基于多源數據融合的傳感器數據智能分析系統(tǒng)

吳榮珍

(福建農業(yè)職業(yè)技術學院，福建 福州 353123)

0 引言

針對傳感器所獲取的數據在形式上的多樣性和復雜性，分析了多源數據融合技術可以更好地分析其采集的數據，通過檢測數據智能分析接口，以此解析系統(tǒng)配置數據，并根據性能評估結果調節(jié)數據智能運營模式，以此保證數據智能規(guī)劃的效率.

文獻[1]中，引入深度置信網絡對醫(yī)療財務大數據進行智能化識別，實現(xiàn)對醫(yī)院經營狀態(tài)的自動化評估，但缺少對多源數據的結構化處理.文獻[2]中，通過擴大數據信息的采集范圍，針對數據應用的性能進行數據計量裝置的配置，并針對數據計量裝置信息化的系統(tǒng)深化應用進行分析，但數據信息采集的成功率較低.文獻[3]中，分層設計數據集成的集合平臺，通過檢測數據集成結構，對數據智能分析的監(jiān)測內容進行說明，并整合數據智能分析步驟，但是缺少對數據智能分析算法的設計.

為解決上述問題，本文根據多源數據融合技術，設計傳感器數據智能分析系統(tǒng)，構建數據智能分析算法.并通過采集多源化智能傳感數據信號，結構化處理多源數據，并利用智能傳感數據信號采集數據信息，完成數據分析.

1 硬件設計

1.1 建立多源數據信號傳感器

建立多源數據信號傳感器，首先分析多源數據信號傳感器的結構，并根據系統(tǒng)對于信號傳感的性能要求，以及傳感器架構設計數據流接口，通過數據流結構設計傳感器結構[4-6].劃分數據智能分析的框架，將數據智能分析多源數據信號傳感器設置為層次結構[7]，存儲并預處理多源數據信號[8].控制數據信號流向多源數據處理層，并在處理層經過數據監(jiān)控存儲后進行輸出[9].由此構建傳感器數據流接口，如圖1所示.

圖1 傳感器數據流接口示意圖

根據傳感器數據流接口分析可知，數據信號流向多源數據處理層，并且通過云端服務器傳遞傳感器數據[10].因此，對于多源數據信號傳感器能夠準確傳輸數據信號有硬性要求[11].據此計算數據狀態(tài)信號的丟包率，并監(jiān)測數據傳輸率[12].根據應用層的數據狀態(tài)制定源數據傳輸參考標準，如表1所示.

表1 源數據傳輸參考標準

根據制定的數據狀態(tài)對源數據傳輸標準，以及參考值確定數據傳感內容，將傳感內容與數據發(fā)送時延并行分析，組建多源數據信號傳感器結構，如圖2所示.

通過組建多源數據信號傳感器，對多源數據信號進行預處理，并提取數據信號特征[13].針對多源數據融合的數據智能分析結果存儲，并及時更新數據內容，從而達到判斷智能分析數據遲延解調的目的.

1.2 構建數據智能分析電路

為了保證數據智能分析速率，更好地存儲機器學習數據，調整數據智能分析電路的負荷.智能電路的歷史數據分析輸出過程較漫長，因此構建電路更新時序，如圖3所示.

圖2 多源數據信號傳感器結構示意圖

圖3 電路更新時序

表2 電路傳輸的數據類型

圖4 數據智能分析電路

根據電路更新時序圖，智能劃分電路傳輸的數據類型，并總結電路傳輸的數據類型如表2所示.

根據電路傳輸數據類型構建數據智能分析電路[14].為了保證數據智能分析對應的數據監(jiān)聽包涌入時，不超過數據智能分析電路的荷載范圍，需要預先對數據分析包的大小進行計算，公式如下.

(1)

其中，設數據包中的參數pps前三個值分別為A1，A2，A3，n為數據傳輸首個數據包的長度，Si為數據智能分析電路的數據包傳輸字節(jié)[15].利用數據分析包的大小，對數據包涌入時的荷載波動范圍進行計算，計算公式如下.

(2)

其中，q為線路荷載標準值，li為第i個數據包的長度，根據數據向量確立荷載波動范圍，并據此選擇數據智能分析電路的線路型號[16]，保證數據傳輸安全.據此，設計數據智能分析電路如圖4所示.

利用數據智能分析電路，智能化分析多源數據融合的數據，分擔數據傳輸主線路的傳輸壓[17].并在數據向量荷載波動的范圍內，確定數據傳輸的字節(jié)波動范圍，同時避免數據包涌入超載造成數據線路短路.

2 軟件設計

2.1 采集多源化智能傳感數據信號

利用多源數據信號傳感器，采集多源化智能傳感數據信號.首先控制數據采集傳輸層，預處理多源化智能傳感數據，通過信號預處理控制智能分析指令，并利用連接應用層間的多源化智能傳感數據實現(xiàn)通訊連接，通過預處理信號算法傳輸數據[18].并利用上位機操縱數據傳輸順序，進入第一步內在邏輯數據預先處理應用層.

分散處理多源化智能傳感數據的數字化控制信息，并總結內在邏輯數據信號的規(guī)律，對傳感數據進行內部命名，按照電路傳輸數據的類型調試處理[19].快速確定調試數據的查詢位置，根據通用性查詢并統(tǒng)計多源化智能傳感數據，以便后續(xù)進行分析[20].據此得到多源化智能傳感數據端接匹配報告，并截留報告，整理電路傳輸數據類型的端接匹配報告，如表3所示.

