基于数学统计模型的物联网资源数据传输效率建模分析

秦 飞，宗序平

(1.扬州市职业大学 师范学院，江苏 扬州 225000；2.扬州大学 数学科学学院，江苏 扬州 225000)

物联网通过客户端和服务器端的数据交换，在交通、救灾、通信等方面取得了广泛应用[1-2].物联网在广域范围内可以采用多种数据传输格式完成传输，对于不同的数据传输格式，对其均有快捷方便、减少远程数据访问次数等要求.因此，建立数据传输效率模型，寻找最合适、效率最高的数据传输格式具有重要意义[3-4].

现阶段数据传输效率建模相关研究取得了较大发展，在区域化的物联网环境中，将资源传输任务分配给不同站点，根据物联网负载情况调节不同站点的数据传输任务量，增强对网络突变情况的应变能力，保证站点传输网络资源的同时，能够获得稳定的数据传输量[5-6].文献[7]提出了基于大数据融合的数据传输效率建模方法，通过传输效率采样矩阵还原铁路通信网络的动态数据，但该方法融合后的多源通信信号缺失，选择的数据格式传输速率较慢.文献[8]采用了一种监控网络测点的数据传输效率建模方法，对监控网络中的测点信号进行滤波处理后，模拟了测点数据传输过程，但该方法测点数据传输时间不固定，数据格式传输速率不理想.文献[9]研究了基于数据组织的信息传输效率建模方法，利用全变差正则化方法搜索动态数据，并整合为多源信息，统计等待传输的地图信息数据序列，但该方法为地图集提供的参考依据不充分，数据格式传输速率同样较慢.

针对以上问题，提出了基于数学统计模型的物联网资源数据传输效率建模方法，通过数学统计模型表示数据特征的数学关系，并分类封包资源数据，根据数据的主频特征选择高速率传输的数据传输格式，执行分配的数据传输动态任务.

1 物联网资源数据传输效率建模方法设计

1.1 基于数学统计模型分类封包传输物联网资源数据

采用最优分类平面法分类物联网资源数据流，对相同类别数据进行封包传输.分析物联网资源数据流输入输出特性，按照物联网资源中各个数据流的优先等级，划分数据传输特征矢量集合的种类[10].将数据流分类问题转换为最优分类平面求解问题，假定资源数据输入输出过程中产生非线性变换，则利用内积表示最优分类函数中的点积，计算t时刻的数据传输损失K(t).

(1)

其中，a(t)为t时刻的数据传输负载，A为物联网信号损失参量，ni为第i类数据传输特征矢量集合[11].通过公式(1)，整合物联网资源传输的数据流，过程中产生的包络特征b(t)表达式为

(2)

其中，r(t)、d(t)分别为t时刻的时频、幅值.将与b(t)值相近的物联网资源数据进行聚类，根据聚类结果将数据流划分为多个子集，从而获得子集内的数据特征矢量，以此为基础分解特征矢量.

使用修正分解后特征矢量中的高位特征矢量，并对其进行量化处理，处理后利用数学统计模型，定量描述数据特征矢量、数据属性值、数据传输时间之间的数学关系.将高位特征矢量作为自变量，属性值和传输时间作为因变量[12]，得到关于数据特征矢量的数学统计模型表达式为

(3)

其中，u(t)为t时刻的高位特征矢量量化值，P为修正权向量，f为统计参量，Li(t)为t时刻在第i类特征矢量集合中提取的高位特征矢量，Z(t)为t时刻数据流输入输出的时间窗函数，B为资源数据流嵌入维数，Hi为第i类集合中的数据属性值，m为集合包含的特征矢量类别总数[13].

计算所有数据的量化特征矢量u(t)，需要在一个分类平面上设置特征矢量的量化限值，将限值范围内的数据归纳到同一分类平面中，然后对分类平面进行约束.因此，设定约束条件为

(4)

其中，bi为第i集合输出的物联网资源数据特征，c为数据干扰频率，O为各平面数据的分类距离[14].过滤不满足约束条件的分类平面后，获得资源数据流输入输出的最优分类平面，根据相应的数据传输格式，对同类数据进行封包传输.至此完成基于数学统计模型的物联网资源数据分类封包传输.

1.2 提取分类封包传输数据单分量主频特征

在上述同类数据封包传输过程中，定位资源数据分类封包传输信道，并从中提取单分量主频特征，具体实现过程如下.

截取封包传输的物联网资源数据，并对资源数据进行解析，统计解析后数据中包含的信息，表达式为

S={S1，S2，S3，S4，S5},

(5)

其中，S为资源数据包含的信息集合，S1为物联网端口号，S2为物联网通信数据，S3为物联网其它信息、S4为物联网IP地址、S5为物联网资源数据传输格式[15].

