基于机器视觉的通信网络数据可靠度计算方法

2022-02-27张战胜马亮

电子设计工程 2022年4期

张战胜，马亮

（华中师范大学，湖北武汉 430079）

在互联网技术高速发展的背景下，通信网络建设已经成为社会发展的必然趋势，推动着网络信息的不断发展。在通信网络中，通信网络数据安全审核、网络攻击防御等通信技术已经较为成熟，但通信网络数据的位置、通信信息泄露及通信数据容易遭到攻击等技术问题，却没有被及时解决，导致通信网络数据的可靠度较低，成为制约通信网络发展的关键因素[1-2]。为了使通信网络数据可以在通信网络中安全、可靠传输，需要对通信网络数据的可靠度进行计算[3-4]。传统的通信网络数据可靠度计算方法在计算可靠度时，对通信网络数据的传输过程进行了描述，并建立了通信网络数据可靠度模型，根据通信网络数据的传输方式设定可靠度节点，最后对通信网络数据可靠度模型进行单向化分解，在传统计算方法中，虽在一定程度提升了通信网络数据传输的质量，优化了数据传输的方式，但存在数据传输延迟，通信网络数据的封包投递率、分组丢失率与标准数据相差较大，无法保证通信数据的可靠度[5-6]。

基于传统方法出现的问题，该文提出了基于机器视觉的通信网络数据可靠度计算方法。该方法首先基于机器视觉技术建立了通信网络数据可靠度数学模型，然后根据建立的可靠度数学模型对通信网络数据的可靠度进行评估，最后通过对比实验验证该文所提方法的有效性。

1 通信网络数据可靠度数学模型

为了确保计算机器视觉的通信网络数据的可靠度，需要构建一个通信网络数据可靠度数学模型。通过该可靠度数学模型可以评估通信网络数据传输路径的数据处理能力，实现通信网络数据的可靠传输，建立的通信网络数据传输信道模型[7-8]如式（1）所示：

式中，γ表示数据传输能力系数；d表示机器视觉系统中操作端与通信终端间的距离；s表示传输路径缓冲区大小；A表示数据传输过程中通信网络数据的分组丢包率；Xf表示数据传输路径的时间间隔，γ、A、Xf分别利用式（2）中各式进行表示：

其中，a、b、c、hb表示0～10 之间的自然数。

通常情况下通信网络数据传输路径的损耗与机器视觉系统中通信终端的通信时间密切相关，通信网络数据传输路径的损耗影响着通信网络数据传输信道的稳定性。通过选择一条合适的数据传输路径来计算通信网络数据发送至通信终端的速率，检测其他通信网络数据传输路径的传输状态，评估不同通信网络数据传输路径处理数据的能力。根据能力的高低动态配置通信网络数据流量，接收数据传输路径中的离散成分，通信网络数据的传输路径函数如式（3）所示：

式中，rd表示通信网络数据传输路径损耗；σ表示通信网络数据封包投递率；r表示没有出现丢失情况的通信网络数据；I0表示数据传输信道衰减系数；K表示传输部分通信网络数据所产生的瞬时功率[9-11]。通信终端检测过程如图1 所示。

图1 通信终端检测过程

观察图1 可知，根据建立的通信网络数据传输路径函数评估该条路径的数据传输能力，为通信终端分配容量不同的缓冲区空间，通信网络数据中不同的数据块离开同一条数据传输路径的时间不同，为了避免在通信终端存储过量的通信网络数据，将数据传输信道中的上下链路设定成互相独立，降低由于传输路径受衰减影响而产生的路径损耗率，使通信网络数据传输的路径特征符合Rice 分布，确定出当前数据传输路径的时间间隔，结合通信网络数据传输路径函数获得可靠度数学模型：

其中，Q表示通信网络数据的可靠度系数，通过可靠度数学模型可以直观地表示出通信网络数据的传输路径与数据分组丢失率之间的关系[12-13]。

2 通信网络数据可靠度计算

根据构建的通信网络数据可靠度数学模型，对基于机器视觉的通信网络数据可靠度进行计算。采用蒙特卡罗统计技术获得通信网络数据传输信道分布和数据传输路径分布，利用分布解析方法计算出通信网络数据在传输路径中传输的成功概率，利用Rice 分布对通信网络数据的传输时间进行描述，通信网络数据单次传输数据量遵循N(μ，σ2)分布，确定通信网络数据传输速率。在通信网络数据传输过程中，如果通信链路不中断保持连续状态，则说明通信链路传输通信网络数据的能力较好，能够保证通信网络数据稳定、安全地在通信网络中进行传输，在通信链路保持正常连通的条件下，通信网络数据正常传输到通信终端的概率为：

