计弱连接条件下网络数据多信道传输节点路径调控方法
2019-01-10严星吴向前高敬礼
严星 吴向前 高敬礼
关键词： 计弱连接; 网络数据; 多信道传输节点; 传输效率; 路径调控; 信道分配
中图分类号： TN915?34 文献标识码： A 文章编号： 1004?373X（2019）01?0100?03
Abstract： The traditional method can′t regulate the information content on the path of network data transmission node evenly under the condition of weak connection， which leads to large energy consumption and low efficiency of data transmission. Therefore， a path regulation method for multi?channel transmission nodes under weak connection condition is proposed. The network data multi?channel transmission node model is constructed to determine the best path queue of data transmission nodes， so the information content on the transmission node path can be uniformly transmitted. The path regulation method of channel allocation is used to optimize the data transmission node path， which can effectively reduce the energy consumption of data transmission， improve the transmission efficiency of multi?channel nodes， and complete the path regulation of network data multi?channel transmission nodes under weak connection condition. The experimental results show this method can improve the transmission efficiency of data multi?channel transmission nodes effectively， solve the shortcomings of traditional methods validly， and has important significance for the development of this field.
Keywords： weak connection; network data; multi?channel transmission node; transmission efficiency; path regulation; channel allocation
0 引 言
在計弱连接的条件下，人们对网络数据信息的传递质量要求也在逐渐提高，网络经历了传统单一化到现在的快速集成化，逐渐发展成智能化、网络化，这就是智能的网络[1?2]。网络所具有的良好性能，使其成为现今研究的热点之一[3?5]。然而大部分的网络节点是由电池或者是有限供电的设备供电的，能量进行补充时较为困难，为此通过有效的网络数据多径信道传输的节点进行路径优化，提高数据传输的效率，降低数据传输的能量消耗[6]。对网络数据多径信道的传输节点路径调控的目标是保证在数据依照路由进行数据传输的过程中，减少节点的能耗量，延长网络的生命周期，使网络运行最大化[7]。
文献[8]提出基于遗传的模拟退火数据传输节点路径优化算法。依据优化目标建立数学模型，对种群编码的方式进行设计，依据种群相对应个体不同的进化程度提出一种新的准则，使模拟的退火算法更有规律性。实验结果表明，与其他数据传输路径优化算法相比，该算法可以生成更多数据传输路径，但优化时间略长，数据传输效率较低。文献[9]提出基于蚁群算法的网络数据传输路径寻优算法。经过改进启发函数，使在最优路径上发生节点死亡情况时，减少节点路径进行再次寻优耗费的时间。经过实验证明，利用该方法能对最优路径进行修复，但由于修复时间较长，节点能量消耗大，数据传输效率较低。
由图2能够看出，本文方法网络数据生存时间较高，且随着多信道传输节点数量的降低，本文方法网络数据生存时间提高的效果越来越明显，这是因为本文方法对数据传输节点区域的各位置进行了全面的考虑与监测，在数据多信道传输节点路径选择时，以网络数据生存时间为主要指标，构建更优化的路径调控模型。而层次分析法没有对网络数据传输的生存时间进行考虑。充分说明本文方法有效地提高了网络数据传输节点的生存时间，数据传输效率高。
对图3进行分析能够看出，当网络传输节点的数量小于100时，本文方法比层次分析法移动的路程较大一些，在获取的数据传输节点的路径调控时，虽然本文方法停留的位置增加了，但停留时间比较短，而层次分析法停留位置的间距比较长，由此得出本文方法更能提高数据传输路径的效率，降低了传输节点路径过程的能耗。
图4为本文方法与多层次分析法的网络数据多信道网络吞吐量对比。
从图4能够看出，本文所提方法的平均网络数据吞吐量是0.8 Mb/s，相比多层次分析法增加了1.2 Mb/s，从增加的网络吞吐量上可以看出，本文所提方法的性能比较好。在网络数据信道较多的情况下，能有效地减少数据在进行传输时节点的延迟时间，减少了数据节点间的相互干扰，降低了网络数据传输时产生的能量消耗，提高了数据传输节点的效率。
3 结 论
针对节点在数据传输过程中产生的能量消耗较多，节点路径传输效率较低等问题，本文提出一种基于信道分配的网络数据传输节点路径调控方法。经过实验证明，该方法能有效降低数据节点传输路径过程中的能耗，提高了节点数据传输路径的效率，为后续进行该领域的研究提供了依据。
参考文献
[1] EGAMI T， WATANABE T， UMEMOTO K. Proposal and verification of a path control method that considers vehicle sideslip [J]. Transactions of the society instrument and control engineers， 2017， 53（4）： 268?275.
