采集算法相較于傳統(tǒng)算法來說采集效率更高,采集時間更短,采集能耗更低,采集成本更小。
物聯(lián)網(wǎng)環(huán)境;電子數(shù)據(jù);智能彩計算法
隨著社會的發(fā)展,物聯(lián)網(wǎng)(Internet of things)在原有的互聯(lián)網(wǎng)基礎(chǔ)上加以擴展,成為新一代信息技術(shù)的關(guān)鍵組成部分,物聯(lián)網(wǎng)的用戶端可以將互聯(lián)網(wǎng)上的任意物品連接起來,進行信息交換,為人們生活帶來極大的便利,同時也為智能感知、電子數(shù)據(jù)采集、通信遙感等技術(shù)的成熟發(fā)展提供了很好的條件。物聯(lián)網(wǎng)中存在著大量的電子數(shù)據(jù),尤其是隨著網(wǎng)絡(luò)規(guī)模越來越大,網(wǎng)絡(luò)結(jié)構(gòu)越來越復(fù)雜,電子數(shù)據(jù)也變得越來越多,因此多種電子數(shù)據(jù)智能采集算法被提出。在物聯(lián)網(wǎng)環(huán)境下,電子數(shù)據(jù)不僅僅數(shù)量龐大,而且上下變化幅度很大,采集的難度也變得越來越大。物聯(lián)網(wǎng)硬件中設(shè)有大量的數(shù)據(jù)傳感器,形成樹狀傳感網(wǎng)絡(luò),對電子數(shù)據(jù)進行采集,但是由于傳感器分布過于密集,采集到的數(shù)據(jù)往往很容易出現(xiàn)誤差[1]。
鑒于上述條件,本文基于物聯(lián)網(wǎng)環(huán)境提出了一種電子數(shù)據(jù)智能采集算法,首先構(gòu)建了算法網(wǎng)絡(luò)模型,然后對算法的運算流程進行詳細的講解,最后通過仿真實驗分析了本文提出的電子數(shù)據(jù)智能采集算法的可行性。實驗證明:本文設(shè)計的電子數(shù)據(jù)采集算法能夠高效準確在物聯(lián)網(wǎng)環(huán)境下對電子數(shù)據(jù)進行采集,采集時間短,采集能耗低,采集成本小,是一種值得大力推廣使用的方法。
在物聯(lián)網(wǎng)環(huán)境下提出了電子數(shù)據(jù)采集算法,構(gòu)建了網(wǎng)絡(luò)模型[2]:
圖1 電子數(shù)據(jù)智能采集算法網(wǎng)絡(luò)模型
圖2 電子數(shù)據(jù)智能采集算法運算流程
圖1的電子數(shù)據(jù)智能采集算法網(wǎng)絡(luò)模型運行條件如下:(1)虛擬PTZ單元與網(wǎng)關(guān)單元中的節(jié)點都為靜止不動的;(2)模型中的網(wǎng)絡(luò)節(jié)點組成結(jié)構(gòu)相同,初始能量相同,位置坐標已知;(3)供電方式為雙電源供電,并要保證不斷輸入持續(xù)穩(wěn)定的電壓;(4)網(wǎng)關(guān)能量循環(huán)使用,采集的電子數(shù)據(jù)要覆蓋整個網(wǎng)絡(luò)模型;(5)信號與信號之間呈雙向連接,節(jié)點與節(jié)點之間皆可以互相通信,不受距離的限制;(6)各個單元內(nèi)節(jié)點數(shù)量上下不要超過10,發(fā)射功率動態(tài)可調(diào)。
物聯(lián)網(wǎng)環(huán)境網(wǎng)絡(luò)模型在滿足上述條件的情況下,開始正常運行,模型采用C/S結(jié)構(gòu),分為存儲單元、數(shù)據(jù)采集單元、顯示單元、節(jié)點更新單元、虛擬PTZ單元、網(wǎng)關(guān)單元六個單元模塊。數(shù)據(jù)采集單元是模型運算的核心,虛擬PTZ單元負責校驗采集到的數(shù)據(jù),節(jié)點更新單元能夠重新顯示校驗后的數(shù)據(jù),存儲單元利用HDFS數(shù)據(jù)芯片對采集到的電子數(shù)據(jù)進行存儲,HDFS為Hadoop的核心技術(shù),在通用軟件上都可以運行,容錯能力高,非常適合存儲大規(guī)模數(shù)據(jù)[3]。
本文基于物聯(lián)網(wǎng)環(huán)境下給出的電子數(shù)據(jù)智能采集算法運算流程如圖2所示。
利用層次聚類法構(gòu)建數(shù)據(jù)采集樹,物聯(lián)網(wǎng)的每個單元中的數(shù)據(jù)傳感器看做一類,根據(jù)N個單元分出N個類,將這些類按照距離關(guān)系,逐一進行分層聚合,計算過程如公式(1)所示[4]:
公式(1)中,設(shè)分層聚合的類分別為M={m1,m2,m3……,mn},N={n1,n2,n3……,nn},mn與nn之間的距離為dab,類之間的距離為Dmn,根據(jù)公式(1)能夠構(gòu)建出數(shù)據(jù)采集樹,為采集數(shù)據(jù)提供基礎(chǔ)。
利用公式(1)完成數(shù)據(jù)采集樹的構(gòu)建后,對于數(shù)據(jù)在整個網(wǎng)絡(luò)的分布情況都已經(jīng)有所了解,接下來需要做的就是對電子數(shù)據(jù)進行分組。影響分組效果的因素有兩個,分別為組內(nèi)距離AI和組間距離BI,因此要確定分組數(shù)據(jù)就要將組內(nèi)距離AI和組間距離BI計算出來。組內(nèi)距離AI計算過程如下所示,首先要計算出各組中的節(jié)點數(shù):
