CN112953684B - 一种基于位图码字距离的渔业大数据分发方法 - Google Patents
一种基于位图码字距离的渔业大数据分发方法 Download PDFInfo
- Publication number
- CN112953684B CN112953684B CN202110102645.6A CN202110102645A CN112953684B CN 112953684 B CN112953684 B CN 112953684B CN 202110102645 A CN202110102645 A CN 202110102645A CN 112953684 B CN112953684 B CN 112953684B
- Authority
- CN
- China
- Prior art keywords
- node
- data
- bitmap
- code word
- degree
- 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.)
- Active
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 23
- 230000002068 genetic effect Effects 0.000 claims abstract description 9
- 210000000349 chromosome Anatomy 0.000 claims description 57
- 230000005540 biological transmission Effects 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000005315 distribution function Methods 0.000 claims description 9
- 108090000623 proteins and genes Proteins 0.000 claims description 9
- 230000001186 cumulative effect Effects 0.000 claims description 6
- 230000035772 mutation Effects 0.000 claims description 6
- 230000009365 direct transmission Effects 0.000 claims description 4
- 230000009191 jumping Effects 0.000 claims description 4
- 208000001613 Gambling Diseases 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 3
- 238000012804 iterative process Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012856 packing Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 206010033799 Paralysis Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/12—Arrangements for detecting or preventing errors in the information received by using return channel
- H04L1/16—Arrangements for detecting or preventing errors in the information received by using return channel in which the return channel carries supervisory signals, e.g. repetition request signals
- H04L1/1607—Details of the supervisory signal
- H04L1/1614—Details of the supervisory signal using bitmaps
