CN108762734A - 一种基于大数据的软件开发方案的生成方法及系统 - Google Patents

一种基于大数据的软件开发方案的生成方法及系统 Download PDF

Info

Publication number
CN108762734A
CN108762734A CN201810627530.7A CN201810627530A CN108762734A CN 108762734 A CN108762734 A CN 108762734A CN 201810627530 A CN201810627530 A CN 201810627530A CN 108762734 A CN108762734 A CN 108762734A
Authority
CN
China
Prior art keywords
frequency
sequence
pseudo
information
signal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810627530.7A
Other languages
English (en)
Inventor
常云兰
叶华阳
叶华龙
丁官兰
常云建
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yichang Polytron Technologies Inc
Original Assignee
Yichang Polytron Technologies Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Yichang Polytron Technologies Inc filed Critical Yichang Polytron Technologies Inc
Priority to CN201810627530.7A priority Critical patent/CN108762734A/zh
Publication of CN108762734A publication Critical patent/CN108762734A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00Arrangements for software engineering
    • G06F8/20Software design
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F8/00Arrangements for software engineering
    • G06F8/10Requirements analysis; Specification techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明属于软件开发领域,公开了一种基于大数据的软件开发方案的生成方法及系统,以云端大数据为数据库,输入软件的开发需求来确定所要开发软件的信息需求,在数据中搜索最佳的匹配项,不但可以减少人力成本,还大大的减少了开发时间,提高了软件开发的速度,运用单片机、传感器等现代科技智能手段,使软件更具智能化和科技化。本发明通过信息比较得出方案后,根据分析程序芯片,在预案库中选出最接近需求的开发方案,根据用户的不同需求进行修改,将修改后的数据进行保存,这种基于大数据的软件开发方案生成方法,是现阶段用户需求多元化的必然选择。