采用数据传输格式S5特有的编码形式、语法规则定义数据输入输出规则集，达到远程通信的目的后，再利用IP地址S4和端口号S1定位资源数据中包含的源端口、目的端口，保证物联网资源从服务器端有效传输至客户端，进而确定数据通信过程中的传输信道[16].

物联网资源数据传输信道搜索完毕后，通过数据集中的随机簇头节点组建数据传输信道的信息流P，公式为

(6)

其中，x(t)为t时刻物联网资源整合传输过程中的冗余数据，E为数据输入输出的有限数据集，f为数据高位特征矢量重组后的加权系数，Wj为发送数据传输任务时第j个簇头节点的向量加权系数，n为随机簇头节点数量[17].利用自适应级联方法对传输数据的码间干扰进行双线性变换，根据传输信道中物联网资源数据输入输出时的迭代关系，在信息流P中提取单分量的信号结构，表达式为

(7)

其中，U(Pc)为信息流P在传输信道中第c次迭代后的单分量主频特征，l为线性关联系数，k为l高位特征量化参数，d(t)为t时刻资源数据传输的冗余数据分量.

通过信息流的单分量信号结构掌握资源数据分类封包传输的谱宽度、信号序列时间尺度以及客户端接收数据包时的扩展瞬时频率[18].自适应均衡处理单分量主频特征并对其进行分解.在特征分解初期，获得物联网输入资源数据的数学统计特性；在特征分解中期，获得数据期望响应的数学统计特性；在特征分解后期，物联网输出资源数据的数学统计特性.至此完成分类封包传输数据单分量主频特征的提取.

1.3 构建物联网资源数据传输效率模型

根据提取的分类封包数据包中的单分量主频特征，分配物联网资源数据传输的动态任务，并建立数据传输效率模型.

将单分量主频特征U(Pc)映射到物理位置，获取从服务器端到客户端的负载向量，计算物联网资源数据并行传输、条状传输过程中负载向量的差值，获得每个随机簇头节点的差向量Cj，计算公式为

(8)

按照差向量Cj由大到小的顺序对簇头节点进行排序，依次分配各个节点的资源数据传输任务.设数据传输任务的顺序分配向量为Y={y1,y2,…,yn}，则每个簇头节点获得的任务量D计算公式为

(9)

其中，N为物联网资源均分份数，T为由资源数据传输格式确定的簇头节点分配因子，每个节点分配因子相同.

考虑到物联网资源数据的传输信道存在动态变化，为此每隔一段时间计算一次负载向量，并更新簇头节点任务量.计算信道中的数据包概率密度R，公式为

(10)

其中，Δt为数据包到达客户端的时间间隔随机数，F为每秒内到达客户端的数据包个数，g为传输信道缓冲区的数据包增量，w为任意时刻到达信道缓冲区的数据包个数[20].

将通信信道的缓冲时间划分为多个时间段，把关于簇头节点的传输功率函数视作凸函数，并对节点传输的数据包进行惩罚项约束，当传输功率趋于恒定值时，判定簇头节点能量全部用完，此时构建能够表示数据传输效率的数学模型G，表达式为

(11)

其中，h为引入的惩罚项，X为传输信道缓冲区的划分时间段，qj为第j个簇头节点的恒定功率，x为客户端收到数据传输请求的时间.通过G值表示数据传输效率，即数据包到达、处理、接收速率.

至此完成物联网资源数据传输效率模型的构建，实现基于数学统计模型的物联网资源数据传输效率建模分析.

2 实验论证分析

将本文设计方法与基于大数据融合的数据传输效率建模方法、基于监控网络测点的数据传输效率建模方法和基于数据组织的数据传输效率建模方法进行对比实验，比较4种方法下所选择的数据传输格式的传输速率.

2.1 实验准备

选取GridFTP数据传输工具，利用Globus Tookit 5.0搭建区域化的物联网环境，物联网环境共包含4个不同区域，区域之间采用全连接方式.为避免资源数据输入输出时共享同一条传输信道，选择110 Mbps的物理线路进行传输，传输过程为其中一个区域发送数据传输请求，从4个区域中获取物联网资源.采用NS2模拟器设置物联网数据传输的网络参数，具体如表1所示.

表1 搭建物联网环境网络参数

客户端浏览大量不同网页，并从中访问感兴趣的项目，向服务器端发送数据传输请求，利用LoadRunner测试工具测试4种方法作用下的资源数据传输性能.

2.2 实验步骤及流程设计

为了验证基于数学统计模型的物联网资源数据传输效率的有效性，从物联网资源数据发送速率和接收速率两个方面设计对比实验.