公式(2)中,假設(shè)網(wǎng)絡(luò)中有N個數(shù)據(jù)傳感器,分為a、b兩類,i為組內(nèi)分離度,j為組數(shù),dab為兩組數(shù)據(jù)的距離,x為計算出來的數(shù)據(jù)節(jié)點[5]。計算出數(shù)據(jù)節(jié)點后,計算出兩組數(shù)據(jù)的距離方差,如公式(3)所示:
公式(3)中,m代表單元內(nèi)部的節(jié)點數(shù),n代表單元內(nèi)部的數(shù)據(jù)數(shù),y為數(shù)據(jù)距離方差。根功公式(2)和公式(3)計算出數(shù)據(jù)組內(nèi)距離AI:
公式(4)中,a={a1,a2,a3……an},b={b1,b2,b3……bn},x為計算出來的數(shù)據(jù)節(jié)點,y為數(shù)據(jù)距離方差。組間距離BI計算過程如公式(5)所示:
利用公式(4)能夠求出組內(nèi)距離AI,公式(5)能夠求出組間距離BI。當分組數(shù)目較多時,組內(nèi)距離AI會擴大,組間距離BI會縮?。划敺纸M數(shù)目較少時,組內(nèi)距離AI會縮小,組間距離BI會擴大。通過上述公式可以完成電子數(shù)據(jù)的分組過程。
構(gòu)建出電子數(shù)據(jù)采集樹和完成電子數(shù)據(jù)分組后,對這些電子數(shù)據(jù)進行采集,采集公式如下所示[6]:
公式(6)中,W為時間參數(shù),Q為數(shù)據(jù)節(jié)點,x、y、z為采集到的數(shù)據(jù),根據(jù)公式(6)完成對電子數(shù)據(jù)的采集。
為了檢測本文提出的物聯(lián)網(wǎng)環(huán)境下電子數(shù)據(jù)智能采集算法的可行性,設(shè)計了對比仿真實驗。設(shè)計過程如下所示:
為保證設(shè)計的電子數(shù)據(jù)智能采集算法能夠有效的對數(shù)據(jù)進行采集,設(shè)置組內(nèi)距離AI在[100-350]值域內(nèi);設(shè)置組間距離BI為5.4;保證仿真數(shù)據(jù)分布在r2k1+r4k2范圍之內(nèi);根據(jù)上述仿真設(shè)定的參量以及環(huán)境設(shè)定,進行實驗,結(jié)果如下。
圖3 傳統(tǒng)算法數(shù)據(jù)采集結(jié)果
圖4 本文設(shè)計算法數(shù)據(jù)采集結(jié)果
分析圖3結(jié)果得知,傳統(tǒng)算法采集范圍很低,通過圖像可以看出傳統(tǒng)算法對數(shù)據(jù)的采集能力很差,且采集過程穩(wěn)定性不強[7]。
分析圖4結(jié)果得知,本文設(shè)計的電子數(shù)據(jù)智能采集算法,采集范圍很廣,數(shù)據(jù)采集能力一直維持在一個較高的水平,不會隨著時間的變化而降低。
綜上所述,本文基于物聯(lián)網(wǎng)環(huán)境下設(shè)計的電子數(shù)據(jù)智能采集算法比傳統(tǒng)的電子數(shù)據(jù)采集算法耗時更短,穩(wěn)定性更好,采集效果更佳,采集范圍更廣,值得推廣使用。
通過本文的研究可以了解到本文基于物聯(lián)網(wǎng)環(huán)境提出的電子數(shù)據(jù)智能采集算法運算流程分為三步:首先構(gòu)建數(shù)據(jù)采集樹;其次確定分組數(shù)據(jù);最后對電子數(shù)據(jù)進行采集。通過實驗驗證了本文設(shè)計的電子數(shù)據(jù)智能采集算法采集能力極強,采集效率很高,能夠?qū)φ麄€物聯(lián)網(wǎng)環(huán)境的數(shù)據(jù)進行采集,具有很大的發(fā)展前景。
[1]侯琛,趙千川,馮浩然等.一種物聯(lián)網(wǎng)智能數(shù)據(jù)采集系統(tǒng)的研究與實現(xiàn)[J].電子測量技術(shù),2014, 37(5):96-102.
[2]杜陵江,韓宇,蘇勇林等.物聯(lián)網(wǎng)環(huán)境下,智能醫(yī)養(yǎng)融合電子平臺設(shè)計[J].生物技術(shù)世界,2016(4):308-310.
[3]張正華,胡方來,吳韜等.物聯(lián)網(wǎng)智能交通擁堵判別算法的研究與實現(xiàn)[J].電子設(shè)計工程,2012, 20(10):146-149.
[4]杜渂,王聚全,雷霆.基于物聯(lián)網(wǎng)的智能數(shù)據(jù)采集和監(jiān)控系統(tǒng)設(shè)計[J].電信快報,2013(7):14-17.
[5]楊召文,張正華,石俊逸等.物聯(lián)網(wǎng)智能大棚信息采集與控制關(guān)鍵技術(shù)研究[J].電子設(shè)計工程,2015, 23(23):123-125.
[6]林文友.基于物聯(lián)網(wǎng)的電梯智能數(shù)據(jù)采集系統(tǒng)[J]. 電子技術(shù)與軟件工程,2016(17):189-189.
[7]周瑞雙,劉雨娜,喬立賢.基于物聯(lián)網(wǎng)技術(shù)的智能變電站溫度數(shù)據(jù)分析方法研究[J].黑龍江科技信息, 2012(10):55-55.
代欣(1981—),男,山東棗莊人,碩士研究生,講師,研究方向:計算機技術(shù)。