表3 整理電路傳輸數據類型的端接匹配報告

已知匹配結果中存在數據類型端接不匹配的情況時，剔除端接匹配報告的端接數據類型，并整理匹配的電路數據類型，根據匹配結果設定多源化智能傳感數據信號采集類別集合為Ci(i=1,2,…,C)，篩選總數為Ni的數據類別集合，并針對部分篩選數據集合進行初始熵值計算，公式如下.

(3)

其中，t為傳感數據信號采集時間，Pt為電路匹配端接功率.利用篩選數據集合的初始熵值，判斷多源化智能傳感數據的聚類中心，并對傳感數據的采集區(qū)間進行計算，公式如下.

(4)

圖5 多源數據信號結構化偽代碼

2.2 設計多源數據信號結構化分析算法

根據多源化智能傳感數據信號，設計多源數據信號結構化分析算法.首先，設定多源數據信號結構化分析算法的分析程序，偽代碼如圖5所示.

利用多源數據下游自查并劃分數據屬性結構，并通過鏈接關系逆向推理多源數據信號結構，當出現(xiàn)逆向邏輯反饋時，提取數據信號，并進行結構化分析，此時鏈接關系的表達式如下.

(5)

通過修改多源數據傳感信號，得到多源數據信號結構化的關系矩陣，公式如下.

(6)

通過多源數據信號結構的關系矩陣，確立多源數據信號鏈接關系，并通過鏈接關系標注信號數據，據此控制多源數據信號在數據信號結構中的位置，通過鏈接跳轉分析多源數據信號，并讀取多源數據信號內容，分析多源數據信號結構.

2.3 完成數據智能化分析

利用多源數據融合建立數據智能化分析架構，通過增添數據瀏覽接口，連接數據分析兩端的服務器，據此整理用戶分析數據，同時提供數據參數，并處理數據智能化分析趨勢，同時收集整理數據智能應用層，根據端接報告展示數據分析結果，如圖6所示.

圖6 端接報告數據分析展示

根據端接報告數據分析展示內容，進行數據智能化分析重組，并智能化分析多源數據.當出現(xiàn)數據包整體分析進度解壓結果后，按照預定的內在邏輯導出多源數據信號內容，并獨立分析自檢數據類型，導出預先設定好的處理邏輯.同時分離不匹配端接報告的數據類型，利用后臺壓縮文件數據信號重新匹配端接報上傳，以完成數據智能化分析.至此，完成對基于多源數據融合的傳感器數據智能分析系統(tǒng)的設計.

3 系統(tǒng)測試

3.1 測試準備

測試開始前搭建測試環(huán)境，并采集測試傳感數據，通過網絡爬蟲挖掘測試傳感數據，并按照指定源數據傳輸參考標準劃分數據類型，將整理好的電路傳輸的數據類型按照端接匹配報告的順序進行排列.將實驗數據分為8組，分別應用文獻[1]、文獻[2]、文獻[3]與本文設計系統(tǒng)進行測試，分別測得文獻[1]、文獻[2]、文獻[3]與本文設計系統(tǒng)的傳感數據分析遲延解調率，對測試結果進行整理.

3.2 對比傳感數據分析遲延解調率

測試得到文獻[1]、文獻[2]、文獻[3]與基于多源數據融合的數據智能分析的傳感數據分析遲延解調率結果，如圖7所示.

分析圖7中數據可知，在分析傳感數據的過程中，當解調時間達到100 ms時，文獻[1]、文獻[2]、文獻[3]的解調率達到最高，分別為70%，50%，25%，相較于設計系統(tǒng)的傳感數據分析遲延解調率75%均更低.當解調時間達到2 000 ms時，文獻[1]、文獻[2]、文獻[3]的解調率達到最低，分別為12.5%，6.2%，12.5%，相較于設計系統(tǒng)的傳感數據分析遲延解調率30%均更低.因此，基于多源數據融合的傳感器數據智能分析系統(tǒng)實用性更好.

考慮到數據分析過程中會存在大量干擾數據，數據智能分析系統(tǒng)的抗干擾性能極為重要，統(tǒng)計采用四種系統(tǒng)傳感器數據智能分析過程中在加入不同大小白噪聲情況下的分析精度，分別加入大小為5～40 dB的白噪聲，統(tǒng)計結果如圖8所示.

圖7 傳感數據分析遲延解調率結果

圖8 干擾情況下分析精度對比

圖8實驗結果可以看出，采用本文設計系統(tǒng)在不同白噪聲干擾下仍具有較高的分析精度.本文設計系統(tǒng)在加入白噪聲大小為40 dB情況下，分析精度仍高于98.5%.設計系統(tǒng)在不同白噪聲情況下分析精度均明顯高于另三種方法，驗證本文設計系統(tǒng)具有較高的抗干擾性能.

4 結束語

通過本文設計系統(tǒng)，提升了數據分析的遲延解調率，解決了傳感數據分析遲延線路過載的問題，并通過端接匹配報告劃分傳感數據類型，實現(xiàn)數據智能化精準分析.今后應當繼續(xù)研究傳感數據的遲延率，從電能計量大數據的多維角度，集成數據智能分析挖掘內容，并整合智能數據分析結果，以此得到數據智能化分析的最優(yōu)解.