[2] NISHIOKA J. Path control device， path control system， path control method， and non?transitory computer readable medium [J]. Fresh patents， 2016， 34（3）： 34?45.
[3] 侯贵升，吴晓蓓，黄成，等.混合型异构传感器网络中移动数据收集器的路径优化[J].控制与决策，2016，31（7）：1285?1290.
HOU Guisheng， WU Xiaobei， HUANG Cheng， et al. Optimi?zing path selection for mobile data collector in hybrid heterogeneous sensor networks [J]. Control and decision， 2016， 31（7）： 1285?1290.
[4] 闫伟，史洪玮.网络数据多信道传输路径规划方法研究[J].计算机仿真，2016，33（8）：284?287.
YAN Wei， SHI Hongwei. Multi channel network data transmission path planning method research [J]. Computer simulation， 2016， 33（8）： 284?287.
[5] 刘飞强，周新志.有源星型光纤CAN网络的数据传输系统的研究设计[J].计算机测量与控制，2015，23（11）：3846?3848.
LIU Feiqiang， ZHOU Xinzhi. Design of data transmission system based on active star fiber CAN bus [J]. Computer measurement & control， 2015， 23（11）： 3846?3848.
[6] 杨志勇，叶冯彬，冯艳辉，等.有向非负权图中经过必经节点集最短路径算法[J].电子设计工程，2017，33（16）：32?36.
YANG Zhiyong， YE Fengbin， FENG Yanhui， et al. The shor?test path algorithm through the necessary node set in directed non negative weight graph [J]. Electronic design engineering， 2017， 33（16）： 32?36.
[7] 胡代弟.远程实验数据传输中加密数据防丢失方法研究[J].科学技术与工程，2016，16（31）：61?65.
HU Daidi. The remote experiment data encrypted data loss prevention method in the study [J]. Science technology and engineering， 2016， 16（31）： 61?65.
[8] 吴意乐，何庆.基于改进遗传模拟退火算法的WSN路径优化算法[J].计算机应用研究，2016，33（10）：2959?2962.
WU Yile， HE Qing. WSN path optimization algorithm based on improved genetic simulated annealing algorithm [J]. Application research of computers， 2016， 33（10）： 2959?2962.
[9] THOMSEN B C， LAVERY D， PHILLIPS I D， et al. Unrepea?tered Nyquist PDM?16QAM transmission over 364 km using Raman amplification and multi?channel digital back?propagation [J]. Optics letters， 2015， 40（13）： 3025?3028.
[10] 陈志华.分布式云计算环境下的海量数据有效查询方法[J].科技通报，2015，31（8）：222?224.
CHEN Zhihua. Huge amounts data effective query methods in distributed cloud computing environment [J]. Bulletin of science and technology， 2015， 31（8）： 222?224.
[11] 张建伟，潘秀琴.一种联合多信道分配决策的认知Mesh系统数据传输优化算法[J].计算机应用研究，2016，33（2）：567?570.
ZHANG Jianwei， PAN Xiuqin. Cognitive Mesh system data transfer optimization algorithm based on joint multi?channel allocation decisions [J]. Application research of computers， 2016， 33（2）： 567?570.
