基于OWL－S语义栅格运动目标信息快速分发技术

杨 眉，李忠科，王 忠

(第二炮兵工程大学计算机教研室，陕西西安 710025)

运动目标的跟踪打击要求通过卫星、雷达和无人机实时发现并跟踪预定区域的目标，不断将各类目标信息发送至情报部门，同时目标信息的装订和使用部门也需要订阅并实时获取发送至情报部门的信息。此类信息包括实时变化的遥感图像、坐标位置等各类参数数据，数据量大、分类繁多，在不间断的分发获取信息的过程中，会产生大量的冗余数据，造成信道拥堵，进而对目标信息的装订和使用部门分析目标、制定打击计划以及目标打击的时效性等方面造成影响。同时，各类信息的使用部门所应用的系统技术体制、数据格式及传输方式不尽相同，这也为该类异构系统接入并订阅信息产生了影响，如果采用同样技术标准重新开发，则代价较大。为此，需要高效的网络分发拓扑结构以便接入各种异构的订阅系统，并对信息内容进行精准描述、针对不同的订阅兴趣和需求进行匹配，使所需信息能够准确快速地分发至使用者。

针对这些问题，文中提出基于栅格和P2P网络分发拓扑结构下，各类异构系统通过松耦合方式接入情报部门统一的信息分发系统，集中发布和订阅获取打击目标所需的各类信息。该分发系统将加入订阅的信息节点以集中式结构化网络拓扑分布式哈希表技术方式接入，使用OWL－S语言对获取的多源目标信息进行语义分类描述和本体建模，通过多Agent协同对订阅需求进行兴趣识别、语义推理和信息匹配，过滤冗余信息并判断订阅的时效性，自主将有共同兴趣订阅的主题内容在逻辑上划分为节点群，一个节点群内部以P2P方式，通过KAD最佳路网络由算法进行路由选择并判断负载均衡，必要时可根据网络拥堵情况进行分包传输，以满足大规模订阅需求的同步快速分发。

1 基于语义栅格的信息分发技术

1.1 现有信息收发机制

在异构信息系统之间进行的信息交换，由于受到技术体制、数据格式及传输模式不同带来的集成困难，使得重新开发代价较大。为此，通常采用数据分发技术来实现信息的交换，其需要及时准确地将情报信息发送给使用人员，强调分发的快速、准确。但是快速数据分发系统的构建受以下制约:

在网络架构方面，传统的网络结构不利于信息的分发与共享，形成众多的“信息孤岛”，即在战场环境中存在多个孤立的信息源，彼此之间沟通不畅，无法满足对信息获取与分发要求。而在现代战争中，图形、图像、视频流信息会成为发展的主流，这将使传统网络的传输能力面临更大地挑战。

在信息共享格式方面，由于异构信息系统间信息的格式不同，数据存储方式不同，并且不能进行互操作。所以，信息生成者不能以用户所希望的格式向其提供易于使用的信息，同时，也限制了使用人员对关键信息的获取［1］。

在信息订阅与分发模式方面，通常的信息订阅与分发主要是在订阅终端上安装所需的服务软件，而由于运动目标信息的多源性，为此需要安装多种订阅服务软件，缺乏统一的订阅分发中心，以便一个平台完成多种订阅服务，尽量提高订阅分发和多源数据融合的效率。

在信息订阅分发的效率方面，运动目标的信息是实时变化的，需要在有限的打击时间和数据处理容量条件下，根据作战需要和订阅需求在时效性和兴趣度上进行智能判断，剔除冗余数据，将最需要的信息准确高效分发。

在动态重组与抗毁重组方面，通常的信息订阅与分发采用的网络结构是C/S方式，此方式在设置上拥有强大处理能力和大带宽的高性能计算机，配合高档的服务器软件，再将大量的数据集中存放在上面。而应用端PC要安装多样化的服务软件。这并不利于应用作战端损毁后的重组应用，必须在应用端安装统一的订阅分发系统，减少服务软件的安装数量，一个平台完成多种订阅接收信息服务。

