赵 露
(安徽电子信息职业技术学院,安徽 蚌埠233000)
科学技术的迅猛发展使得嵌入式软件测试数据库的应用范围越来越大,嵌入式软件测试数据库中测试数据传输的稳定性问题逐渐受到各个网络领域的广泛关注[1]。在实际应用中,由于嵌入式软件测试数据库受到传输路径限制的原因,测试数据传输过程中很容易出现格式错误、数据包缺失或不一致等一系列问题[2],通过稳定性检测可以减少测试数据的损失,从而降低数据异常现象发生。嵌入式软件测试数据传输稳定性检测方法是一种保护嵌入式软件测试数据库的信息采集与分析方法,必须确保实时性和正确性,这样才能准确地管理嵌入式软件测试数据库以及传输海量测试数据,降低不稳定性带来的损失[3]。
由于嵌入式软件测试数据库中测试数据的行为大多数都会随着网络流量的变化而变化,很多文献都是通过嵌入式软件测试数据库中测试数据点的变化,来检测测试数据的稳定性。基于蚁群算法的数据传输稳定性检测方法是通过计算每一条传输路径上测试数据节点的测试值,根据测试值确定测试数据传输的稳定性[4]。该检测方法具有较高的检测效率,但是在数据误报率方面存在一些缺陷。本文提出一种测试数据传输稳定性检测方法,通过数据的提取、数据传输方程的组建以及检测模型设计,来提高测试数据传输检测方法的检测能力。
提取测试数据是检测嵌入式软件测试数据传输稳定性的基础,可以降低误报个数。提取数据库中的测试数据时,首先建立测试数据库的结构模型,数据提取过程如下。
选取嵌入式软件测试数据库中测试数据在当前时刻查询到的最大信任值,可以得到查询时间间隔较长的测试数据信任值,对当前时刻的数据传输稳定性影响较小[5],可以利用式(1)表示嵌入式软件测试数据库测试数据在当前时刻查询的时间衰减函数:
式中,f(k-1)表示测试数据在k-1 时刻的衰减函数,那么在k-1时刻嵌入式软件测试数据库中,集成的嵌入式软件测试数据状态方程可以表示为:
其中,A表示嵌入式软件测试数据强度,r表示嵌入式软件测试数据长度,e-jkr表示测试数据传输不稳定时的波长,Rin表示测试数据传输时产生的瞬时频率,ain表示嵌入式软件测试数据库指向性传递权重,e-jφin表示查询操作的执行代价。
按照测试数据每一个节点的反馈权系数[6],建立集成的嵌入式软件测试数据结构模型:
式中,αk表示测试数据的规模,pk(y|μk,Σk)表示测试数据在k时刻的传输状态先验分布情况,Σk表示嵌入式软件测试数据库的非线性恢复力,μk表示测试数据传输的偏差函数。
令{x1,x2,…,xn} 代表嵌入式软件测试数据库中集成的嵌入式软件测试数据的时间序列,m表示测试数据的嵌入维数,τ表示测试数据传输的延迟时间间隔,pk表示嵌入式软件测试数据的后验概率估计函数,因此可以得到嵌入式软件测试数据库中集成的测试数据的构成形式:
基于以上分析,可以得到嵌入式软件测试数据提取公式为[7]:
式中,Yq×U表示测试数据集成的传输维度矩阵,Wu×u表示测试数据传输过程中的均衡概率,表示测试数据传输时的隶属度临界值。嵌入式软件测试数据特征提取公式为:
式中,yl表示测试数据的数量,φl表示测试数据占总数据量的比例。
通过选取测试数据在当前时刻查询到的最大信任值,得到了测试数据在当前时刻查询的时间衰减函数,利用嵌入式软件测试数据状态方程,建立了嵌入式软件测试数据结构模型,利用嵌入式软件测试数据提取公式,完成嵌入式软件测试数据的提取。
测试数据通过数据传输方程的计算,可以确保传输的稳定性,从而降低误报个数。在嵌入式软件测试数据传输稳定性的实际检测中,测试数据的传输涉及缓存能量的产生、传输和接收等[8]。
根据测试数据的传输过程可知,测试数据传输路径会受到外界干扰,主要是环境和温度的变化对测试数据传输的影响,针对嵌入式软件的多导线结构,建立了测试数据传输稳定性检测网络示意图,如图1所示。
在图1中,V(0)和I(0)可以作为稳定性检测传感器采集到的测试数据,而V(l)和I(l)作为终端接收的测试数据。测试数据传输方程是解决测试数据传输稳定性问题的基础[9],嵌入式软件测试数据的传输方程为:
图1 测试数据传输稳定性检测网络示意图
式中,V(z,t)和I(z,t)表示t时刻嵌入式软件测试数据在z方向的电压和电流分布,VF(z,t)和IF(z,t)表示t时刻测试数据传输的电压源和电流源。
