基于边缘计算的遥测技术研究

杨 柳，黄 华，丁和恩*，金 杨，顾 闰

（1.95875 部队，甘肃 酒泉 735000；2.航天新通科技有限公司，重庆 401332）

0 引言

当前，遥测技术应用广泛，在民用生产、科学研究及国防军事等领域都有应用。遥测按照传输方式分，可分为基于无线的遥测和基于有线的遥测两种。其中，无线遥测方式容易受环境的影响，而有线遥测受环境的影响相对较小。

边缘计算是在靠近数据源头或传感器的一侧，采用本地侧的计算和存储资源，就近开展数据的处理、逻辑计算。边缘计算是为了实现本地实时业务决策、数据传输可靠安全、核心或承载层网带宽减负等目的，实质就是将需求解决在边缘。基于边缘计算的系统，主要依托边缘计算就近提供数据聚合及边缘智能服务，满足数据毫秒级采集频率需求，实现企业各层数据的纵向集成及高效处理［1］。

当前，遥测的相关技术领域已经比较成熟，但受一些客观条件影响，还存在一些影响遥测技术应用的情况。从遥测技术的应用场景来讲，遥测系统的无人遥测类应用，无人平台通信数据链是构建在一种大地域、多类型的移动式通信网络中，因受到环境因素、地域因素以及人为因素的干扰，通信网络常常出现通信效果不理想的情况［2］，导致遥测数据传输存在潜在问题。从增加频谱带宽的角度讲，毫米波、太赫兹等高频段技术极具优势，但高频段电磁波的大气吸收损耗效应明显［3］。如何使数据链在透云、雾、雨的传输环境下，同时保证吞吐量与链路范围，是数据链应用场景下大容量远距离传输面临的难题［4］。通过改进网络遥测数据的处理过程，增加冗余处理、时效性处理以及插值处理的方法，可以解决遥测定位信息网络间断传输问题［5］。新型的制造模式对数据处理的实时性要求更高，现有的集中式云计算处理模式难以高效地解决这些问题［6］，但在某些特殊情况下，一旦遥测信号发生中断，伺服系统就会丢失目标导致无法完成既定任务［7］，这可以说明遥测信号在系统中承担着举足轻重的地位，其重要等级非常高。

1 基于边缘计算的遥测架构

以前遥测系统的采集边缘，往往是基于传感器的数据采集协议对边缘传感器数据进行采集，通过边缘的通信设施将采集的数据传回遥测中心，供遥测中心进行数据显示、状态分析以及控制决策。这种方式将边缘传感器的众多数据一应俱全地传给了遥测中心，并且根据时序交互的强弱，可能产生大量数据。遥测中心需要在采集的大量数据中识别、分析、提取传感器的重要信息，然后再对边缘设备进行决策和控制。

基于边缘计算的遥测架构，主要是在边缘节点中增加边缘决策引擎，由边缘决策引擎完成对边缘节点内各传感器信息的采集与加工处理，完成本地决策控制，完成遥测多源数据的融合与高效处理。基于边缘计算的遥测系统架构如图1 所示。

图1 基于边缘计算的遥测系统架构

图1 中的遥测系统由管控节点和边缘节点两类节点组成。其中一个管控节点对多个边缘节点进行遥测。管控节点主要由遥测中心和通信设施组成。遥测中心用于对边缘节点进行遥测，掌握边缘节点的状态和管控边缘节点。边缘节点由通信设施、边缘决策引擎及若干个传感器组成。传感器用于感知边缘节点的状态和采集边缘节点所需的信息，边缘决策引擎用于实现本文所述的边缘计算功能，通信设施是用于将边缘节点的信息传送至遥测中心的通信基础设施。边缘节点中，边缘决策引擎的主要工作内容为：

（1）通过近距离高速通道对边缘节点内部的传感器进行数据采集，该数据采集信息全且快；

（2）本地决策控制功能，边缘节点的边缘决策引擎在实时采集感知传感器状态后，对一些关键特征和关键状态进行即时决策，这样可以减少将传感器数据传输回管控节点，由管控节点的遥测中心做出决策所产生的传输时延；

（3）边缘决策引擎的多源数据的融合与高效处理，将采集到的传感器数据进行多元数据的融合处理，提取关键信息进行传输，减少边缘传输给管控节点的数据信息，提高通信设施传输数据的有效作用及提高传输的可靠性。