1.2 基于OWL－S语义栅格的信息分发技术

(1)基于信息栅格架构的信息订阅分发中心。

订阅节点和发布节点通过统一的信息订阅分发中心提交订阅请求和发布信息，并将其传送给OWL－S处理器。由于发布节点与订阅节点的地理位置分散，通常为异构系统，因此在接入方式、数据传输格式和通信机制上采用松耦合的信息栅格架构。信息栅格订制了统一的开放式API函数以便订阅节点能够接入获取分发数据，使用UDDI信息资源注册中心提供各情报部门获取的信息发布和查询API来实现信息发布、发现和使用。发布API支持信息的发布和更新操作，使发布节点可在UDDI信息资源注册中心发布和更新信息。查询API支持订阅节点对注册信息特征的查询操作［2］。信息栅格体系架构中还使用了WSDL和SOAP技术提供描述发布节点信息服务的统一方法以及调用目标信息资源的方法。所有订阅分发数据均以XML数据格式流转于分发系统和订阅节点之间。这些技术使发布和订阅双方的交互不受编程方式、数据存储方式及传输模式的影响，使异构系统可以接入分发系统进行数据的访问与交换。在对UDDI的查询匹配过程中，由于发布节点与订阅节点地理位置分散，则对订阅请求引入请求代理(Agent)，请求Agent在网络中移动，并把负载信息、通讯量和任务执行序列等信息作为负载平衡、通讯调整、任务调度等的参考依据，根据这些数据为用户寻找OWL－S处理器，并向其传递查询信息，这将较大改善系统的性能和智能化水平。在系统环境中，利用IBM的Aglet生成移动Agent，方法简便。其通信机制以及移动性定义及封装较为严密，Agent无需统一的调度。由用户创建的Agent可以异步在不同计算节点运行，任务完成后将结果传送给用户。

在完成相关订阅请求的匹配推理后采用数据XML序列化及异步socket发送的分包算法实现大容量信息的分包传输。

(2)在基于信息栅格的分发系统基本架构的基础上，对信息发布、订阅以及 UDDI进行了语义化的改进。

由于运动目标信息来自于多源，为实现基于订阅需求的匹配，需要提取信息特征并对信息进行分类。实现的方法在于对发布节点提供的信息特征进行语义的精准描述，并指定其特征所引用的本体概念，还要对订阅请求进行语义化的描述。利用本体建模方法所建立的领域本体作为本体概念库，同时使用OWL－S语言建立分类信息特征本体，这为订阅需求的语义推理和匹配提供了必要信息。因此需要对UDDI信息资源注册中心的注册数据结构进行改造，使其支持发布信息特征的语义精准描述。为解决该问题，所有分类信息需以语义描述的本体映射到UDDI中的tModel类型关键字。设计OWL－S/UDDI转换器来实现OWL－S Profile实例与UDDI注册信息特征的转换功能。同时为了实现对订阅请求以及发布信息特征的抽取，构造一个OWL－S处理器，用于提取订阅请求及发布信息的特征，并进行语义的精准描述，以便于信息的快速分类注册存放以及后续的兴趣匹配［2］。

(3)信息分发的前提是实现订阅请求与发布信息特征的兴趣识别、信息匹配和语义推理，从而过滤冗余信息并判断订阅的时效性。

实现基于订阅兴趣的匹配关键是设计一种有效的语义匹配算法，使用该匹配算法可提高信息匹配的性能。文中给出一种以基于订阅兴趣信息分类功能的语义匹配算法，同时引入量化的思想来标明订阅兴趣与发布信息的匹配程度，从而快速划分共同订阅兴趣以及所对应的发布信息的关联度。在完成信息匹配后，可依据量化的匹配程度，进一步进行基于订阅兴趣的语义推理，将后续最感兴趣并经常性订阅的信息领域进行记录并主动将信息推送至订阅节点，同时过滤不感兴趣的冗余信息以降低网络分发数据量。

