文摘
为了解决这个问题,许多人在同一时间交流,有许多外部干扰因素,和信号容易不稳定在电子通讯的过程中,作者提出了一种电子通信网络信号优化方法基于物联网。方法以云信任机制为动态演化之间的信任关系各种物联网电子通讯服务,执行显式和隐式转换的不确定性,计算数据通信网络性能的目标函数,并证实了控制策略。网络节点通信的定位信息添加到通信数据包,和最稳定的电子通信路径获得网络中形成的网络拓扑结构。采用Krasovsky方法,通信网络的节点的工作状态分为拥挤状态和正常状态,两个计算的概率和范围确定过渡的平衡,从而实现稳定的网络拓扑的优化。实验结果表明,该方法的传输速度一直保持在大约180 Kb / s;虽然有波动,波动值小,传输速度非常稳定。结论。它可以提高物联网的电子通信的准确性,不受外部干扰因素影响,和通信传输速率更快。
1。介绍
通信技术的发展离不开电子通讯技术和电子通信技术系统的设计涉及到社会生活的各个领域和生产(1,2]。大数据的影响分析移动通信网络优化有两面,它不仅可以提供一种方法来发现,分析,和解决问题为移动通信网络优化也具有很强的复杂性,这就增加了故障分析的复杂性。移动通信网络优化的主要目标是分析和收集相关数据,运用科学合理的方法,减少外部因素的干扰,排除故障,保证移动通信网络的稳定和安全3,4]。在大数据的背景下,移动通信网络的结构更复杂、功能更强大,只有充分了解和掌握移动通信网络的性能,为了提高故障诊断的效率,为用户创造一个安全稳定的通信环境。
在大数据时代,大量生成各种数据丰富了人们的生活活动在很大程度上,工作效率越来越高,操作质量提出了更高的要求和承载能力的移动通信网络(5]。在大数据时代,移动终端的更新速度非常快,和切割功能越来越强大;如果移动通信网络的质量不符合标准,它将不可避免地产生严重影响用户体验(6]。因此,在互联网上移动通信网络的设计必须满足的前提下,用户使用和减少外部因素的干扰,以最大化技术移动通信网络的灵活性。随着信息技术的不断发展,大量的数据每天生成;通过不完全统一,产生的数据量几乎是在陡峭的直线上升7]。因此,所面临的最重要问题之一大数据分析移动通信网络的优化是数据太大。
云计算技术主要是基于资源模型和信息技术,这是一个新的计算机技术(8,9]。因为云计算本身的特点及其在实际应用优势,云计算已经成为当前先进技术用于计算机网络。云计算的特点主要体现在可靠性强,多才多艺,低风险和虚拟化。其中,虚拟化是被视为最重要的特性。虚拟化是实现通过各种硬件设施和网络,还有一个非常重要的前提,那就是,首先需要创建一个资源共享的环境。人们可以在任何时间访问共享资源,因此,他们可以得到各种云计算提供的服务。图1显示了输电线路在线监测的基于物联网无线通信(10]。
2。文献综述
如果一家通信公司想要达到网络优化,必须做好数据采集优化第一,为了进一步提高采购质量,为了确保收集的数据更加真实和准确的,为了满足网络优化的需求(11,12]。因此,在实际的优化,服务基地应科学地设计根据网络的具体情况,然后,整个数据收集工作应优化,以便相关人员可以更好的完成数据整理和分析工作。数据收集将受到许多因素的影响,以及基地的位置是最重要的因素;这需要最合适的位置和服务基地应根据实际情况选择区域的优化,以提高数据的质量分析和收集和提供有效保障接待服务基地的信号(13]。此外,在优化过程中,相关的信息的收集应进一步加强根据网络的实际运行和数据收集,然后,应该使用收集到的信息为基础来创建一个相应的数据网络。
云计算应用程序,具有明显的特性,通过在云存储数据,它可以扩大存储空间,便于人们打电话;因此,为了实现网络优化云计算下,有必要优化云应用程序(14,15]。面对这种情况,要求网络可以完美结合云计算在实际操作中,提高网络运营模式,不断加强云应用,进一步提高存储和使用云资源,从而扩大了网络服务的范围,增加服务的类型。云技术和网络的集成后,相关人员也需要分析云数据,优化网络本身的结构和过程,然后提高网络运营效率(16]。
歌等人针对车载网络的通信过程(VANET),由于信道状态的问题变得快速和不稳定由于双收发机的运动。提出了一种非平稳的通道车载通信方法(17]。介绍了积分项,确保输出通道的衰落阶段的连续性,和收发器的时变特性被认为是完成准确的多普勒频率的计算参数。为了提高激光通信的二维伺服稳定,陈等人使用陀螺仪修正优化方法,应用质心优化方法,陀螺仪,CCD(电荷耦合器件),二维伺服系统的动态性能优化是通过引入的方法实现快速收敛的小值在同一个方向18]。然而,先前的研究方法只能实现正常通信;如果很多人同时交流有许多外部干扰因素,通信稳定将贫穷;为此,作者添加位置信息通信网络节点的通信数据包,并获得最稳定的通信路径实现通信的优化稳定。