实验分别设定两组条件，分别为不同数据包大小和不同簇头节点数量，即数据包大小分别为64 Bytes、128 Bytes、256 Bytes、512 Bytes、1024 Bytes、1500 Bytes；簇头节点数量分别为10个、20个、30个、40个、50个、60个.设定具体实验流程如图1所示.

图1 实验流程

根据图1所示的实验流程，分别从发送速率和接收速率两个方面进行实验.

发送速率实验中，4种方法分别对不同数据传输格式的传输效率进行建模分析，从中选取最优的数据传输格式，传输物联网资源数据.比较不同数据传输格式下的数据发送速率e，计算公式为

(12)

其中，L为网卡持续发送数据包的大小，M1为发送数据包个数，T为发送数据包时的记录时间.

接收速率实验中，4种方法分别对不同数据传输格式的传输效率进行建模分析，从中选取最优的数据传输格式，传输物联网资源数据.比较4种方法的数据接收速率z，计算公式为

(13)

其中，M2为接收数据包个数.

2.3 实验结果

2.3.1 发送速率实验结果

在加载网卡驱动的条件下，改变数据包大小得到发送速率实验对比结果如图2所示.

由图2可知，针对不同数据包大小，本文设计方法选择的传输格式平均发送速率为1 490 Mbps，基于大数据融合的数据传输效率建模方法平均发送速率为1 310 Mbps，基于监控网络测点的数据传输效率建模方法平均发送速率为1 280 Mbps，基于数据组织的数据传输效率建模方法平均发送速率为1 210 Mbps，综合上述数据分析可知，本文设计方法的数据发送速率相较于对比方法更高，其主要原因是该设计方法通过数学统计模型分类封包资源数据，根据数据的主频特征选择高速率传输的数据传输格式，提高了数据发送效率.

网卡驱动512 Bytes数据包，改变簇头节点数量比较不同节点数量下的数据发送速率，实验结果如图3所示.

图2 不同数据包大小下的发送速率实验结果图3 不同节点数量下的发送速率实验结果

由图3可知，当簇头节点数量发生改变时，本文设计方法选择的传输格式平均发送速率为1 610 Mbps，基于大数据融合的数据传输效率建模方法平均发送速率为1 390 Mbps，基于监控网络测点的数据传输效率建模方法平均发送速率为1 290 Mbps，基于数据组织的数据传输效率建模方法平均发送速率为1 260 Mbps，设计方法数据发送速率分别提高了220 Mbps、320 Mbps、350 Mbps，由此可知，本文设计方法在不同节点数量下具有更高的发送速率，其主要原因是该设计方法将与包络特征值相近的物联网资源数据进行聚类，并根据聚类结果获取划分子集内的数据特征矢量，减少了数据识别时间，提高了发送速率.

2.3.2 接收速率实验结果

不同数据包大小下的接收速率实验对比结果如图4所示.

由图4可知，数据接收速率普遍小于发送速率，不同数据包大小下，设计方法选择的传输格式平均接收速率为1340 Mbps，基于大数据融合的数据传输效率建模方法平均接收速率为1230 Mbps，基于监控网络测点的数据传输效率建模方法平均接收速率为1190 Mbps，基于数据组织的数据传输效率建模方法平均接收速率为1110 Mbps.综合上述数据分析可知，本文设计方法的数据接收速率更高，其主要原因是该设计方法在同类数据封包传输过程中，定位了资源数据分类封包传输信道，并从中提取单分量主频特征，提高了数据接收效率.

不同节点数量下的接收速率实验结果如图5所示.

图4 不同数据包大小下的接收速率实验结果图5 不同节点数量下的接收速率实验结果

由图5可知，不同节点数量下，本文设计方法选择的传输格式平均接收速率为1410 Mbps，基于大数据融合的数据传输效率建模方法平均接收速率为1230 Mbps，基于监控网络测点的数据传输效率建模方法平均接收速率为1210 Mbps，基于数据组织的数据传输效率建模方法平均接收速率为1110 Mbps，本文设计方法数据接收速率分别提高了180 Mbps、200Mbps、300 Mbps.综上述数据分析可知，本文设计方法在不同节点数量下具有更高的接收速率，其主要原因是通过信息流的单分量信号结构掌握资物联网资源数据的扩展瞬时频率，并利用自适应均衡方法处理单分量主频特征，根据提取结果分配物联网资源数据传输的动态任务，优化了数据接收性能.

3 结束语

此研究结合数学统计模型，对物联网资源数据传输效率进行建模分析，建立模型选择的数据传输速率更快.但此研究仍存在一定不足，在今后的研究中，会从传输开销、反序列化效率等角度出发，进一步进行建模分析，为数据传输格式开发人员，提供更加全面的参考意见.