Description

一种基于大数据的软件开发方案的生成方法及系统
技术领域
本发明属于软件开发领域,尤其涉及一种基于大数据的软件开发方案的生成方法及系统。
背景技术
目前,业内常用的现有技术是这样的:
现代的信息技术飞速发展,各行各业对于软件的应用也越来越广泛,现在的软件开发流程主要是根据客户的需求,先确定据地的方案,再根据项目的日期及人员组成、项目具体的流程等再去开发相应的模组。主软件开发的过程中,软件开发方法是关系到软件开发成败的重要因素。在软件开发实践中,有很多方法可供软件开发人员选择。常见的软件开发方法主要有:结构化开发方法,结构化开发方法强调系统结构的合理性以及所开发的软件的结构的合理性,主要是面向数据流的,结构化技术包括结构化分析、结构化设计和结构化程序设计三方面内容;模块化开发方法,模块化程序设计方法就是把一个待开发的软件系统分解成若干可单独命名和编址的较为简单的部分,这些可单独命名和编址的部分称为模块。这种方法不仅可以将软件系统开发的复杂性在分解过程中降低,便于修改、维护,而且还容易实现同一个系统不同部分的并行开发。面向对象开发方法,其核心思想是利用面向对象的概念和方法为软件需求建立模型,进行系统设计。目前广泛使用的面向对象开发方法包括Booch方法、Rumbaugh方法、Coad和Yourdon方法、Jacobson方法、Wirfs-Brock方法和统一建模方法等。但是,在现有的技术条件下,需要人工的分析所需要的消耗成本,项目模式等,带来巨大的人力成本,消耗不必要的时间,因此需要一种基于大数据的智能软件开发方法,一次来提高开发的效率。
综上所述,现有技术存在的问题是:
人力成本大,耗时长,工作效率低下,供使用人员的可操作性较差。
现有技术中,分析程序的数据分析准确性差,对干扰信号的处理能力差。
现有常规的基于跳频的抗截获技术,在不同信噪比时抗截获性能效果差。
现有技术中,云端服务器的数据传输与处理中,不能减少网络中平均关键链路数,拥塞率较高。
发明内容
针对现有技术存在的问题,本发明提供了一种基于大数据的软件开发方案的生成方法及系统。
本发明是这样实现的,一种基于大数据的软件开发方案的生成方法,包括:
将所需要的软件需求写成命令语言,在输入程序芯片中发送至单片机上,单片机在接收到指令后触动云端服务器,云端服务器对数据库中的数据进行节点处矩阵A的生成,矩阵A包括路由中所有现有光路的功率平坦度信息;是M×M阶矩阵,其中M是网络链路的总数量;元素ai,j∈A表示链路i上受链路j故障影响的光路数量,同时通过链路i,j的光路数量;沿对角线的元素ai,i是代表了沿链路i建立的光路数量;每个候选光路r∈Rs,d的功率平坦度状况的评估,使用存储矩阵A来评估每个候选光路r∈Rs,d的功率平坦度状况;每个节点对(s,d)间的候选路径的Rs,d是由每个网络节点预先计算的,包括比最短路径的链路数多n跳的所有路径;对于每个r∈Rs,d源节点计算Ar矩阵;其中Ar是A矩阵经变换适应特别的路径r之后的矩阵;选择路径r,使所有的矩阵Ar中计算的所有的功率平坦度F(Ar)最小;节点处矩阵A的更新,路由选定后RSVP-TE信令被触发并通过传输信令消息来动态更新在所有的中间节点的矩阵A;显式路由对象是包括在RSVP-TE信令消息中的,以便中间节点都知道全部的路线并修改A矩阵;当链路i和j均属于路径R时元素ai,j的值要增加1;此外,每个节点定期通过基于流量工程开放最短路径优先协议的链路状态广播向相连的节点广播有关本地列的信息,每个节点的A矩阵都有当前网络状态的最新信息;
云端服务器将数据库中的数据经过接收器,再经转换器转换语言格式发送到单片机中,启动驱动器在比较程序中对软件的模式、步骤、组织架构进行梳理;
然后将信息返回到单片机上,启动分析程序芯片,对软件上的特征信息取值范围对应的数值信息进行分析,进行分析中,将真实信息即码字的1和0序列经过N倍扩展后,分别与对应时间顺序的混沌序列进行异或,得到信息码字相应的伪码;分析程序芯片的信息发送端将由伪码发生器生成的跳频序列每N个点分为一组,每个码字相应的N个伪码元对应于跳频序列N个周期内的频点,且伪码的1和0分别代表相应跳频周期上是否发送载频,形成调制图样,由调制图样将伪码序列进行非常规调制,再与由频率合成器生成的跳频图案进行混频,进行发送;分析程序芯片的信息接收端接收到信号后,对发射端载波频率的发送规律进行估计,再与已知跳频频率序列进行比较,与相应时间上的载波频率相等则记为1,与相应时间上的载波频率不相等记为0;利用与信号发送端相同的混沌序列y与伪随机序列rz进行异或得到rx:将rx[1:5000]进行5倍压缩,每5个码字一组,11111压缩为1,00000压缩为0,得到序列rx[1:1000],接收到的真实有效信息;
再由传感器进行实时监测,如果超出设定值,则触发警报器,会启动修改程序芯片;如果数据通过则将方案从输出程序芯片进行输出,在显示盘显示,同时将方案存储到存储器中,通过无线模块将数据上传到云端,完善数据库。
进一步,将真实信息即码字的1和0序列经过N倍扩展后,分别与对应时间顺序的混沌序列进行异或,得到信息码字相应的伪码,具体包括:
第一步,将码速率为Fb_real=25kbps的真实有效信息x[1:1000]横向扩展N=5倍,即1扩展为11111,0扩展为00000,得到序列x1[1:5000],采样率为Fs_real=5MHz;
第二步,产生Chebyshev-Map混沌序列y[1:5000],映射方程为:
yn+1=Tk(yn)=cos(k·cos-1yn),yn∈[-1,1];
