基于高均衡多模协议适配的异构网络通信数据融合方法

宋庆武　徐妍　肖经纬　栾奇麒　陈志明　杨庆胜

摘   要：当前方法多模协议适配均衡性评价较差，在处理多模协议适配、异构网络融合问题时，可靠性低、阻塞率高、丟包率高的问题。提出了基于高均衡多模协议适配的异构网络通信数据融合方法。该方法由多模协议适配和异构网络融合两步骤构成，首先通过分化式进化协议适配器，构建多模协议适配模型，完成异构网络多模协议差异格式转换，将多模协议中异构网络数据统一转换为相同格式;然后针对转换后的数据，采用新型异构数据融合算法，实现异构网络通信数据融合;最后以UMTS+WLAN多模协议适配、异构网络融合问题为例，实施融合效果测试，测试结果显示：该方法在处理异构网络融合问题时，时延极小，存在可用性，且可靠性、阻塞率、丢包率的测试结果均优于对比方法。

关键词：多模;协议;适配;异构;网络;融合

中图分类号：TN01              文献标识码：A

Heterogeneous Network Fusion Technology

Based on High Balanced Multi-mode Protocol Adaptation

SONG Qing-wu1，XU Yan1，XIAO Jing-wei2，LUAN Qi-qi1，CHEN Zhi-ming1，YANG Qing-sheng1

（1.Jiangsu Frontier Electric Power Technology Co.，Ltd.，Nanjing，Jiangsu 211100，China;

2.Jiangsu Hoperun Zhirong Technology Co.，Ltd.，Nanjing，Jiangsu 210012，China）

Abstract：In the current method，the evaluation of multi-mode protocol adaptation is poor. When dealing with multi-mode protocol adaptation and heterogeneous network fusion，the problems of low reliability，high blocking rate，and high packet loss rate are addressed. This paper proposes a heterogeneous network communication data fusion method based on high-balanced multi-mode protocol adaptation. This method consists of two steps：multi-mode protocol adaptation and heterogeneous network fusion. First，through the differentiation evolution protocol adapter，a multi-mode protocol adaptation model is constructed to complete the heterogeneous network multi-mode protocol difference format conversion，and the multi-mode protocol is different. The network data is converted into the same format in a unified manner，then for the converted data，a new heterogeneous data fusion algorithm is adopted to realize the fusion of heterogeneous network communication data. Finally，the UMTS + WLAN multi-mode protocol adaptation and heterogeneous network fusion problems are used as examples to implement the fusion effect test. The test results show that the method has minimal delay，availability，and reliability when dealing with heterogeneous network fusion problems. The test results of blocking rate and packet loss rate are better than the comparison method.

Key words：multimode;protocol;adaptation;heterogeneous;network;convergence

伴随大数据应用的普及，大数据计算性能也愈发显著[1]。随着数据量、数据维度的增长，想要全方位获取研究目标所有信息，只在非多样维度获取数据特征，它的精度存在一定缺损，必须在非单一维度充分挖掘数据特征。而差异研究领域中实施数据通信时必须先实施通信双方数据格式转换[2]。目前，数据格式转换分成两类模式：第一种模式为围绕详细的通信主体数据格式转换;第二种模式为把通信主体数据格式保存为XML文件，通过递归映射的模式实施数据分析[3]。前者的转换速度较快，而工作量超标，后者仅可以使用在数据量不多的环境中，反之将存在数据活动范围较小，分析速度较低等弊端[4]。而多源异构数据转换后想要实现异构网络高效运行，必须采取合理的异构网络融合方法实现，异构网络数据融合主要是为了降低冗余数据量，实现高效率网络通信[5]。为此，提出一种新的多模协议适配、异构网络融合方法，对多模协议适配、异构网络融合问题实施深入讨论。

1   新的多模协议适配、异构网络融合方法

1.1   多模協议适配模型

目前核心通信协议的逻辑结构大多以树形结构为主，所以能够将全部通信协议均变成一个和它相符的树形语义模型，同时把协议适配器实施分化式进化，构建多模协议适配模型，详情见图1。

1.1.1   多模协议适配模型的本质

多模协议适配模型可理解为基于有限状态机的协议适配器，多模协议适配模型的节点和协议适配器的状态相呼应，下文中节点与状态表达的意思一致，在协议适配器研究中表达成节点，在协议适配模型研究中表达成状态[6-7]。由于多模协议适配模型非随机状态对设定的输入能够不存在或者至少存在一个转移，因此多模协议适配模型也等同于随机类的Moore状态机[8]。