3所示。方法
3.1。云Trust-Driven物联网通信目标函数和动态模型建设
在云计算,云信任机制可以实现动态演化物联网和通信服务之间的信任关系,以及显式和隐式转换的不确定性,这也是实现安全通信的一个重要条件(19,20.]。
假设N的数据通信网络由节点和边,链接的节点是由集 ,分别具体的链接 信息流模型如图2(21]。
其中,是输入链接的外部信息流动速度 , 的其他链接网络,信息流动的速度转发 ,和代表了信息服务的速度(22]。集 在时间的数据包数量在(包括接收和排队的数据包数量);也就是说, 和 变量的流控制,代表输入源信息, , l代表的动态信息输出链接 , , 代表了传播状态的链接 ,和通信协议等许多因素的功能链接,和 ,分别代表链接,输入信息链接的集合和输出信息的链接(23]。
如果代表的变量 状态模型,然后描述公式动态模型
在计算机网络中,分组交换的方法是用来缩短用户的平均等待时间,并改善网络中信息流的主要目标是控制和优化。如果减少平均延时等于减少用户的数量在每个网络链接上包的数量还将减少公式
的公式, 代表接收单位的网络访问的收入信息,和代表的开始和结束时间控制间隔,和性能目标函数选择决定了整体性能和控制策略24]。
3.2。电子通讯稳定性优化
3.2.1之上。分析电子通信网络的稳定因素
拓扑优化过程中稳定的电子通讯网络,在节点的位置,网络节点定位沟通过程中的信息添加到分组的通信数据,以获得最稳定的通信路径的电子通讯网络,电子通信网络拓扑模型的形成,以获得拓扑和距离通信信号之间的关系,以及影响通信网络的拓扑稳定性的主要因素是通过描述这种关系。的步骤如下:
稳定优化过程中网络拓扑结构的电子通信,通信信号的范围设置为一个圆以R为半径,和B信号覆盖范围内的电子通信信号的通信信号;使用显示的通信速度,使用指出B通信传输的速度,和使用 表明通信信号的初始状态; 代表的通信信号的原始位置B,和 和 代表通信信号的实时位置A和B,分别。A和B之间的距离计算公式
如果电子通信信号的传输距离是和电子通信信号的距离B是 ,然后电子通信信号A和B之间的距离 。根据公式(4),可以计算通信信号之间的距离,构造电子通讯网络的拓扑模型。具体的公式是
的公式,和表示常量。
通过融合公式(4)和公式(5)、公式(6)可以推导出代表电子通信信号拓扑和距离之间的关系。具体的公式是
当电子通信信号A和B改变在传输过程中,距离也难以保持稳定和变化。因此,添加在公式(6),使用公式(7)来描述影响通信网络的拓扑稳定性的主要因素,具体的公式
的公式, 代表节点度分布序列的拓扑上层电子通信信号的A和B,和描述的拓扑网络的稳定性是由公式(7),这是优化的基础通信稳定性(25]。
3.2.2。稳定优化的实现
Krasovsky方法用于定义拓扑稳定性的主要影响因素的电子通信网络在稳定范围内,节点的工作状态的电子通信网络分为拥挤状态和正常状态。概率的范围过渡计算两者之间的平衡,从而实现优化网络拓扑结构的稳定性。具体过程如下:
正常的状态节点通信传输主要用途代表节点概率转换成一个拥挤的状态。在拥挤的状态,用于表示转换成正常状态节点的概率。用于表示可用性的概率网络中节点在时间 ,和主要影响因素的稳定性电子通讯设置Krasovsky在稳定范围内的方法。具体的公式是
的公式,代表了异构通信网络拓扑结构模式。
将方程(8之间的平衡点)为基础,推导出拥挤的状态和正常状态。具体的公式是
的公式,代表了通信网络数据的框架结构。
随机选择电子通讯网络的传播节点,添加公式的计算结果(10)到公式(11),并建立一个雅可比矩阵。具体的公式是
的公式,代表电子通信网络节点的入度值,代表电子通信网络节点的出度值,代表电子通信网络节点的数据溢出缓冲区,和代表了最高连接网络中节点的度值。
上面的雅可比矩阵是一个对角对称矩阵,基于矩阵的建立、公式(12)是用于转换的稳定优化模型在通信网络拓扑,并转换为网络节点的工作状态平衡问题。具体的公式是
的公式,代表网络的通信链路的带宽。
使用Krasovsky的方法,进入设置通信网络稳定极限,和特定的公式是什么
公式的条件 必须满足。