利用式（7）表示通信网络数据所在的通信信道传输成功概率：

其中，tR表示通信链路堵塞概率，在计算通信网络数据所在的通信信道的传输能力时，需要获得通信链路的繁忙概率，并将其与通信信道传输成功概率进行结合，得出通信网络数据中某一数据节点的传输效率。根据通信网络数据传输信道的传输性能，获得通信链路与数据传输路径的传输性能指标。该指标可以计算通信链路在传输通信网络数据时，路径属于连通还是繁忙，通信网络数据可靠传输到通信终端的概率，可通过数据传输信道中的主信道计算求得。

可靠度计算模型如图2 所示。

图2 可靠度计算模型

通过该计算模型可计算通信信道传输通信网络数据的能力和效果，网络数据在通信过程中，通信网络数据在单位传输信道上传输的时间间隔样本为x1，…，xn，利用式（8）计算此条传输信道上成功传输概率的平均值：

其中，i为传输信道，N表示时间间隔样本总数，xi表示通信网络数据在通信链路中进行传输时所用的时间表示通信网络数据在传输信道中成功传输概率的平均值。

为了计算通信网络数据的可靠度，需要将通信网络数据在通信链路与传输信道中成功传输的概率进行融合，融合后的成功传输概率迭代平均值为：

在融合过程中，通信网络数据传输路径符合正态分布，传输信道符合Rice 分布，融合后获得不同路径、不同传输信道中通信网络数据的可靠度为：

式中，SN表示通信网络数据的可靠度。完成通信网络数据的可靠度计算后，选择传输成功率最高的通信网络数据传输路径和传输信道，作为最优的数据传输链路[14-16]。

3 实验

为了验证该文提出的基于机器视觉的通信网络数据可靠度计算方法的有效性，通过与传统可靠度计算方法进行实验对比，验证该文方法的有效性。

以一组通信网络数据包从通信链路开始，到选择最优的传输路径，再到成功传输至通信终端的整个过程，利用以上构建的基于机器视觉的通信网络数据可靠度模型以及提出的可靠度评估方法，计算通信网络数据的分组丢失率和封包投递率，采用该文计算方法计算完毕后，利用传统计算方法计算传统通信网络数据的分组丢失率和封包投递率。实验参数如下：通信网络数据传输速率设定为2 216 Mbit/s，通信网络数据包传输成功率为85%，通信网络数据包标准长度为140 284 bit，通信网络数据传输节点为150 个，通过式（11）计算通信网络数据的各个节点的分组丢失率：

采用该文提出的基于机器视觉的通信网络数据可靠度计算方法与传统计算方法计算出的分组丢失率结果如图3 所示。分析图3 可知，采用该文提出的通信网络数据可靠度计算方法后，随着通信网络数据传输时间的增加，通信网络数据节点产生的分组丢失率逐渐增大，增大到标准丢失率附近开始趋于稳定，与标准丢失率吻合度较高。而采用传统通信网络数据可靠度计算方法后，随着通信网络数据传输时间的增加，通信网络数据节点产生的分组丢失率一直增大，远远超过了标准丢失率，通信网络数据一直处于失衡状态，由此可验证该文通信网络数据节点产生的分组丢失率远远小于传统方法，分组丢失率更真实、稳定[17]。

图3 该文方法和实际计算分组丢失率对比

在没有出现数据包丢失的情况下，通信网络数据在不同时间内传输产生的传输延迟以及封包投递率如图4 和图5 所示。

图4 数据传输延迟实验结果

图5 封包传输率实验结果

通过对图4 和图5 进行分析可知，在该文方法中，随着通信网络数据量的不断增加，通信网络数据在传输过程中，产生的延迟较小，在单次传输时，通信网络数据的封包投递率逐渐降低，计算出来的结果与真实结果相差较小，吻合度较高。这是由于该文在分析通信网络数据可靠传输的影响因素时，引入了传输路径损耗、网络数据缓冲区空间等变量，将变量代入通信网络数据可靠度模型中，计算出了通信网络数据通信链路成功传输概率，对传输路径进行了有效的多径衰减操作，根据蒙特卡罗技术获得了通信网络数据传输路径分布和通信链路分布，采用机器视觉方法构建了通信网络数据可靠度模型，并对其进行了有效的评估和计算，全面分析了影响通信网络数据可靠度的因素，使最后的计算结果与标准结果吻合度较高。而在传统通信网络数据可靠度计算方法中，通信网络数据传输延迟较高，封包投递率随着通信网络数据量的增加而增加，计算出来的结果与标准结果相差较大。