1.1.2   多模协议适配模型种类

多模协议适配模型根据异构网络通信数据流向设成输入树与输出树。如果多模协议适配模型表达内容为输入接口协议，即属于输入树[9]。输入树逻辑关联性和输出树输出结果存在直接干扰关系。如果多模协议适配模型表达内容为输出口协议，即属于输出树。输出树由输出结构的逻辑所构建，不代表状态与状态转移行为[10，11]。

1.1.3   多模协议适配模型节点

由于多模协议适配模型各个节点均和多模协议适配器的一种状态相同，所以，根据它的作用将其分成根节点、虚节点、实节点以及分支节点。

（1）将多模协议适配模型初始节点设成根节

点，属于多模协议适配模型入口，可理解为多模协议的称谓，属于系统分类代码，不存在多样性，代表多模协议适配器初始情况[12]。

（2）将多模协议适配模型实际元素设成实节

点，其代表多模协议适配器的转移状况[13]。

（3）虚节点和多模协议的全部异构网络通信数据元素均不存在关联性，仅在自己所在的协议里代表一类状况转移的关联性，例如进入后续状况的过程里，必须按照上一个状态值实施后续操作，这时便能通过虚节点表达。

（4）分支节点响应协议里的数据分支，属于系统中相应适配器的一种转移状况，在多模协议适配模型里代表一类状态转移的关联性[14]。

1.1.4   多模协议适配模型转换方法

多模协议适配模型转换方法和多模协议适配器里的动作存在等同性，由于各个节点均和多模协议适配器的状态相呼应，但多模协议适配模型和Moore状态存在等同性，因此，在各个节点上能够导进详细的动作模式，在多模协议适配器里加入转换公式[15-16]。

使用多模协议匹配器主要是为了把输入树元素变成输出树数据元素，则多模协议适配器必须准许此类转换模式的存在，那么一组异构网络通信数据种类y与计算函数g的集合是x = g（y1，y2，…，yj）。

此类公式将输入树与输出树通过有向图模式兼容，在有向边中导进公式[17]。

先将计算的目标数据实施种类分类，可理解为定义，在公式中根据C/C++语言的数据种类设定异构网络通信数据元素。并且公式根据自己所在方位，设成隐式方法与显示方法。隐式方法即在节点中导进公式，显示方法即为在有向边中导进公式，两者均隶属状态导进动作引发范围，以此将多模协议中异构网络数据统一转换为相同格式[18]。

1.2   新型异构网络数据融合算法

由于多模协议差异格式转换后获取的异构网络数据仍旧存在异构性，为此，提出了新型异构数据融合算法，实现异构网络通信数据融合，以此能够优化异构网络通信质量[19]。

1.2.1   数据种类和特征

将2.1小节转换后的多源异构网络通信数据在数据与质量两个问题中实施研究，数量问题主要描述成数值，质量问题主要描述成语言变量[20]。按照转换后的多源异构网络通信数据表达模式的差异，本文把转换后的多源异构网络通信数据设成定性与定量两种，主要分析非指定变量、二值类、语言水平与使用词汇术语四种表达，详情见表1：

若转换后的多源异构网络通信数据属于大样本，非指定变量满足正态分布，将其设成Y ～ （α，β2），其中期望与标准差分别设成α，β。

二值类数据主要用来表示对事实的认可与推翻，取值范围为[0，1]。

1.2.2   融合算法

假定异构网络通信数据融合存在m个决策：B = （B1，B2，…，Bm），则n个转换后的异构网络数据源是Z = （Z1，Z2，…，Zn），将每个异构网络通信数据源的置信度设成qj，则异构网络数据融合算法详细步骤是：

（1）运算转换后的异构网络通信数据源对决策的认可水平

从转换后的异构网络通信数据仓库中提取异构网络通信数据，按照异构网络通信数据的差异种类，将其变成对决策的认可水平：

Zji = （bji，cji，dji）         （1）

式中，第j异构网络通信数据源对第i决策对象的认可水平设成Zji;认可水平的三角模糊数设成（bji，cji，dji），同时0 ≤ bji ≤ cji ≤ dji ≤ 1。

（2）设置OWA算子权重向量

按照决策者的喜好，选取合理的模糊语义量化标准，设置设OWA算子权重向量。模糊语义原则通过分成“大部分”、“一半”、“尽量”，其参数依次设成（0.31，0.81）、（0，0.06）以及（0.6，1.1），按照参数能够获取模糊语义量化算子g（y）。