(4)在分发过程中，依照上述基于订阅兴趣的语义推理，系统自主将有共同兴趣订阅的主题内容在逻辑上划分为节点群，一个节点群内部以P2P方式进行数据分发，通过KAD最佳路由算法进行路由选择并判断负载均衡。

通过语义推理把兴趣相近的节点按照规则组织到一个虚拟节点群中，因此数据的转发不再单纯地依靠地址或是概率，而是根据数据的内容动态的选择转发目标，使其较快地到达相应的节点群中。节点群是为所有订阅中的属性构建的多个属性拓扑，其中每个属性拓扑对应一个订阅属性，每个属性拓扑被组织成一棵分布式的平衡二叉树结构［3］。节点群聚集了对同一个属性感兴趣的节点，使得数据按照属性能够并行的在不同的节点群中以P2P方式进行分发，通过一个平衡的二叉树结构，单个属性的匹配过程得以分布到网络上的不同节点群，使得不同数据的相同属性只需在节点群中匹配一次［3］，分发数据在节点群中进行缓存，再通过KAD最佳路由算法在同一节点群中进行路由选择后的寻径和并行转发，同时节点的负载也能够均衡的分布。

1.3 关键技术

(1)基于松耦合的信息栅格架构对接入的订阅节点和发布节点进行接入方式、数据传输格式和通信机制方面统一描述的技术。

传统的信息分发系统采用点对点订制分发模式，要什么信息就装什么软件，而由于运动目标信息的多源性，为此需安装多种订阅服务软件，缺乏统一的订阅分发中心。可采用基于松耦合的信息栅格架构对接入的订阅节点和发布节点进行接入方式、数据传输格式和通信机制方面统一描述，这样，不同来源情报信息发布和订阅统一在信息栅格架构上以异构系统的方式接入信息订阅分发中心，改变了以往订阅信息需在订阅终端上点对点安装所需的信息服务软件，以便一个平台完成多种订阅服务，可以尽量提高订阅分发和多源数据融合的效率。

(2)基于OWL－S语言在UDDI中对订阅要求和发布信息进行本体建模和语义化的改进技术。

OWL－S语言是一种较为成熟并公开标准的语义Web转换描述语言，应用其给出的方法可以提取发布及订阅信息特征并对其进行语义的精准描述，并指定其特征所引用的本体概念，对信息进行分类，以便于信息的快速分类注册以及后续的兴趣匹配。

(3)基于订阅兴趣信息分类功能的语义匹配算法。

该算法思想主要是将语义描述的订阅请求特征与UDDI中注册的经过语义描述的发布信息分类进行匹配，以判断其兴趣特征的领域划分;在锁定UDDI的分类领域后，对订阅请求与发布信息特征再次进行精准匹配，由于其都经过了语义的描述改造，匹配的精准程度大大增加;最后将量化的匹配度作为阀值，返回匹配结果。

(4)基于P2P分发模式和平衡负载的KAD信息分发路由算法。

使用一种结构化路由算法KAD，该算法是一种分布式搜索算法，在分布式搜索算法中，搜索命令沿节点连续进行传递，根据策略选择消息的发送对象，邻居收到消息后，首先检索本地数据是否匹配，将匹配成功的消息沿原路回传到初始节点;同时，选择合适的邻居继续扩散消息，搜索跳度由TTL计数器控制。

(5)基于序列化XML及异步socket分包算法的信息的实时传输技术。

各信息系统间主要的通信手段包括有线和无线等，传输协议和带宽不尽相同。目前使用的信息传输服务在面对大数据量的卫星信息在不同传输介质中传输经常会出现丢包现象。拟采用数据XML序列化及异步socket发送的分包算法实现信息的实时传输、推送至订阅节点。

采用数据XML及数据包分段的技术，使得信息作为通用信息可以在不同信息系统间实现传输。首先将需交互的数据写入XML文件中去，然后将XML文件依照通用传输标准进行数据分包并传输，最后由接受系统获取数据包、合成文件并读入交互数据信息。由于XML文件的规范性，在一定程度上缩短了系统读取交互数据信息的时间，提高了系统运行效率。