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L1/00—Arrangements for detecting or preventing errors in the information received
- H04L1/0001—Systems modifying transmission characteristics according to link quality, e.g. power backoff
- H04L1/0033—Systems modifying transmission characteristics according to link quality, e.g. power backoff arrangements specific to the transmitter
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Business, Economics & Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Evolutionary Computation (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Genetics & Genomics (AREA)
- Physiology (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明涉及一种基于位图码字距离的渔业大数据分发方法,包括:配置一个源节点,N个转发层节点以及接收层节点的信息;源节点把渔业大数据元数据分成若干数据块,采用直接发送结合鲁棒孤子度分布编码方式发送各数据块;转发层节点将数据块中已经解码的原始数据存放至解码数据单元集合中,将未解码的码字存放至复杂码字集合;采用遗传算法求解位图发送频率f以及最优码字距离序列;转发层随机选择一个相邻的转发层节点进行转发,根据位图发送频率f以及最优码字距离序列选择相应的数据进行编码操作,进行码字交换;将解码后的数据发送给转发层节点所对应的接收层节点等步骤。本发明增大创新码字在网络中的浓度,以此提高了节点接收数据的有效性。
Description
技术领域
本发明属于网络通信邻域,尤其涉及一种基于位图码字距离的渔业大数据分发方法。
背景技术
目前我国海洋渔业生产面临着诸多问题如近海捕捞能力过剩、渔业资源衰退严重、海洋渔业生态环境破坏严重、渔船监管力度不够以及救援体系不完善。针对这些有关渔业资源、渔业生态、渔业生产和海上救助等问题,我国正在大力推进海洋渔业信息化建设。渔船监管系统作为渔业信息化最主要的手段之一,其在渔船导航、安全救援、渔业生产和海上监控等方面有着广泛的应用。随着我国传感器技术、物联网技术、北斗卫星定位技术和计算机网络技术的快速发展,北斗VMS能够实时采集海上作业渔船的位置、速度、方向和温度等数据。并通过卫星通信技术传递到地面接收站。地面接收站需要将这些数据实时地发送给各类用户,从而实现作业渔船远程管理和监控,进一步推动海洋渔业信息化建设。由此产生的大规模渔船信息给传统的网络数据传输带来了巨大的挑战。随着用户量及数据量的增加,地面接收站负载增大,可能造成设备和资源不堪重负,从而导致地面接收站过载而延迟响应甚至失效,最终影响到用户体验。
目前,渔船定位推送服务器由一台源服务器与多台接收服务器组成,源服务器负责接收北斗返回的串口数据,并进行解析存储与转发到多台接收服务器。原始系统在TCP通信协议的基础上采用的是C/S数据分发模式,假设源服务器将一份由h块数据构成的文件发送给z个客户端,则源服务器至少需要发送h*z轮,才能使所有客户端都接收到完整的文件。原系统的数据分发模式会存在以下两点不足:其一,源服务器压力过大,源服务器需要实时接收卫星传输的数据,并将其分发给多个接收节点,因此,系统的压力都集中在了源服务器,极易导致源服务器崩溃,最终造成系统瘫痪;其二,分发效率受TCP协议影响,该系统的数据是密集型的,而TCP协议的三次握手特性使得源服务器一次只能与一个节点建立通信链路,造成TCP协议在该系统中应接不暇,在一定程度上加大了延迟,影响了数据分发效率。
发明内容
本发明所要解决的问题是提供一种基于位图码字距离的渔业大数据分发方法,以解决现有技术中数据分发效率低的问题。
为了达到目的,本发明提供的技术方案为:
本发明涉及的一种基于位图码字距离的渔业大数据分发方法,包括以下步骤:
1)配置一个源节点S,N个转发层节点以及接收层节点的信息,在每个转发层节点Ri(i=1,2,...,N)上初始化一个解码数据单元集合X和一个复杂码字集合Y,设定转发层节点之间传输时初始的度的最大门限值maxdegree;
2)源节点S把渔业大数据元数据分成m份同等大小的数据块Fi(i=1,2,...,m),并采用直接发送结合鲁棒孤子度分布编码方式发送各数据块;
3)转发层节点接收到数据块后,将数据块中已经解码的原始数据存放至解码数据单元集合X中,将未解码的码字存放至复杂码字集合Y;
4)转发层节点采用遗传算法求解位图发送频率f以及最优码字距离序列;
5)转发层随机选择一个相邻的转发层节点进行转发,当源节点S发送轮次大于码字的度转化时刻,令最大门限值maxdegree加1,传输时所有码字的度不大于度的最大门限值maxdegree,并根据位图发送频率f以及最优码字距离序列选择相应的数据进行编码操作,进行码字交换;
6)重复步骤3)~5),直到对所有码字完成解码,将解码后的数据发送给转发层节点所对应的接收层节点。
优选地,所述步骤2)的具体步骤为:
2.1)源节点S把渔业大数据元数据分成m份同等大小的数据块Fi(i=1,2,...,m),并依次将数据块F1,F2,...,Fm发送给各个转发层节点;
2.2)计算理想孤子度分布,计算公式为:
式中,ω(d)表示理想孤子度分布,d表示数据块的编号,m表示数据块总个数;
2.3)计算译码过程中期望的度为1的编码数据包个数g,计算公式为:
式中,μ为译码器未能完全恢复原始信息的概率,c为0和1之间的某一常数;
2.4)定义一个正数函数τ(d),
2.5)将理想孤子度分布ω加到正函数τ上,再进行归一化,得到鲁棒孤子度分布函数,鲁棒孤子度分布函数为:
Z=∑d(ω(d)+τ(d)) (5);
2.6)根据鲁棒孤子度分布函数,选择度为d的编码包进行发送。
优选地,所述步骤4)中采用遗传算法求解位图发送频率f以及最优码字距离序列的具体步骤为:
4.1)用位图发送频率f、码字距离a、时刻b、转换序列c的参数构成染色体;
4.2)设定种群数量为10,最大迭代次数不超过500,设置收敛条件为种群染色体适应度值方差小于0.1,设置交叉率为0.1,变异率为0.01,并依据给定参数范围,初始化各个染色体基因;
4.3)设定精英初始个数为0,数目上限为5,每隔30代加一次精英,挑选出本代表现最优良的若干个染色体,即在第30代挑选出适应度值最高的一个染色体,在第60代挑出适应度值最高的两个染色体,以此类推,在第150代挑出适应度值最高的五个染色体,之后每隔30代都需要挑选出五个适应度值最高的染色体,挑选出的染色体不经过赌轮选择和交叉变异,直接进入下一代;
4.4)根据每个染色体基因对应的参数集合进行独立实验计算该染色体适应度值;
4.5)计算当前种群中各个染色体累计概率,将精英个体直接保留至下一代,然后按照累计概率,从剔除精英后的种群中选出父代染色体;
4.6)按照交叉率和变异率对父代染色体进行基因交叉和变异,得到的染色体集合称为子代染色体,将父代染色体与子代染色体混合,得到下代种群,至此完成遗传算法的一次迭代过程;
4.7)当种群染色体适应度值方差小于0.1,或迭代次数达到500时,停止迭代。
优选地,所述步骤5)中的算法包含以下步骤:
5.1)当节点Ri本轮向邻居节点Rj发送的数据包中带有位图,则节点Rj在应答请求,返回的数据包中,也会返回节点Rj的位图,更新对方的位图;
5.2)重复步骤5.1),
当第k轮节点Ri向邻居节点Rj发送的数据包中不含位图,节点Ri完成以下流程:
a1)随机选取一个邻居节点Rj进行数据交换;
a2)查找邻居节点Rj的位图列表,如若为空,跳转到a3),否则跳转到a4);
a4)根据码字距离序列找出最优的码字距离db,从解码数据单元集合X、复杂码字集合Y中取出码字编码成码字s,要求degree(s)<maxdegree,并且dist(s,Buffer Map)≤dbest;
a5)如果k≥Kmaxdegree,则令maxdegree++,Kmaxdegree为码字的度转换时刻;
a6)用码字s与节点Rj使用同样策略挑选的码字s’互相交换;
a7)将码字s’加入到集合Y;
当第k轮节点Ri向邻居节点Rj发送的数据包中包含位图,节点Ri完成以下流程:
b1)随机选取一个邻居节点Rj进行数据交换;
b2)查找邻居节点Rj的位图列表,如若为空,跳转到b3),否则跳转到b4);