按照g（y），计算OWA算子权重向量？覣= （？覣1，？覣2，…，？覣m），m描述异构网络通信数据源数量。

（3）按照每个异构网络通信数据源置信度qj与认可水平值zji将zji转换[21]。

为使用OWA权重向量，必须按照qj和zji将每个决策值实施转换后根据大小排列，采用模糊判决法实施转换，则有：

Zji - min = qj × zji        （2）

Zji - max = qj + zji - qj × zji       （3）

Zji - average = ■      （4）

（4）按照OWA算子权重向量与转换后的认可水平实现异构网络通信数据融合，同时运算每个决策的最后决策值。则有：

式中，第j个最大元素设成cji。

（5）按照真实问题根据决策值大小实施融合决策，完成异构网路通信数据融合[22]。

2   实验结果

使用计算机仿真方法分析方法本文方法的应用效果。设定异构網络融合环境是UMTS+WLAN，移动终端在UMTS覆盖区域里均衡分布，移动终端的位移满足非指定行走模式，移动速度控制在每秒21 m之内。UMTS、WLAN的覆盖半径依次设成2000 m、151 m。将采样频率设成每秒10次。

（1）时延测试

图2为使用方法本文方法融合与没有使用本文融合前的异构网络融合时延测试结果：

分析图2可知，使用方法1融合与没有使用本文融合前的异构网络融合时延存在显著不同，使用前常规的异构网络融合时延伴随移动终端数据的增多，时延逐渐增大，当移动终端数目高达91个时，时延达到0.71 s;使用方法1后，异构网络融合时延波段较为稳定，最大时延也低于0.21 s，对比之下，方法1在处理异构网络融合问题时，时延极小，存在可用性。

（2）可靠性测试

测试方法1（本文方法）、方法2（基于动态负载传递的异构网络融合方法）、方法3（基于按需协议转换的虚拟异构网络融合方法）在处理多模协议适配、异构网络融合问题时，多模协议差异格式转换的乒乓效应出现次数。以此分析三种方法在应用时的可靠性，多模协议差异格式转换的乒乓效应出现次数如图3所示：

分析图3数据可得，三种方法在处理多模协议适配、异构网络融合问题时，多模协议差异格式转换的乒乓效应出现次数较少，则方法可靠性较高。表中测试结果显示，方法1在处理多模协议适配、异构网络融合问题时，多模协议差异格式转换的乒乓效应出现次数均值为4次，方法2、方法3的乒乓效应出现次数均值依次是11次与15次，所以，方法1在处理多模协议适配、异构网络融合问题时存在较好的可靠性。

（3）阻塞率测试

图4是方法1（本文方法）、方法2（基于动态负载传递的异构网络融合方法）、方法3（基于按需协议转换的虚拟异构网络融合方法）在处理多模协议适配、异构网络融合问题后，网络的阻塞率对比结果：

由图4数据可知，方法1在处理多模协议适配、异构网络融合问题后，异构网络通信阻塞率在移动终端数目是31个时，阻塞率达到最大值，之后伴随移动终端数目的变多，阻塞率始终为0.13;当移动终端数目为41个时，方法2处理后的异构网络阻塞率高达0.33;方法3处理后的异构网络阻塞率伴随移动终端数目的增多而增大，最大值高达0.55。对比之下，方法1处理后的异构网络通信阻塞率最低。

（4）丢包率测试

设定UMTS、WLAN的覆盖半径依次是400 m+31 m、800 m+61 m、1200 m+91 m、1600 m+121 m、2000 m+151 m，测试方法1（本文方法）、方法2（基于动态负载传递的异构网络融合方法）、方法3（基于按需协议转换的虚拟异构网络融合方法）在处理多模协议适配、异构网络融合问题后，异构网络通信中的丢包率，结果如表2所示：

由表2测试结果能够知道，UMTS、WLAN的覆盖半径从400 m + 31 m增长至800 m + 61 m时，方法1处理后的异构网络通信中丢包率从0.01增大至0.02，但UMTS、WLAN的覆盖半径从800 m + 61 m持续变大后，方法1处理后的异构网络通信中丢包率始终保持为0.02，且始终低于方法2、方法3的丢包率，由此验证，方法1处理多模协议适配、异构网络融合问题后，异构网络通信中的丢包率最小。

（5）多模协议适配效果测试

以适配均衡性为指标，设定多模协议依次为Zigbee + Wi - Fi + 蓝牙、UMTS + WLAN。UMTS + WLAN的覆盖半径是400 m + 31 m，Zigbee + Wi - Fi + 蓝牙的覆盖半径是1000 m + 5 m + 3 m。测试方法本文方法对两个方案的多模协议适配均衡性，该指标主要通过10位相关技术人员实施评价，每位技术人员的评分限额为10分，均衡性总分值为100分。则两种方案的模协议适配均衡性结果如图5所示：

由图5数据可知，多模协议依次为Zigbee+Wi-Fi+蓝牙、UMTS+WLAN时，方法1对多模协议适配问题处理后，10位技术人员对方法1的评价分数总值均为99分，评价较高，由此可知，方法1对多模协议适配问题处理后，多模协议适配均衡性较高。