其中k为Chebyshev映射参数取4,yn为当前状态,yn+1为下一个状态,从初始值y0开始迭代,采用门限将得到的序列二值量化得到序列y={y0,y1,y2,…,yi,…},初始值y0取0.6;
第三步,将序列x1与混沌序列y异或得到伪随机序列z[1:5000]:
进一步,分析程序芯片的信息发送端将由伪码发生器生成的跳频序列每N个点分为一组,每个码字相应的N个伪码元对应于跳频序列N个周期内的频点,且伪码的1和0分别代表相应跳频周期上是否发送载频,形成调制图样,由调制图样将伪码序列进行非常规调制,再与由频率合成器生成的跳频图案进行混频,进行发送;具体包括:
(1)由伪码序列z[1:5000]的1和0控制生成调制图样,伪码序列z进行非常规BPSK调制,为1,则对应时间内基带信号为cos(2πfc_bpskt),为0,则对应时间内基带信号全为0,生成基带调制信号fbpsk[1:100000];
(2)由伪随机码发生器产生伪随机序列,通过指令译码器,控制频率合成器生成跳频图案X;
(3)将基带调制信号fbpsk与跳频图案X经混频器混频后,得到发送信号rs再进行发送;
所述合成器生成跳频图案X的方法为:由伪随机码发生器生成范围为1-8的跳频序列xhop[1:5000],与随机数xhop(i),i=1...5000对应的跳频载波频率fc(xhop(i))为:
fc(xhop(i))=fL+(xhop(i)-1)*fI
fsend(i)=fc(xhop(i));
其中最低频率fL=30M,跳频间隔为fI=0.25M,由此得到跳频载波频率集fsend[1:5000],再生成跳频载波即跳频图案X[1:100000]。
进一步,分析程序芯片的信息接收端接收到信号后,对发射端载波频率的发送规律进行估计,再与已知跳频频率序列进行比较,与相应时间上的载波频率相等则记为1,与相应时间上的载波频率不相等记为0;包括:
第一步,通过短时傅里叶变换谱图法对接收信号r进行处理,得到信号的粗估计时频脊线r1
第二步,对得到的粗估的时频脊线r1作一阶差分,凸显信号的跳变位置,差分后的信号为r2
第三步,在一阶差分后的信号中选取若干峰值位置,利用最小二乘法作线性拟合得一条直线;
第四步,估计出跳速R后,进一步估计出跳变时刻αTh,其中Th=1/R为跳频周期,α则由下式得出:
第五步,估计出跳速R和跳变时刻αTh后,对每个跳变周期内的单频信号进行估频,在接收到的单频信号中任取一段长度为10的数据rt,t=0,1,2,...,9,依据下式:
其中:符合*表示取共轭,∠表示求信号rt和信号rt+1的相位差,估计出信号载波频率f[1:5000],以及信号的时频脊线;
第六步,将估计出的载波频率f[1:5000]与已知跳频频率序列fsend[1:5000]进行比较,与相应时间上载波频率相等记为1,与相应时间上载波频率不相等记为0,得到序列rz[1:5000]。
进一步,云端服务器对数据库中的数据进行节点处矩阵A的生成中,当有源节点s到目的节点d的新的光路请求到达时,源节点使用存储矩阵A来评估每个候选光路(r∈Rs,d)的功率平坦度状况;每个节点对(s,d)间的候选路径的Rs,d是由每个网络节点预先计算的,并且包括比最短路径的链路数多n跳的所有路径;特别的对于每个r∈Rs,d源节点计算Ar矩阵;其中Ar是A矩阵经变换适应特别的路径r之后的矩阵;其中,ar ij=aij+1,i∈r且j∈r;否则ar ij=aij应用公式以下来选择路径r,使所有矩阵Ar中计算的所有可能的功率平坦度F(Ar)最小;
功率平坦度F(Ar)的计算对于每一个可能故障,对链路i的光路数量与活动光路数量之比求和;没有路由光路沿链路i(例如aii=0)或者所有沿链路i的光路因链路j的故障而直接中断不能使用;ai,i=ai,j
本发明的另一目的在于提供一种实现所述基于大数据的软件开发方案的生成方法的计算机程序。
本发明的另一目的在于提供一种实现所述基于大数据的软件开发方案的生成方法的信息数据处理终端。
本发明的另一目的在于提供一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行所述的基于大数据的软件开发方案的生成方法。
本发明的另一目的在于提供一种实现所述基于大数据的软件开发方案的生成方法的基于大数据的软件开发方案的生成系统,所述基于大数据的软件开发方案的生成系统设置有:输入程序芯片、单片机、转换器、接收器、云端服务器、驱动器、比较程序芯片、分析程序芯片、修改程序芯片、传感器、警报器、发送器、输出程序芯片、显示屏、截屏键、固定板、存储器、无线模块;
所述输入程序芯片与单片机用导线相连;所述单片机上有寄存器,与转换器用导线相连;所述转换器和接收器用总线连接;所述接收器通过网络和云端服务器进行连接;所述云端服务器是一种管理资源的计算机设备;所述驱动器和单片机用数据线相连;
所述比较程序芯片一端和驱动器相连,一端和单片机相连;所述分析程序芯片、修改程序芯片通过数据线和单片机相连;所述传感器用导线和单片机相连;所述警报器用导线和单片机连通;所述发送器和单片机相连,用于发送信息到云端;所述输出程序芯片连接于单片机上;
所述显示屏上有截屏键;所述截屏键用于快速截取屏幕信息;所述固定板上嵌装有存储器和无线模块;所述存储器和无线模块之间用导线相连;所述固定板和显示屏之间点接;
本发明的另一目的在于提供一种搭载有所述基于大数据的软件开发方案的生成系统的在线管理资源的计算机设备
综上所述,本发明的优点及积极效果为:
本发明以云端大数据为数据库,输入软件的开发需求来确定所要开发软件的信息需求,在数据中搜索最佳的匹配项,不但可以减少人力成本,还大大的减少了开发时间,提高了软件开发的速度,运用单片机、传感器等现代科技智能手段,使软件更具智能化和科技化。通过信息比较得出方案后,根据分析程序芯片,在预案库中选出最接近需求的开发方案,根据用户的不同需求进行修改,将修改后的数据进行保存,这种基于大数据的软件开发方案生成方法,是现阶段用户需求多元化的必然选择。
本发明的比较程序芯片处理方法,结合混沌保密通信理论及图样调制跳频方法,通过系统载波的发送位置规律来表示信息,只需检测频点的发送规律来解信息,发送端由伪码“1”和“0”控制跳频周期内是否发送载波,将真实信息隐藏在调制图样中,同时由于混沌序列的无周期性、无收敛性和不可逆性质,将其应用于本方法的发送端可增强调制图样的随机性,因此与现有常规的基于跳频的抗截获技术相比,本发明在信噪比为10时可达到几乎可达100%的抗截获性能。
本发明有效地减少了网络中平均关键链路数,在不增加拥塞率的同时减少了关键链路,为云端服务器的传输性能提高很多。
附图说明
图1是本发明实施例提供的基于大数据的软件开发方案的生成系统结构示意图;
图2是本发明实施例提供的输出程序芯片结构图。
图中:1、输入程序芯片;2、单片机;3、转换器;4、接收器;5、云端服务器;6、驱动器;7、比较程序芯片;8、分析程序芯片;9、修改程序芯片;10、传感器;11、警报器;12、发送器;13、输出程序芯片;14、显示屏;15、截屏键;16、固定板;17、存储器;18、无线模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效,兹例举以下实施例,并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1、图2所示,本发明实施例提供的基于大数据的软件开发方案的生成系统包括:输入程序芯片1、单片机2、转换器3、接收器4、云端服务器5、驱动器6、比较程序芯片7、分析程序芯片8、修改程序芯片9、传感器10、警报器11、发送器12、输出程序芯片13、显示屏14、截屏键15、固定板16、存储器17、无线模块18。
所述输入程序芯片1与单片机2用导线相连;所述单片机2上有寄存器,与转换器3用导线相连;所述转换器3和接收器4用总线连接;所述接收器4通过网络和云端服务器5进行连接;所述云端服务器5是一种管理资源的计算机设备;所述驱动器6和单片机2用数据线相连;
所述比较程序芯片7一端和驱动器6相连,一端和单片机2相连;所述分析程序芯片8、修改程序芯片9通过数据线和单片机2相连;所述传感器10用导线和单片机2相连;所述警报器11用导线和单片机2连通;所述发送器12和单片机2相连,用于发送信息到云端;所述输出程序芯片13连接于单片机2上;
所述显示屏14上有截屏键15;所述截屏键15用于快速截取屏幕信息;所述固定板16上嵌装有存储器17和无线模块18;所述存储器17和无线模块18之间用导线相连;所述固定板16和显示屏14之间点接。
本发明先将所需要的软件需求写成命令语言,在输入程序芯片1中发送至单片机2上,单片机2在接收到指令后触动云端服务器5,将数据库中的数据经过接收器4,再经转换器3转换语言格式发送到单片机2中,此时启动驱动器6在比较程序芯片7中对软件的模式、步骤、组织架构等进行梳理,然后将信息返回到单片机2上,启动分析程序芯片8,对软件上的特征信息,例如经济信息的取值范围等对应的数值信息进行分析,再由传感器10进行实时监测,如果超出设定值,则触发警报器11,此时会启动修改程序芯片9,如果数据通过则会将方案从输出程序芯片13进行输出,在显示盘14显示,同时将方案存储到存储器17中,通过无线模块18将数据上传到云端,完善数据库。
下面结合具体分析对本发明作进一步描述。
本发明实施例提供的基于大数据的软件开发方案的生成方法,包括:
将所需要的软件需求写成命令语言,在输入程序芯片中发送至单片机上,单片机在接收到指令后触动云端服务器,云端服务器对数据库中的数据进行节点处矩阵A的生成,矩阵A包括路由中所有现有光路的功率平坦度信息;是M×M阶矩阵,其中M是网络链路的总数量;元素ai,j∈A表示链路i上受链路j故障影响的光路数量,同时通过链路i,j的光路数量;沿对角线的元素ai,i是代表了沿链路i建立的光路数量;每个候选光路r∈Rs,d的功率平坦度状况的评估,使用存储矩阵A来评估每个候选光路r∈Rs,d的功率平坦度状况;每个节点对(s,d)间的候选路径的Rs,d是由每个网络节点预先计算的,包括比最短路径的链路数多n跳的所有路径;对于每个r∈Rs,d源节点计算Ar矩阵;其中Ar是A矩阵经变换适应特别的路径r之后的矩阵;选择路径r,使所有的矩阵Ar中计算的所有的功率平坦度F(Ar)最小;节点处矩阵A的更新,路由选定后RSVP-TE信令被触发并通过传输信令消息来动态更新在所有的中间节点的矩阵A;显式路由对象是包括在RSVP-TE信令消息中的,以便中间节点都知道全部的路线并修改A矩阵;当链路i和j均属于路径R时元素ai,j的值要增加1;此外,每个节点定期通过基于流量工程开放最短路径优先协议的链路状态广播向相连的节点广播有关本地列的信息,每个节点的A矩阵都有当前网络状态的最新信息;
云端服务器将数据库中的数据经过接收器,再经转换器转换语言格式发送到单片机中,启动驱动器在比较程序中对软件的模式、步骤、组织架构进行梳理;