2 对遥测数据进行边缘计算处理

边缘节点的边缘决策引擎通过本地决策能够快速地为边界提供遥测控制服务。同时，一般边缘节点的周围存在相邻节点，它们之间的通信状态一般是比较好的，若单边缘决策引擎的计算机的计算资源不足，边缘决策引擎则协同相邻计算域共同处理任务［7］，当边缘节点的通信处理能力不够时，边缘决策引擎则协同相邻节点的计算机资源。

2.1 边缘节点的本地决策

边缘决策引擎本地决策计算的主要内容为：边缘决策引擎将根据本地获取的传感器信息进行整和，根据数据的特征统计挖掘出需要关注的数据，比如根据通信网络的带宽是否超限，决定是否降低传输速率或者传输数据量，根据飞行平台前方是否有特殊环境，决定是否需要停止前进等，往往这些动作的决策反馈是需要及时反应的，当本地识别出来某项特征时，立即对边缘节点发出控制命令，这样比从管控节点的遥测中心决策响应的速度和稳定性都要高很多，并且能降低管控节点及遥测系统所在网络的负担。该方式能够提高遥测系统中边缘节点的情况处置的时效性和可靠性。

边缘节点的本地决策是对某些需要快速应对的遥测系统状况进行快速处置。处置完成后，将本地决策的结果传回管控节点，以让管控节点掌握各边缘节点的真实情况。管控节点结合遥测系统、各遥测节点的整体状况，对各边缘节点的状态进行验证和跟踪，及时发现边缘节点本地决策的问题，并优化边缘节点本地决策的能力。

2.2 边缘节点的邻居协同

边缘节点在边缘决策运算时，若计算资源不足，可依托邻居边缘节点的计算资源来为本节点的边缘决策提供服务。一般计算资源不足的情况不是所有边缘节点同时存在的，即当某边缘节点需要进行高性能决策运算，邻居的其他边缘节点可能正处于低性能决策运算中。在这种情况下，边缘节点可以申请邻居边缘节点中相对空闲的边缘节点进行辅助计算。

边缘计算的邻居协同，主要分配给邻居计算的资源，一般是在计算中可单独分离的模块或者独立活动，如将对设备数据的清洗分别分配给不同的邻居节点，将不同传感器的决策评估因子分配给不同的邻居节点，边缘节点的本节点主要做资源的串联与部分数据的计算，通过封装独立的分配方式，可以在某边缘节点出现异常的时候快速替换所需计算的内容，或者在邻居计算资源丰富的情况下，考虑主备计算与主备校验，以此能够更好地提高系统在计算时的准确性与健壮性。

3 遥测多源数据的融合与高效传输

针对传感器数据采集，传感器的数据是细粒度的时序数据，数据种类多、数据量大，在数据传输过程中，以往的遥测应用往往会传输整个数据包，这样会消耗远端的计算与传输资源，且很多数据最终也没有使用，这样毫无益处。因此，对传感器数据的采集传输，需要保留疑问数据、问题数据及关键数据，如关于传感器的发出者、发出原因以及某些字段键值。

遥测数据系统在采集数据时，将收集众多传感器参数。其中，传感器之间有同类异类、相同的采样指标与不同的采样指标，这种情况存在遥测数据中有重复字段等问题。遥测多源数据的融合，主要考虑的是减少遥测数据中的一些重复字段，包括字段名和字段值等，其主要步骤为：先采集传感器数据，进行共性字段提取，筛选出共性和非共性字段，并对共性字段的数据进行合并整理；再进行定制化关键数据合成，最后将合成的数据传输至遥测中心。遥测多源数据的融合流程如图2 所示。

图2 遥测多源数据的融合处理流程

4 结语

本文针对遥测技术应用中可能存在的边缘节点脱网、受干扰、高延迟等问题，提出了基于边缘计算的遥测技术应用研究，对基于边缘计算的遥测系统架构、遥测数据边缘计算处理、遥测多源数据的融合以及高效传输等进行了研究设计。该技术研究旨在实现遥测技术在应用中提高遥测系统的本地响应能力和数据传输有效性。由于本文阐述的技术处于前期试验研究阶段，且根据不同应用场景有特异性参数存在，针对各个业务使用场景，在应用时仍需要进一步研究。