通过公式(13),电子通信网络的概念转换平衡范围(拥挤状态和正常状态)。具体判断公式
通过设置一个合理的范围的电子通信网络转换平衡,电子通信网络的稳定优化可以实现。
3.3。仿真证明
3.3.1。实验环境
为了验证该方法的有效性,仿真环境设置如下:“奔腾”(R)“双核”CPU, 2.8 GHz, 4 GB内存,Windows 732位,和“MATLAB R2013a。“仿真平台进行仿真分析 ,和用户的数据速率设置为200 Kb / s, 4 M带宽,网络通信半径15米,面积大小 。具体实验数据如表所示1。
4所示。结果与讨论
4.1。实验传动精度分析
通信传输精度优化的方法进行了分析,具体结果如图3。
通过观察图3可以看出,当实验的数量是10,沟通该方法的准确率是98%。虽然有轻微的波动实验结果之后,区别并不大,仍高于95%,且仅当实验的数量是40岁的准确性大大降低,平均为88%,在调查记录。发现这一现象的原因是测试用户传输过程中犯了错误,导致不准确的实验数据,实验结果有偏差,最终的实验数量达到50时,外部干扰消失,和准确性将恢复到95%以上。直到最后的实验中,该方法的准确性是维持在95%以上,表明该方法可以执行数据传输效率。
4.2。传输速率的比较分析
在相同的条件下,选择通信传输效率对比实验的结果,和实验的数量是60倍。然后,该方法相比的非平稳信道仿真方法为车联网通信,以及伺服系统的动态性能优化系统稳定移动激光通信系统设备用于比较。具体的比较结果如图4。
通过观察图4可以看出,该方法的传输速度一直保持在大约180 Kb / s。虽然有波动,波动值小,传输速度非常稳定。的非平稳信道仿真方法IoV沟通是维持在大约130 Kb / s,和波动也较小,相对稳定,但传输速率低。然而,伺服稳定系统的动态性能优化系统的移动激光通信设备有90 Kb / s的传输速率实验的数量是10,和随后的实验显示出较大的波动,和上下波动的曲线,不能满足实际的需求。
负载模拟在仿真环境中进行,通过模拟多个用户同时通信的状态,它是观察沟通过程是否会拥挤,和传输效率会减少。具体结果见图5。
通过观察图5可以看出,当模拟100个用户同时通信,传播率的三种方法几乎是相同的,差别并不大。当模拟500用户,有一个小三之间的传输速度不同,而模拟2000个用户时,三种方法的传播率有显著差异。在实验的最后,传输效率的方法减少到85%,IoV沟通的非平稳信道仿真方法是减少到65%,和伺服系统的动态性能优化系统稳定系统的移动激光通信设备减少到50%。尽管所有三种方法增加的通信,因此,通信的传输速率降低,但该方法减少低于其他两个方法,这表明,该方法优化传输稳定后,不仅沟通精度高而且传输速度也明显。
4.3。比较分析的外部干扰
为了进一步证明了该方法的应用效果,外部干扰信号是人为创造的,与此同时,为了避免通信距离太近,和人为的干扰信号没有影响或不能清楚地反映了通信干扰信号的强度,增加通信距离,传输信号的弱传播。该方法相比的非平稳信道仿真方法IoV沟通和伺服系统的动态性能优化系统稳定移动激光通信系统设备在相同条件下。具体结果见图6。
通过观察图6,可以看出,在外部干扰信号的影响,该方法采用Krasovsky方法和主要影响因素的拓扑稳定电子通信网络可以确定一个固定的范围;因此,虽然略有下降,通信信号降至80%时,它几乎停止下降,维持当前的信号状态,在数据传输过程中,数据没有丢失,而非固定的信道仿真方法IoV通信显示显著下降,下降到60%时,有一个轻微的数据丢失。然而,伺服稳定系统的动态性能优化系统的移动激光通信设备下降到50%。在沟通过程中,数据严重丢失,甚至不能传播。
5。结论
作者提出了电子通信网络的优化信号基于物联网和云trust-driven提出一种物联网电子通讯稳定性优化方法。当通信信号的准确性下降到80%,几乎不再下降,维持当前的信号状态,和传播率一直保持在大约180 Kb / s,表明稳定性优化后,不仅通信传输的准确性高,当多人传输,传输速度更快、稳定性更强。在未来的研究,不仅是必要的沟通过程更稳定而且提高速度、范围和复杂性的沟通,以应对不确定性的科学发展和沟通场景。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突。
确认
这项工作是支持的中国大学工业大学研究基金(2021 bcb02005)和教育部职业教育改革和创新融资(HBKC217034)。