然后将信息返回到单片机上,启动分析程序芯片,对软件上的特征信息取值范围对应的数值信息进行分析,进行分析中,将真实信息即码字的1和0序列经过N倍扩展后,分别与对应时间顺序的混沌序列进行异或,得到信息码字相应的伪码;分析程序芯片的信息发送端将由伪码发生器生成的跳频序列每N个点分为一组,每个码字相应的N个伪码元对应于跳频序列N个周期内的频点,且伪码的1和0分别代表相应跳频周期上是否发送载频,形成调制图样,由调制图样将伪码序列进行非常规调制,再与由频率合成器生成的跳频图案进行混频,进行发送;分析程序芯片的信息接收端接收到信号后,对发射端载波频率的发送规律进行估计,再与已知跳频频率序列进行比较,与相应时间上的载波频率相等则记为1,与相应时间上的载波频率不相等记为0;利用与信号发送端相同的混沌序列y与伪随机序列rz进行异或得到rx:将rx[1:5000]进行5倍压缩,每5个码字一组,11111压缩为1,00000压缩为0,得到序列rx[1:1000],接收到的真实有效信息;
再由传感器进行实时监测,如果超出设定值,则触发警报器,会启动修改程序芯片;如果数据通过则将方案从输出程序芯片进行输出,在显示盘显示,同时将方案存储到存储器中,通过无线模块将数据上传到云端,完善数据库。
将真实信息即码字的1和0序列经过N倍扩展后,分别与对应时间顺序的混沌序列进行异或,得到信息码字相应的伪码,具体包括:
第一步,将码速率为Fb_real=25kbps的真实有效信息x[1:1000]横向扩展N=5倍,即1扩展为11111,0扩展为00000,得到序列x1[1:5000],采样率为Fs_real=5MHz;
第二步,产生Chebyshev-Map混沌序列y[1:5000],映射方程为:
yn+1=Tk(yn)=cos(k·cos-1yn),yn∈[-1,1];
其中k为Chebyshev映射参数取4,yn为当前状态,yn+1为下一个状态,从初始值y0开始迭代,采用门限将得到的序列二值量化得到序列y={y0,y1,y2,…,yi,…},初始值y0取0.6;
第三步,将序列x1与混沌序列y异或得到伪随机序列z[1:5000]:
分析程序芯片的信息发送端将由伪码发生器生成的跳频序列每N个点分为一组,每个码字相应的N个伪码元对应于跳频序列N个周期内的频点,且伪码的1和0分别代表相应跳频周期上是否发送载频,形成调制图样,由调制图样将伪码序列进行非常规调制,再与由频率合成器生成的跳频图案进行混频,进行发送;具体包括:
(1)由伪码序列z[1:5000]的1和0控制生成调制图样,伪码序列z进行非常规BPSK调制,为1,则对应时间内基带信号为cos(2πfc_bpskt),为0,则对应时间内基带信号全为0,生成基带调制信号fbpsk[1:100000];
(2)由伪随机码发生器产生伪随机序列,通过指令译码器,控制频率合成器生成跳频图案X;
(3)将基带调制信号fbpsk与跳频图案X经混频器混频后,得到发送信号rs再进行发送;
所述合成器生成跳频图案X的方法为:由伪随机码发生器生成范围为1-8的跳频序列xhop[1:5000],与随机数xhop(i),i=1...5000对应的跳频载波频率fc(xhop(i))为:
fc(xhop(i))=fL+(xhop(i)-1)*fI
fsend(i)=fc(xhop(i));
其中最低频率fL=30M,跳频间隔为fI=0.25M,由此得到跳频载波频率集fsend[1:5000],再生成跳频载波即跳频图案X[1:100000]。
分析程序芯片的信息接收端接收到信号后,对发射端载波频率的发送规律进行估计,再与已知跳频频率序列进行比较,与相应时间上的载波频率相等则记为1,与相应时间上的载波频率不相等记为0;包括:
第一步,通过短时傅里叶变换谱图法对接收信号r进行处理,得到信号的粗估计时频脊线r1
第二步,对得到的粗估的时频脊线r1作一阶差分,凸显信号的跳变位置,差分后的信号为r2
第三步,在一阶差分后的信号中选取若干峰值位置,利用最小二乘法作线性拟合得一条直线;
第四步,估计出跳速R后,进一步估计出跳变时刻αTh,其中Th=1/R为跳频周期,α则由下式得出:
第五步,估计出跳速R和跳变时刻αTh后,对每个跳变周期内的单频信号进行估频,在接收到的单频信号中任取一段长度为10的数据rt,t=0,1,2,...,9,依据下式:
其中:符合*表示取共轭,∠表示求信号rt和信号rt+1的相位差,估计出信号载波频率f[1:5000],以及信号的时频脊线;
第六步,将估计出的载波频率f[1:5000]与已知跳频频率序列fsend[1:5000]进行比较,与相应时间上载波频率相等记为1,与相应时间上载波频率不相等记为0,得到序列rz[1:5000]。
云端服务器对数据库中的数据进行节点处矩阵A的生成中,当有源节点s到目的节点d的新的光路请求到达时,源节点使用存储矩阵A来评估每个候选光路(r∈Rs,d)的功率平坦度状况;每个节点对(s,d)间的候选路径的Rs,d是由每个网络节点预先计算的,并且包括比最短路径的链路数多n跳的所有路径;特别的对于每个r∈Rs,d源节点计算Ar矩阵;其中Ar是A矩阵经变换适应特别的路径r之后的矩阵;其中,ar ij=aij+1,i∈r且j∈r;否则ar ij=aij应用公式以下来选择路径r,使所有矩阵Ar中计算的所有可能的功率平坦度F(Ar)最小;
功率平坦度F(Ar)的计算对于每一个可能故障,对链路i的光路数量与活动光路数量之比求和;没有路由光路沿链路i(例如aii=0)或者所有沿链路i的光路因链路j的故障而直接中断不能使用;ai,i=ai,j
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述仅是对本发明的较佳实施例而已,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改,等同变化与修饰,均属于本发明技术方案的范围内。

