大数据环境下关于信号处理的技术探讨

范程龙 孙燚

摘要：當前国内的高分辨信号、宽带信号、高维信号等技术发展非常迅速，使得如今已经迈入大数据时代。本文简要介绍大数据环境背景的信号处理核心技术，并提出信号处理的发展方向。

关键词：大数据；信号处理；信息融合

中图分类号：TN911.7 文献标识码：A 文章编号：1007-9416（2018）06-0228-02

信号有着多种多样的形式，由一维到高维，由窄带到宽带。在大数据环境下，信号处理的难度在不断地增加，现如今信号处理早已由传统领域拓展到社会网络、地理科学、能源、金融、天文等领域。由于信号数据有着复杂性、多样性特点，所以为提高信号处理效果，就必须进行信号信息融合处理。

1 多传感器信息融合分析

1.1 传感信息模型

事实上这一系统最初被运用在军事领域，在这种技术被人们开发出越来越多的价值以后，这项系统被成功的引入到越来越多的领域。不同平台所使用的不同类型传感器，都可以做好信号数据的采集工作，有着十分丰富的数据内容，不同数据之间可以形成互补的关系。以但传感节点作为例子，但传感节点所采集的信号数据精读大多无法超过95%，为从多种、海量的数据信息中获取精度高、价值高的信息，准确判断对象特征和属性，就必须将不同类型信号数据进行融合。

现如今融合信息主要有混合模型、Dasarathy模型、瀑布模型、Boyd控制环、JDL数据融合模型这五种方法。五种模型中的每一种模型都有着不同的特征。混合模型以Dasarathy模型反馈迭代特征以及Boyed循环特征结合，运用瀑布模型定义，实现与Dasarathy和JDL这两种模型的级别联系；以融合功能和融合任务为基础便可以构建Dasarathy模型；Boyd模型能够详细阐述模型高层处理；瀑布模型可以准确区分模型底层功能；JDL模型这种模型能够详细划分模型中层功能。

1.2 信息融合发展

多传感器系统是一套数据信息储量庞大的系统，每一个传感器都能够提供多样、复杂的数据信息。为更加快捷、方便的运用传感器多样、海量的信息，就必须通过信息融合的办法，优化处理冗余、互补的信息，精准判断观察对象根本属性，提高系统运作效能。选取信息融合方式必须以应用场所为基本依据。目前信息融合问题还无法运用数字工具处理与描述，所以我们必须加快信息融合理论的丰富速度，建立合理、通用的问题解决办法。

2 智能传感网

2.1 智能传感器

传感器主要依赖两个基础[1]：第一传感器随着硬件设备与科学技术的发展，能够在减少传感器节点花费的计算成本基础上，达到信号处理目的。第二传统传感器原始数据往往有着非常庞大的数据量，且这一数据量是远高于感兴趣信息量。智能传感器非常青睐直接获取让人感兴趣的信号，经过传输、存储与处理，完成信号的传递。

2.2 节点技术

在可视传感网当中，智能相机是非常经典的传感器[2]。它能够实现视频处理、视频压缩与视频采集功能于一体，共同继承在嵌入式平台，形成具有通信和视频处理功能为一体的视频相继体系。借助于智能相机，我们能够更加方便的将中心工作站计算机算法转移到向极端，完成分布式的数据计算。我们都知道分布式计算可以增强网络扩展性、提高网络应用可靠性、减少网络通信的负荷，有着较大的优势，因此节点技术被人们予以了高度的重视。

2.3 传感网计算

在传感器的节点规模不断增大的同时，大数据处理也成为了数据处理问题，此时就必须运用合理的手段解决智能传感网络的计算技术问题。如可视传感网就非常详细的解答了其与智能传感网的计算相关技术，可视传感网体系不同设备的关系是不同的，但视场间邻接或覆盖关系、摄像机空间关系都能欧使用视觉拓扑表征。视觉拓扑这种结构的计算可以使用源和汇，摄像机视场源和汇间存在的路径建模，如使用图来表示拓扑结构，那么图中节点代表的就是源和汇，途中边所达标的则是源和汇连接路径。

3 高速数字信号

3.1 挑战与困境

目前高速信号的信息处理所需要迎接挑战难度最大的方面：（1）由于数据量不断提升，导致高速数据的处理压力及传输压力在不断增加。（2）因民用领域对高性能信号有着越来越高的信号处理要求，所以如何协调高性能信号民用使用关系也是非常关键的一面。（3）新型串行总线的传输有着非常广泛的应用与发展渠道，但并行传输在发展过程中却遇到了较大的阻碍。

3.2 技术发展展望

为克服上述挑战及问题，高速信号的处理技术就必须面向高性能开放标准总线架、高速多处理互联技术、多核信号处理器三个方向发展[3]。

（1）建立由Rapid IO为核心的高性能嵌入互联技术。目前高性能嵌入系统有着非常良好的发展态势，这就会对芯片建与板件的互联对可靠性、贷款等内容提出非常严格的要求。Rapid IO能够简化流控机制，降低软件的复杂程度。这样在操作时候就可以更加轻松、容易的利用软件完成整个协议栈、重传机制的纠错。并支持多样化的传输模式，有着非常明显的灵活性，可以轻易完成生机与拓展功能。此外这种技术还可以缩小传输的时延，提高数据包传输效率。（2）建立多处理器、多核DSP并行处理的技术。虽然DSP能够大大提高DSP及FPGA为内核的信号处理工作需要。不过仍有许多问题是现阶段仍然没有解决的。比如如何摆脱掉串行处理的约束和局限，以及如何解决语言并行限制都是技术人员需要左中考虑的内容。（3）建立以串行交换为核心的高性能处理工具或平台。这种技术不仅可以增强航空嵌入系统以及军用系统的性能，同时还能够大幅节约系统成本，有着低能耗，高效率的信息树立体系。当然仅凭单一的网络交换并不能完全解决航空嵌入式、国防嵌入式应用需求。为了使不同行业不同需求都能够得到满足，分层解决法就此诞生。国内多处理器与DSP嵌入式的并行信号处理能力仍不够成熟，正处于发展速度较为缓慢进程，所以早日摆脱这种问题和困境，就必须提高对高速信号处理芯片、处理系统自主技术支持，使高速数字信号处理芯片与处理系统能够发挥出更大的功效，提高信号处理效果与水平。

4 结语

大数据环境下的信号处理工作面临着非常复杂、繁多的挑战。为处理海量的信号数据，就必须重点研究信息融合，从而早日达成信息融合的目的。在处理多元复杂的信息时，使用智能传感技术、高速信号处理技术，以及高速信号的处理芯片提高信号处理效率与信号处理质量。

参考文献

[1]张培钟，缪晨，赵阳莹等.雷达信号处理中大数据量FFT的实现[J].微波学报，2017，33（S1）：342-345.

[2]孙瑞华.大数据环境下关于信号处理的技术探讨[J].自动化与仪器仪表，2017（12）：16-17.

[3]唐震.大数据背景下的信号处理分析[J].中国新通信，2016，（21）：64.

Abstract：At present， the technology of high resolution signal， wideband signal and high dimension signal in China is developing very fast， and now it has entered the era of big data. This paper briefly introduces the core technology of signal processing in the background of big data environment， and puts forward the development direction of signal processing.

Key words：big data； signal processing； information fusion