由于检测环境的复杂性,在组建嵌入式软件测试数据传输方程的基础上,通过建立数据传输稳定性检测模型,来实现稳定性检测。
在组建嵌入式软件测试数据传输方程的基础上,采用聚类方法建立了数据传输稳定性检测模型,来检测嵌入式软件测试数据的传输稳定性,降低误报个数。
采用数据传输稳定性检测模型实现检测的过程如下:
首先确定嵌入式软件测试数据库中测试数据聚类数,K、C表示测试数据库中测试数据样本集合,C={C1,…,Cι,…,},Cι表示测试数据库中的一类测试数据,采用ui来描述相同测试数据样本中心点的推测[10],选取ωˉ个测试数据库的聚类中心点,计算出测试数据样本与聚类中心点之间的距离,然后选择距离最长的中心作为测试数据样本φιξ的所属类别,最后重新计算测试数据的聚类中心,重复上述过程,直到聚类中心值不变为止[11]。具体步骤为:
先在嵌入式软件测试数据库中随机选取ωˉ个测试数据聚类中心点,计算每一个测试数据样本所属类别:
对于嵌入式软件测试数据库中的不同类别,计算出该类别的测试数据聚类中心:
重复上述过程,直到测试数据的聚类中心不变,然后确定嵌入式软件测试数据库中测试数据的类别数,定义嵌入式软件测试数据库中测试数据的每一个观测点[12],每一个观测点都具有pn个特征,dιξ表示测试数据观测点ι到ξ的距离,可以得到:
式中,φι′ξ表示测试数据观测点向量,令Cr表示r类的测试数据观测点,nr=|Cr|表示Cr类测试数据观测点的数量,利用式(11)来定义r类测试数据集中任意两个测试数据点之间的距离和为:
式(12)定义了嵌入式软件测试数据库中测试数据类别的平方和均值:
其中,Dr表示测试数据点之间的距离和,Wk表示测试数据类别的平方和均值。
综上所述,通过选取测试数据在当前时刻查询到的最大信任值,得到了测试数据在当前时刻查询的时间衰减函数,利用嵌入式软件测试数据状态方程,建立了嵌入式软件测试数据结构模型,基于嵌入式软件测试数据提取公式,完成嵌入式软件测试数据的提取;根据嵌入式软件测试数据的传输过程,建立了测试数据传输稳定性检测网络,在组建嵌入式软件测试数据传输方程的基础上,通过建立数据传输稳定性检测模型,实现了嵌入式软件测试数据传输稳定性的检测。
实验环境和参数的设置情况如表1所示。
表1 实验环境及参数统计
实验过程中采用嵌入式软件测试数据个数作为自变量,利用基于蚁群算法的数据传输稳定性检测方法和数据传输稳定性检测方法进行对比实验,实验过程如下:
Step1:准备仿真实验环境,安装并运行simulation仿真软件;
Step2:试运行仿真程序,确保实验的真实性,将两种检测方法载入到仿真软件中;
Step3:在相同的实验环境下,进行不同检测数据个数的仿真对比实验;
Step4:在未执行任何检测方法的情况下,记录嵌入式软件测试数据传输的误报数据个数;
Step5:分别执行两种检测方法,记录嵌入式软件测试数据传输的误报数据个数。
根据实验步骤,得到嵌入式软件测试数据传输的误报数据个数对比曲线,如图2所示。
图2 嵌入式软件测试数据传输的误报数据个数对比曲线
从实验结果中可以看出,在嵌入式软件测试数据相同的情况下,两种检测方法存在很大差别,基于蚁群算法的数据传输稳定性检测方法当测试数据个数不超过200 个时,误报数据个数不超过20个,检测能力可以达到90%,但是当测试数据个数越来越多时,误报数据个数也在增加,测试数据稳定性检测能力较差;而本文提出的数据传输稳定性检测方法当测试数据个数不超过500 个时,误报数据个数都低于20个,具有良好的检测能力。
本文提出了嵌入式软件测试数据传输稳定性检测方法,通过选取测试数据在当前时刻查询到的最大信任值,得到了测试数据在当前时刻查询的时间衰减函数,利用嵌入式软件测试数据状态方程,建立了测试数据结构模型,基于嵌入式软件测试数据提取公式,完成测试数据的提取;根据嵌入式软件测试数据的传输过程,建立了测试数据传输稳定性检测网络;在组建嵌入式软件测试数据传输方程的基础上,通过建立数据传输稳定性检测模型,实现了嵌入式软件测试数据传输稳定性的检测。实验结果证明,提出的数据传输稳定性检测方法具有较高的数据传输稳定性检测能力。