云计算环境下分布式大数据多信道并行控制系统

李玉亭

(1.云南大学 法学院，昆明 650500；2.青海警官职业学院 现代教育技术中心，西宁 810000)

0 引言

随着各种高新科学技术的发展与兴盛，传感器无线通信网络迅速成为通信领域的研究热点，包括嵌入式信息开发技术、分布式信息处理技术、微电子信息技术以及通信无线处理技术等，都促进了传感器无线通信网络的发展。传感器无线通信网络是一种通过在监测通信区域中布设大量传感器无线节点从而实现无线通信的通信网络，主要目的在于协作的处理、采集与感知覆盖网络区域内所有监测对象的具体信息，并将数据向监控中心发送[1]。传感器无线通信网络的三大要素为监测中心、监控对象以及传感器节点，实现其通信需要综合多种技术，包括应用层、无线通信、嵌入式通信系统、数据管理融合、定位、同步时间、网络安全、网络协议以及拓扑技术等，能够使人们在各种环境、各种地点以及各种时间内实时获取可靠、详实的信息[2]。

传感器无线通信网络中的通信节点能够通过自组织节点的形式进行协同工作，相较于传感器传统有线通信网络而言，其优势较为显著，包括较高的精度、较强的灵活性、较高的可靠性以及较好的经济性。其中较高的精度是指节点能够对监控区域实施空间密集采样以获取较高的感知信息精度；较强的灵活性是指能够随机、临时布置，并且网络具备自组织特性，能够应用于偏、险、急的场合，使用、设置和布局上较为灵活；较高的可靠性是指当节点出现失效或故障情况时，其余节点能够迅速承担其功能，整体可靠性较强；较好的经济性是指省略传输线缆大大降低了通信成本[3]。然而传感器无线通信网络由于采样频率非常高、采集的数据又种类十分复杂，因此网络中会在短时间内产生大量分布式大数据。为了解决这些分布式大数据的传输问题，设计一种云计算环境下分布式大数据多信道并行控制系统[4]。

1 系统结构及原理

分布式大数据多信道并行控制系统结构如图1所示。

图1 系统结构及原理图

由图1可以看出，该系统主要结构包括节点处理模块、无线通信模块以及USB模块。USB模块包含了仪器驱动模块、用户界面虽示模块和数据处理模块。仪器驱动模块负责仪器的配置和驱动，让仪器可以正常工作。用户界面显示模块完成人机交互，用户在界面上配置相关参数分析带宽、中也频点、参考功率、调制信号类型、信堪号和数据存盘路径等。FPGA端程序主要完成数捉髙速传输、基于延时改进的FFB的数字信道化、时间同步、频率同步以及星座图解映射。数据高速传输模块包括IQ数据由矢量信号分析仪通过背板总线以P2P的方式传给FPGA，经过FPGA处理后，再由FPGA以及DMA的方式传给主机。数字信道化模块完成接收信号的按频率分离，实现多路信号的并行接收解调。

2 分布式大数据多信道并行控制系统硬件

2.1 设计节点处理模块

云计算环境下分布式大数据多信道并行控制系统的硬件包括节点处理模块、无线通信模块、USB模块[5]。

节点处理模块由FPGA芯片和抗干扰器组成。其中FPGA 芯片选用EP5C3 型号，主要通过该芯片进行节点处理[6]。该芯片的参数具体如表1所示。

表1 芯片参数

而该芯片的功耗情况则具体如表2所示。

表2 该芯片的功耗情况

由于FPGA芯片接电源与接地的引脚十分复杂，会产生噪声和干扰，因此利用抗干扰器进行抗干扰处理。抗干扰器主要通过去耦电容的布置，在邻近的地线与引脚间接入电容，具体为0.1μF，以实现抗干扰的作用以及交流信号的过滤[7]。

2.2 设计无线通信模块

无线通信模块主要由射频芯片与无线收发器组成。其中射频芯片选用的型号为CC2420，其具体参数如表3所示[8]。

表3 射频芯片具体参数

该芯片具备数据包的鉴权、加密、突发传输、缓存以及处理功能，具体构成为串行4线设备外围接口、串行时钟、电路板元器件、数据发送缓冲器、数据接收缓冲器、射频收发器。

2.3 设计USB模块

USB模块由接口芯片、寄存器、存储芯片以及周边电路构成。其中接口芯片选择的型号为C7CY01368，该芯片内置固件程序、USB智能接口、8051增强型内核，支持其他主控芯片的控制、同步高速传输以及数据批量上传，并且自带固件框架与调试界面[10]。该芯片支持的接口方式共两种，包括GPIF可编程与FIFO Slave两种方式。利用芯片内置的固件程序对寄存器进行配置。C7CY01368芯片还能够通过FIFO Slave方式与FPGA芯片相连接，具体连接方式如图2所示。