3   结   论

伴随网络数据的爆炸性增长，多模协议适配以及异构网络融合的有效处理，对网络数据通信质量存在积极影响。围绕多模协议适配、异构网络融合技术实施深度研究，并将研究方法使用在UMTS+WLAN多模协议适配与异构网络融合、Zigbee+Wi-Fi+蓝牙、UMTS+WLAN多模协议适配问题中，主要获取以下几点应用效果：

（1）使用本方法对UMTS+WLAN多模协议适配与异构网络融合后，异构网络融合时延波段较为稳定，最大时延也低于0.21 s;多模协议差异格式转换的乒乓效应出现次数均值为4次，低于同类方法;伴随移动终端数目的变多，阻塞率始终为0.13;丢包率始终保持为0.02。

（2）多模协议依次为Zigbee+Wi-Fi+蓝牙、

UMTS+WLAN时，本方法对多模协议适配问题处理后的评价较高，其多模协议适配均衡性较高。

参考文献

[1]    安占新，许传明，王晓玲. 多模异构冗余软件系统同步技术研究[J]. 航天控制，2019，37（05）：46-50.

[2]    陶洋，赫前进. 异构融合网络中的垂直切换机制研究[J]. 计算机科学与探索，2016，10（04）：504-515.

[3]    崔雨勇.基于分级信息融合的引信多模融合[J]. 电讯技术，2016，56（06）：670-674.

[4]    邓辉，王广林，陈乃东，等. 构建融合蛋白提高重组葡萄糖异构酶的催化性能[J]. 现代食品科技，2016，32（10）：52-59.

[5]    卿利. 空中异构战术网络IP通信架构及协议开销分析[J]. 电讯技术，2019，59（09）：1020-1025.

[6]    布金伟，左小清，周羽佳，等. BDS/GPS/GLONASS多模融合伪距单点定位性能比较与分析[J]. 地球物理学进展，2019，34（05）：1707-1713.

[7]    孟小峰，杜治娟. 大数据融合研究：问题与挑战[J].  计算机研究与发展，2016，53（2）：231-246.

[8]    王兴伟，李婕，谭振华，等. 面向“互联网+”的網络技术发展现状与未来趋势[J]. 计算机研究与发展，2016，53（04）：729-741.

[9]    汤奕，陈倩，李梦雅，等. 电力信息物理融合系统环境中的网络攻击研究综述[J]. 电力系统自动化，2016，40（17）：59-69.

[10]  汤奕，王琦，倪明，等. 电力信息物理融合系统中的网络攻击分析[J].  电力系统自动化，2016，40（6）：148-151.

[11]  文志诚，陈志刚，唐军.基于信息融合的网络安全态势量化评估方法[J]. 北京航空航天大学学报，2016，42（08）：1593-1602.

[12]  周逸凡，赵志峰，张宏纲. 基于智能SDN面向5G的异构蜂窝网络架构[J].  电信科学，2016，32（6）：28-35.

[13]  周彦伟，杨波，张文政，等. 安全高效的异构无线网络可控匿名漫游认证协议[J].  软件学报，2016，27（2）：451-465.

[14]  温佩芝，许晨蛟，邓珍荣，等. 多级异构无线传感器网络分簇路由协议[J].  计算机工程与设计，2016，37（6）：1471-1477.

[15]  温有福，贾彩燕，陈智能. 一种多模态融合的网络视频相关性度量方法[J].  智能系统学报，2016，11（3）：359-365.

[16]  冀振燕，皮怀雨，姚伟娜.融合多源异构数据的混合推荐模型[J]. 北京邮电大学学报，2019，42（01）：126-132.

[17]  余颖华，李艳，吴德恩，等.有向移动异构传感网分布式部署策略[J]. 传感技术学报，2016，29（08）：1273-1279.

[18]  白若琛，庞成鑫，贾佳，等.多协议融合LPWAN能源物联网云平台的设计[J]. 计算机科学，2019，46（S1）：589-592.

[19]  王艳娇，唐琦.改进的异构无线传感器网络路由能量算法[J]. 计算机工程与应用，2019，55（22）：80-85.

[20]  马守江，胡道允，李晟如，等.利用基于SDN的IP融合切换技术实现面向多业务的动态流量调控[J]. 中国科学：信息科学，2016，46（05）：665-676.

[21]  王也夫，曾国荪，丁春玲.基于图非均衡划分的软件定义网络异构控制器负载优化部署[J]. 计算机应用，2016，36（04）：883-888.

[22]  李超鹏，王劲林.基于两级分段模型的异构数据处理与网络攻击检测[J]. 微电子学与计算机，2019，36（08）：54-58.