2 系统设计

系统结构组成如图1所示。

图1 运动目标信息快速分发系统结构

(1)基于信息栅格架构的信息订阅分发中心:订阅节点通过统一的信息订阅分发中心提交订阅信息，并将其传送给OWL－S处理器。由于发布节点与订阅节点的地理位置分散，通常为异构系统，因此在接入方式、数据传输格式和总体结构上采用松耦合的信息栅格架构，并对订阅请求引入请求代理(Agent)。在完成相关订阅请求的匹配推理后，采用数据XML序列化及异步socket发送的分包算法实现大容量信息的分包传输。

(2)OWL－S处理器:可接受订阅节点通过请求Agent传递的订阅信息，也可将发布节点的发布信息特征转换成OWL－S描述以实现对订阅请求以及发布信息特征的抽取。该模块从订阅信息中抽取出满足其需求的功能信息，并形成标准、无语义冲突的查询描述，该订阅信息描述在形式上与本体的Profile相同，有利于简化匹配处理过程，从而提高信息发现效率;而对于发布节点来说，可根据领域本体对发布信息特征进行OWL－S描述转换，产生包含OWL－S Profile、Process Model及Grounding的发布分类信息本体［4］。

(3)OWL－S/UDDI转换器:发布节点发布信息时，需向UDDI信息资源注册中心注册发布信息特征，通过该转换器可以把OWL－S处理器产生的OWL－S Profile实例转化为UDDI注册信息，并用原有的发布接口进行信息发布［4］。

(4)UDDI信息资源注册中心:用来接收发布节点的发布信息特征描述注册参数，同时建立领域分类以区分分类信息。

(5)OWL－S匹配引擎:主要包括语义推理机、匹配引擎、领域本体库和发布分类信息本体库部分。

1)匹配器。通过基于订阅兴趣信息分类功能的语义匹配算法，对订阅请求和发布信息特征进行匹配，并按照量化匹配度给出排序。

2)OWL－S推理机。在完成信息匹配后，可依据量化的匹配程度，进一步进行基于订阅兴趣的语义推理，将后续最感兴趣并经常性订阅的信息领域进行记录并主动将信息推送至订阅节点，同时过滤了不感兴趣的冗余信息以降低网络分发数据量。

3)领域本体库。存储卫星信息、雷达信息及无人机监测信息的遥测图像、参数等领域内的知识库、知识关系。

4)分类信息本体库。其可以精确描述发布及订阅信息特征的相关要素及相互关系，并进行各层面的语义描述。

(6)节点群自组织P2P分发模块。其包括经过推理机所记录的共同兴趣领域分类对订阅节点进行逻辑上的节点群划分，将匹配器匹配的满足兴趣的信息推送至节点群中进行缓存，同时按照KAD算法进行负载判断、路由选择，然后并行转发，直至收到所有接收该信息的订阅节点的回执，完成分发过程。

3 结束语

文中以武器系统打击运动目标时，对海量多源多类信息的实时需求为牵引，通过对现有目标订阅、发布和分发技术体制的综合分析，在体系结构、信息的语义化处理与描述形式、语义匹配算法与推理机制、路由算法等方面进行探索性研究，突破基于栅格和P2P网络分发拓扑结构下的异构系统连接技术、信息资源中心的语义化处理与分级语义匹配技术、大规模订阅需求的同步快速分发技术，设计实现一种基于OWL－S语义栅格的运动目标信息快速分发演示验证系统，为新一代信息分发机制提供技术支持，满足武器系统对多源信息的快速获取和订制需求。

［1］蔡疆.基于栅格的战场信息分发方法研究［D］.成都:电子科技大学，2007.

［2］杜春.语义Web服务发现模型研究［D］.南京:河海大学，2006.

［3］孙伟东.基于内容的快速数据分发技术研究［D］.长沙:国防科技大学，2008.

［4］郑德.基于语义的Web服务发现与匹配的研究［D］.武汉:武汉理工大学，2007.

［5］彭国金，刘嫚婷.非结构化海量网络数据处理技术研究［J］.现代电子技术，2011，35(14):129－131.