Claims (10)

1.一种基于大数据的软件开发方案的生成方法,其特征在于,所述基于大数据的软件开发方案的生成方法包括:
将所需要的软件需求写成命令语言,在输入程序芯片中发送至单片机上,单片机在接收到指令后触动云端服务器,云端服务器对数据库中的数据进行节点处矩阵A的生成,矩阵A包括路由中所有现有光路的功率平坦度信息;是M×M阶矩阵,其中M是网络链路的总数量;元素ai,j∈A表示链路i上受链路j故障影响的光路数量,同时通过链路i,j的光路数量;沿对角线的元素ai,i是代表了沿链路i建立的光路数量;每个候选光路r∈Rs,d的功率平坦度状况的评估,使用存储矩阵A来评估每个候选光路r∈Rs,d的功率平坦度状况;每个节点对(s,d)间的候选路径的Rs,d是由每个网络节点预先计算的,包括比最短路径的链路数多n跳的所有路径;对于每个r∈Rs,d源节点计算Ar矩阵;其中Ar是A矩阵经变换适应特别的路径r之后的矩阵;选择路径r,使所有的矩阵Ar中计算的所有的功率平坦度F(Ar)最小;节点处矩阵A的更新,路由选定后RSVP-TE信令被触发并通过传输信令消息来动态更新在所有的中间节点的矩阵A;显式路由对象是包括在RSVP-TE信令消息中的,以便中间节点都知道全部的路线并修改A矩阵;当链路i和j均属于路径R时元素ai,j的值要增加1;此外,每个节点定期通过基于流量工程开放最短路径优先协议的链路状态广播向相连的节点广播有关本地列的信息,每个节点的A矩阵都有当前网络状态的最新信息;
云端服务器将数据库中的数据经过接收器,再经转换器转换语言格式发送到单片机中,启动驱动器在比较程序中对软件的模式、步骤、组织架构进行梳理;
然后将信息返回到单片机上,启动分析程序芯片,对软件上的特征信息取值范围对应的数值信息进行分析,进行分析中,将真实信息即码字的1和0序列经过N倍扩展后,分别与对应时间顺序的混沌序列进行异或,得到信息码字相应的伪码;分析程序芯片的信息发送端将由伪码发生器生成的跳频序列每N个点分为一组,每个码字相应的N个伪码元对应于跳频序列N个周期内的频点,且伪码的1和0分别代表相应跳频周期上是否发送载频,形成调制图样,由调制图样将伪码序列进行非常规调制,再与由频率合成器生成的跳频图案进行混频,进行发送;分析程序芯片的信息接收端接收到信号后,对发射端载波频率的发送规律进行估计,再与已知跳频频率序列进行比较,与相应时间上的载波频率相等则记为1,与相应时间上的载波频率不相等记为0;利用与信号发送端相同的混沌序列y与伪随机序列rz进行异或得到rx:将rx[1:5000]进行5倍压缩,每5个码字一组,11111压缩为1,00000压缩为0,得到序列rx[1:1000],接收到的真实有效信息;
再由传感器进行实时监测,如果超出设定值,则触发警报器,会启动修改程序芯片;如果数据通过则将方案从输出程序芯片进行输出,在显示盘显示,同时将方案存储到存储器中,通过无线模块将数据上传到云端,完善数据库。
2.如权利要求1所述的所述基于大数据的软件开发方案的生成方法,其特征在于,将真实信息即码字的1和0序列经过N倍扩展后,分别与对应时间顺序的混沌序列进行异或,得到信息码字相应的伪码,具体包括:
第一步,将码速率为Fb_real=25kbps的真实有效信息x[1:1000]横向扩展N=5倍,即1扩展为11111,0扩展为00000,得到序列x1[1:5000],采样率为Fs_real=5MHz;
第二步,产生Chebyshev-Map混沌序列y[1:5000],映射方程为:
yn+1=Tk(yn)=cos(k·cos-1yn),yn∈[-1,1];
其中k为Chebyshev映射参数取4,yn为当前状态,yn+1为下一个状态,从初始值y0开始迭代,采用门限将得到的序列二值量化得到序列y={y0,y1,y2,…,yi,…},初始值y0取0.6;
第三步,将序列x1与混沌序列y异或得到伪随机序列z[1:5000]:
3.如权利要求1所述的所述基于大数据的软件开发方案的生成方法,其特征在于,分析程序芯片的信息发送端将由伪码发生器生成的跳频序列每N个点分为一组,每个码字相应的N个伪码元对应于跳频序列N个周期内的频点,且伪码的1和0分别代表相应跳频周期上是否发送载频,形成调制图样,由调制图样将伪码序列进行非常规调制,再与由频率合成器生成的跳频图案进行混频,进行发送;具体包括:
(1)由伪码序列z[1:5000]的1和0控制生成调制图样,伪码序列z进行非常规BPSK调制,为1,则对应时间内基带信号为cos(2πfc_bpskt),为0,则对应时间内基带信号全为0,生成基带调制信号fbpsk[1:100000];
(2)由伪随机码发生器产生伪随机序列,通过指令译码器,控制频率合成器生成跳频图案X;
(3)将基带调制信号fbpsk与跳频图案X经混频器混频后,得到发送信号rs再进行发送;
所述合成器生成跳频图案X的方法为:由伪随机码发生器生成范围为1-8的跳频序列xhop[1:5000],与随机数xhop(i),i=1...5000对应的跳频载波频率fc(xhop(i))为:
fc(xhop(i))=fL+(xhop(i)-1)*fI
fsend(i)=fc(xhop(i));
其中最低频率fL=30M,跳频间隔为fI=0.25M,由此得到跳频载波频率集fsend[1:5000],再生成跳频载波即跳频图案X[1:100000]。
4.如权利要求1所述的所述基于大数据的软件开发方案的生成方法,其特征在于,分析程序芯片的信息接收端接收到信号后,对发射端载波频率的发送规律进行估计,再与已知跳频频率序列进行比较,与相应时间上的载波频率相等则记为1,与相应时间上的载波频率不相等记为0;包括:
第一步,通过短时傅里叶变换谱图法对接收信号r进行处理,得到信号的粗估计时频脊线r1
第二步,对得到的粗估的时频脊线r1作一阶差分,凸显信号的跳变位置,差分后的信号为r2
第三步,在一阶差分后的信号中选取若干峰值位置,利用最小二乘法作线性拟合得一条直线;
第四步,估计出跳速R后,进一步估计出跳变时刻αTh,其中Th=1/R为跳频周期,α则由下式得出:
第五步,估计出跳速R和跳变时刻αTh后,对每个跳变周期内的单频信号进行估频,在接收到的单频信号中任取一段长度为10的数据rt,t=0,1,2,...,9,依据下式:
其中:符合*表示取共轭,∠表示求信号rt和信号rt+1的相位差,估计出信号载波频率f[1:5000],以及信号的时频脊线;
第六步,将估计出的载波频率f[1:5000]与已知跳频频率序列fsend[1:5000]进行比较,与相应时间上载波频率相等记为1,与相应时间上载波频率不相等记为0,得到序列rz[1:5000]。
5.如权利要求1所述的所述基于大数据的软件开发方案的生成方法,其特征在于,
云端服务器对数据库中的数据进行节点处矩阵A的生成中,当有源节点s到目的节点d的新的光路请求到达时,源节点使用存储矩阵A来评估每个候选光路(r∈Rs,d)的功率平坦度状况;每个节点对(s,d)间的候选路径的Rs,d是由每个网络节点预先计算的,并且包括比最短路径的链路数多n跳的所有路径;特别的对于每个r∈Rs,d源节点计算Ar矩阵;其中Ar是A矩阵经变换适应特别的路径r之后的矩阵;其中,ar ij=aij+1,i∈r且j∈r;否则ar ij=aij应用公式以下来选择路径r,使所有矩阵Ar中计算的所有可能的功率平坦度F(Ar)最小;
功率平坦度F(Ar)的计算对于每一个可能故障,对链路i的光路数量与活动光路数量之比求和;没有路由光路沿链路i(例如aii=0)或者所有沿链路i的光路因链路j的故障而直接中断不能使用;ai,i=ai,j
6.一种实现权利要求1~5任意一项所述基于大数据的软件开发方案的生成方法的计算机程序。
7.一种实现权利要求1~5任意一项所述基于大数据的软件开发方案的生成方法的信息数据处理终端。
8.一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行如权利要求1-5任意一项所述的基于大数据的软件开发方案的生成方法。
9.一种实现权利要求1所述基于大数据的软件开发方案的生成方法的基于大数据的软件开发方案的生成系统,其特征在于,所述基于大数据的软件开发方案的生成系统设置有:输入程序芯片、单片机、转换器、接收器、云端服务器、驱动器、比较程序芯片、分析程序芯片、修改程序芯片、传感器、警报器、发送器、输出程序芯片、显示屏、截屏键、固定板、存储器、无线模块;
所述输入程序芯片与单片机用导线相连;所述单片机上有寄存器,与转换器用导线相连;所述转换器和接收器用总线连接;所述接收器通过网络和云端服务器进行连接;所述云端服务器是一种管理资源的计算机设备;所述驱动器和单片机用数据线相连;
所述比较程序芯片一端和驱动器相连,一端和单片机相连;所述分析程序芯片、修改程序芯片通过数据线和单片机相连;所述传感器用导线和单片机相连;所述警报器用导线和单片机连通;所述发送器和单片机相连,用于发送信息到云端;所述输出程序芯片连接于单片机上;
所述显示屏上有截屏键;所述截屏键用于快速截取屏幕信息;所述固定板上嵌装有存储器和无线模块;所述存储器和无线模块之间用导线相连;所述固定板和显示屏之间点接。
10.一种搭载有权利要求9所述基于大数据的软件开发方案的生成系统的在线管理资源的计算机设备。
CN201810627530.7A 2018-06-19 2018-06-19 一种基于大数据的软件开发方案的生成方法及系统 Pending CN108762734A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810627530.7A CN108762734A (zh) 2018-06-19 2018-06-19 一种基于大数据的软件开发方案的生成方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810627530.7A CN108762734A (zh) 2018-06-19 2018-06-19 一种基于大数据的软件开发方案的生成方法及系统