图2 两种芯片具体连接方式

存储芯片的具体型号为C6424L，主要负责进行C7CY01368芯片数据的外部存储[11]。

周边电路主要由时钟、配置以及电源管理单元构成。

3 分布式大数据多信道并行控制系统软件

3.1 设计分布式大数据多信道数据同步存储与处理模块

云计算环境下分布式大数据多信道并行控制系统的软件构成为分布式大数据多信道数据存储与处理模块、多信道并行控制模块[12]。

在云计算环境下设计分布式大数据多信道数据同步存储与处理模块，该模块的构成为存储数据单元与数据多路处理单元，具体由FIFO、处理数据状态机以及管理射频状态机构成。模块中的每一路数据通道分别对应一个射频信道[13]。在分布式大数据多信道数据存储与处理模块的运行中，处理数据状态机以及管理射频状态机的具体功能分别如表4、表5所示。

表4 处理数据状态机的具体功能

表5 管理射频状态机的具体功能

3.2 设计多信道并行控制模块

多信道并行控制模块主要由多信道并行管理单元、信道状态扫查单元以及生成数据流单元构成。其中信道首先对各个分布式大数据传输信道的状态进行扫查，确认信道的状态是满还是空，以及信道传输分布式大数据的具体情况，接着利用多信道并行管理单元根据具体扫查结果，通过读取使能控制对分布式大数据传输信道的并行进行管理，最后利用生成数据流单元对控制结果进行上传[14]。

当信道状态扫查单元发现分布式大数据传输信道中存在大量传输数据后，多信道并行管理单元即开始进行管理工作，首先向分布式大数据多信道数据存储与处理模块中的管理射频状态机下达指令，令其关闭使能，从而使分布式大数据传输信道中的数据能够被读取，加速数据的处理与传输，对数据进行管理，使分布式大数据的传输能够实现多信道并行。当这些数据处理完毕后，多信道并行管理单元会重新下达指令，令其开启使能，使信道能够并行运行[15]。在该过程中，需要不断进行信道的状态扫查，发现过载信道后需要立即对其进行处理，以免影响到其他分布式大数据传输信道的运行，保障多个分布式大数据传输信道能够时刻并行运行，避免分布式大数据传输中出现的传输错误与信道冲突。

多信道并行控制系统旨在不同频率下，完成调制信号的分离和数字解调，结合星座图以及比特流显示结果。具体控制流程如图3所示。

图3 软件实现流程图

经过下变频模块，射频信号传输至基带，通过A/D转换，将射频信号转换为数字信号。由于码片速率较高，可结合高速传输方式将信号传输至FPGA模块，在该模块中进行高速挖掘处理。再将数据传给主机做进一步数据化理和结果显示。数字信道化模块、时间同步模块、频率同步模块和星座图解映射模块都是在FPGA上完成的。

综上所述，通过硬件与软件相结合实现了分布式大数据多信道并行控制。

4 实验结果与分析

4.1 实验环境

利用设计的云计算环境下分布式大数据多信道并行控制系统进行分布式大数据多信道并行控制实验。实验环境：Windows7操作系统，配置为Intel Core i3-4170CPU3.70 GHz，内存为4 GB，使用Java语言实现算法。

在搭建的实验环境中使实验分布式大数据传输信道进行分布式大数据传输，在传输过程中对其进行多信道并行控制。实验信道共设置20个，观察信道并行控制过程中各个实验信道的分布式大数据信道平均传输速率，若速率分布的较为平均，则证明分布式大数据多信道并行控制系统的信道并行控制性能较好；反之，则证明系统的并行控制性能较差。

4.2 实验结果分析

数据传输速率指单位时间内信道上所能传输的数据量。计算方法如下：

S=1/log2N

(1)

其中：T表示码元传输速率，即每秒钟传输的码元速率，N表示一个脉冲所能表示的有效值状态(相当于进制数)。

传统分布式大数据多信道并行控制系统的信道并行控制性能实验结果具体如表6所示。

表6 传统系统的信道并行控制性能实验结果

云计算环境下分布式大数据多信道并行控制系统的信道并行控制性能实验结果具体如表7所示。

根据表6与表7可知，传统分布式大数据多信道并行控制系统各个实验信道的分布式大数据信道平均传输速率数据分布的上下起伏较大，而云计算环境下分布式大数据多信道并行控制系统各个实验信道的分布式大数据信道平均传输速率为1.8 Mbps，分布较为均匀。也就是说云计算环境下分布式大数据多信道并行控制系统的信道并行控制性能优于传统分布式大数据多信道并行控制系统。

由于多信道数据分布散乱，会对数据检测造成阻碍，因而对模型方法应用前后的字段分布进行分析。

表7 本文系统的信道并行控制性能实验结果

图4 应用模型方法前后TTL 字段多信道数值分布

5 结束语

数字信道化接收机利用带通滤波器组将接收信号按频率分离，它可对时域重叠信号进行全概率测量，且具有高频率分辨率。云计算环境下分布式大数据多信道并行控制系统实现了信道并行控制性能的提升，并且实现了分布式大数据传输速率的提升，然而该系统仍然存在一些微小的缺陷，日后将进一步对其进行改进。