Publications (1)

Publication Number Publication Date
CN108762734A true CN108762734A (zh) 2018-11-06

Family

ID=63978645

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810627530.7A Pending CN108762734A (zh) 2018-06-19 2018-06-19 一种基于大数据的软件开发方案的生成方法及系统

Country Status (1)

Country Link
CN (1) CN108762734A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110007905A (zh) * 2019-04-17 2019-07-12 安徽省希灵科技服务有限公司 一种基于大数据的软件开发方案的生成方法及系统
CN112379860A (zh) * 2020-10-26 2021-02-19 安徽朵朵云网络科技有限公司 一种基于大数据的用户软件需求分析方法
CN112925511A (zh) * 2021-03-11 2021-06-08 陕西弈聪软件信息技术股份有限公司 一种基于大数据的软件开发方案的生成方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102523247A (zh) * 2011-11-24 2012-06-27 合肥工业大学 一种基于多属性匹配的云服务推荐方法及装置
CN103149902A (zh) * 2013-02-05 2013-06-12 孙凯祺 一种智能家居系统
CN103595523A (zh) * 2012-08-15 2014-02-19 希姆通信息技术(上海)有限公司 基于混沌变换的文件加解密方法及其系统
CN104469560A (zh) * 2014-12-26 2015-03-25 西安科技大学 基于通用多协议标签交换的波长交换光网络路由的方法
CN106100695A (zh) * 2016-06-14 2016-11-09 西安电子科技大学 一种基于混沌码的图样调制跳频抗截获方法
CN106657215A (zh) * 2016-09-19 2017-05-10 重庆邮电大学 一种基于v2x通信的车联网信息终端可重构架构
US20170322881A1 (en) * 2016-05-03 2017-11-09 International Business Machines Corporation Read and write sets for transactions of a multithreaded computing environment

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102523247A (zh) * 2011-11-24 2012-06-27 合肥工业大学 一种基于多属性匹配的云服务推荐方法及装置
CN103595523A (zh) * 2012-08-15 2014-02-19 希姆通信息技术(上海)有限公司 基于混沌变换的文件加解密方法及其系统
CN103149902A (zh) * 2013-02-05 2013-06-12 孙凯祺 一种智能家居系统
CN104469560A (zh) * 2014-12-26 2015-03-25 西安科技大学 基于通用多协议标签交换的波长交换光网络路由的方法
US20170322881A1 (en) * 2016-05-03 2017-11-09 International Business Machines Corporation Read and write sets for transactions of a multithreaded computing environment
CN106100695A (zh) * 2016-06-14 2016-11-09 西安电子科技大学 一种基于混沌码的图样调制跳频抗截获方法
CN106657215A (zh) * 2016-09-19 2017-05-10 重庆邮电大学 一种基于v2x通信的车联网信息终端可重构架构

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110007905A (zh) * 2019-04-17 2019-07-12 安徽省希灵科技服务有限公司 一种基于大数据的软件开发方案的生成方法及系统
CN112379860A (zh) * 2020-10-26 2021-02-19 安徽朵朵云网络科技有限公司 一种基于大数据的用户软件需求分析方法
CN112925511A (zh) * 2021-03-11 2021-06-08 陕西弈聪软件信息技术股份有限公司 一种基于大数据的软件开发方案的生成方法及系统

Similar Documents

Publication Publication Date Title
Shakarami et al. An autonomous computation offloading strategy in Mobile Edge Computing: A deep learning-based hybrid approach
Aral et al. Learning spatiotemporal failure dependencies for resilient edge computing services
CN105808634A (zh) 分布式映射化简网络
CN108762734A (zh) 一种基于大数据的软件开发方案的生成方法及系统
CN105940377A (zh) 用于基于云的虚拟化编排器的方法、系统和计算机可读介质
Bistarelli et al. Modeling and solving afs with a constraint-based tool: Conarg
CN108459944A (zh) 系统运行监控方法、装置及服务器
WO2016074606A1 (en) Method and apparatus for model-driven, affinity-based, network functions
de la Iglesia et al. Guaranteeing robustness in a mobile learning application using formally verified MAPE loops
US11263569B2 (en) Blockchain-based information processing method and apparatus, and device
Soi et al. Reliability indices for topological design of computer communication networks
CN112448923A (zh) 信息共享方法、装置、系统、电子设备以及存储介质
Premalatha et al. TwI-FTM: two-way IoT-FoG trust management scheme for task offloading in IoT-FoG networks
Shefu et al. Fruit fly optimization algorithm for network-aware web service composition in the cloud
Chen et al. Link prediction and route selection based on channel state detection in UASNs
CN109842527B (zh) 一种网络告警方法以及设备
CN106790339A (zh) 元数据服务器、网络装置及自动资源管理方法
Makhloufi et al. A survey and performance evaluation of decentralized aggregation schemes for autonomic management
CN110493044A (zh) 一种可量化的态势感知的方法和系统
Adanza et al. Enabling traffic forecasting with cloud-native SDN controller in transport networks
Wu et al. A delay tolerant network routing algorithm based on multi‐step double Q‐learning
US7627682B2 (en) Method and system to evaluate utilization of resources
Arefin et al. Diamond: Correlation-based anomaly monitoring daemon for dime
Shozi et al. SDN-enabled Switch Placement in Multi-domain Hybrid SD-WAN
CN115361692B (zh) 一种软件定义物联网的控制方法和系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20181106