b4)邻居节点Rj的位图列表不为空,最优的码字距离dbest=1,从X、Y中取出码字编码成码字s,要求degree(s)<maxdegree;
b5)如果k≥Kmaxdegree,则令maxdegree++,Kmaxdegre。为码字的度转换时刻;
b6)在码字s中加入自己的位图,发送给节点Rj;
b7)节点Rj接收节点Ri的请求,获取的节点Ri的位图,根据该位图,向节点Ri返回码字dist(s’,Buffer Map)=1的码字;
b8)将码字s’加入到集合Y。
优选地,所述初始的度的最大门限值maxdegree为1。
采用本发明提供的技术方案,与现有技术相比,具有如下有益效果:
本发明通过采用中继节点的方式,源节点采用直接发送结合鲁棒孤子度分布策略选择码字编码,转发层节点使用遗传算法求解位图的发送频率以及码字距离时刻转换序列,在此基础上选择最优的码字进行编码,增大创新码字在网络中的浓度,以此提高了节点接收数据的有效性。
附图说明
图1是本发明方法的总体实现框图;
图2是本发明方法的数据分发示意图。
具体实施方式
为进一步了解本发明的内容,结合实施例对本发明作详细描述,以下实施例用于说明本发明,但不用来限制本发明的范围。
参照附图1和2所示,本发明一种基于位图码字距离的渔业大数据分发方法,包括以下步骤:
1)配置一个源节点S,N个转发层节点以及接收层节点的信息,源节点负责发送元数据,转发层节点负责编码转发以及解码元数据,每个节点都必须是强节点,具有存储容量大、计算能力强的特点,在每个转发层节点Ri(i=1,2,...,N)上初始化一个解码数据单元集合X和一个复杂码字集合Y,设定转发层节点之间传输时初始的度的最大门限值maxdegree,初始的度的最大门限值maxdegree为1。
2)源节点S把渔业大数据元数据分成m份同等大小的数据块Fi(i=1,2,...,m),并采用直接发送结合鲁棒孤子度分布编码方式发送各数据块,具体步骤为:
2.1)源节点S把渔业大数据元数据分成m份同等大小的数据块Fi(i=1,2,...,m),并依次将数据块F1,F2,...,Fm发送给各个转发层节点;
2.2)计算理想孤子度分布,计算公式为:
式中,ω(d)表示理想孤子度分布,d表示数据块的编号,m表示数据块总个数;
2.3)计算译码过程中期望的度为1的编码数据包个数g,计算公式为:
式中,μ为译码器未能完全恢复原始信息的概率,c为0和1之间的某一常数;
2.4)定义一个正数函数τ(d),
2.5)将理想孤子度分布ω加到正函数τ上,再进行归一化,得到鲁棒孤子度分布函数,鲁棒孤子度分布函数为:
Z=∑d(ω(d)+τ(d)) (5);
2.6)根据鲁棒孤子度分布函数,选择度为d的编码包进行发送。
3)转发层节点接收到数据块后,将数据块中已经解码的原始数据存放至解码数据单元集合X中,将未解码的码字存放至复杂码字集合Y;
4)转发层节点采用遗传算法求解位图发送频率f以及最优码字距离序列,具体步骤为:
4.1)用位图发送频率f、码字距离a、时刻b、转换序列c的参数构成染色体;
4.2)设定种群数量为10,最大迭代次数不超过500,设置收敛条件为种群染色体适应度值方差小于0.1,设置交叉率为0.1,变异率为0.01,并依据给定参数范围,初始化各个染色体基因;
4.3)设定精英初始个数为0,数目上限为5,每隔30代加一次精英,挑选出本代表现最优良的若干个染色体,即在第30代挑选出适应度值最高的一个染色体,在第60代挑出适应度值最高的两个染色体,以此类推,在第150代挑出适应度值最高的五个染色体,之后每隔30代都需要挑选出五个适应度值最高的染色体,挑选出的染色体不经过赌轮选择和交叉变异,直接进入下一代;
4.4)根据每个染色体基因对应的参数集合进行独立实验计算该染色体适应度值;
4.5)计算当前种群中各个染色体累计概率,将精英个体直接保留至下一代,然后按照累计概率,从剔除精英后的种群中选出父代染色体;
4.6)按照交叉率和变异率对父代染色体进行基因交叉和变异,得到的染色体集合称为子代染色体,将父代染色体与子代染色体混合,得到下代种群,至此完成遗传算法的一次迭代过程;
4.7)当种群染色体适应度值方差小于0.1,或迭代次数达到500时,停止迭代。
5)转发层随机选择一个相邻的转发层节点进行转发,当源节点S发送轮次大于码字的度转化时刻,令最大门限值maxdegree加1,传输时所有码字的度不大于度的最大门限值maxdegree,并根据位图发送频率f以及最优码字距离序列选择相应的数据进行编码操作,进行码字交换,具体步骤如下:
5.1)当节点Ri本轮向邻居节点Rj发送的数据包中带有位图,则节点Rj在应答请求,返回的数据包中,也会返回节点Rj的位图,更新对方的位图;
5.2)重复步骤5.1),
当第k轮节点Ri向邻居节点Rj发送的数据包中不含位图,节点Ri完成以下流程:
a1)随机选取一个邻居节点Rj进行数据交换;
a2)查找邻居节点Rj的位图列表,如若为空,跳转到a3),否则跳转到a4);
a4)根据码字距离序列找出最优的码字距离db,从解码数据单元集合X、复杂码字集合Y中取出码字编码成码字s,要求degree(s)<maxdegree,并且dist(s,Buffer Map)≤dbest;
a5)如果k≥Kmaxdegree,则令maxdegree++,Kmaxdegree为码字的度转换时刻;
a6)用码字s与节点Rj使用同样策略挑选的码字s’互相交换;
a7)将码字s’加入到集合Y;
当第k轮节点Ri向邻居节点Rj发送的数据包中包含位图,节点Ri完成以下流程:
b1)随机选取一个邻居节点Rj进行数据交换;
b2)查找邻居节点Rj的位图列表,如若为空,跳转到b3),否则跳转到b4);
b4)邻居节点Rj的位图列表不为空,最优的码字距离dbest=1,从X、Y中取出码字编码成码字s,要求degree(s)<maxdegree;
b5)如果k≥Kmaxdegree,则令maxdegree++,Kmaxdegree为码字的度转换时刻;
b6)在码字s中加入自己的位图,发送给节点Rj;
b7)节点Rj接收节点Ri的请求,获取的节点Ri的位图,根据该位图,向节点Ri返回码字dist(s’,Buffer Map)=1的码字;
b8)将码字s’加入到集合Y。
6)重复步骤3)~5),直到对所有码字完成解码,将解码后的数据发送给转发层节点所对应的接收层节点。
以上结合实施例对本发明进行了详细说明,但所述内容仅为本发明的较佳实施例,不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等,均应仍属于本发明的专利涵盖范围之内。
Claims (4)
1.一种基于位图码字距离的渔业大数据分发方法,其特征在于,包括以下步骤:
1)配置一个源节点S,N个转发层节点以及接收层节点的信息,在每个转发层节点Ri(i=1,2,…,N)上初始化一个解码数据单元集合X和一个复杂码字集合Y,设定转发层节点之间传输时初始的度的最大门限值maxdegree;
2)源节点S把渔业大数据元数据分成m份同等大小的数据块Fi(i=1,2,…,m),并采用直接发送结合鲁棒孤子度分布编码方式发送各数据块;
3)转发层节点接收到数据块后,将数据块中已经解码的原始数据存放至解码数据单元集合X中,将未解码的码字存放至复杂码字集合Y;
4)转发层节点采用遗传算法求解位图发送频率f以及最优码字距离序列,其具体步骤为:
4.1)用位图发送频率f、码字距离a、时刻b、转换序列c的参数构成染色体;
4.2)设定种群数量为10,最大迭代次数不超过500,设置收敛条件为种群染色体适应度值方差小于0.1,设置交叉率为0.1,变异率为0.01,并依据给定参数范围,初始化各个染色体基因;
4.3)设定精英初始个数为0,数目上限为5,每隔30代加一次精英,挑选出本代表现最优良的若干个染色体,即在第30代挑选出适应度值最高的一个染色体,在第60代挑出适应度值最高的两个染色体,以此类推,在第150代挑出适应度值最高的五个染色体,之后每隔30代都需要挑选出五个适应度值最高的染色体,挑选出的染色体不经过赌轮选择和交叉变异,直接进入下一代;
4.4)根据每个染色体基因对应的参数集合进行独立实验计算该染色体适应度值;
4.5)计算当前种群中各个染色体累计概率,将精英个体直接保留至下一代,然后按照累计概率,从剔除精英后的种群中选出父代染色体;
4.6)按照交叉率和变异率对父代染色体进行基因交叉和变异,得到的染色体集合称为子代染色体,将父代染色体与子代染色体混合,得到下代种群,至此完成遗传算法的一次迭代过程;
4.7)当种群染色体适应度值方差小于0.1,或迭代次数达到500时,停止迭代;
5)转发层随机选择一个相邻的转发层节点进行转发,当源节点S发送轮次大于码字的度转化时刻,令最大门限值maxdegree加1,传输时所有码字的度不大于度的最大门限值maxdegree,并根据位图发送频率f以及最优码字距离序列选择相应的数据进行编码操作,进行码字交换;
6)重复步骤3)~5),直到对所有码字完成解码,将解码后的数据发送给转发层节点所对应的接收层节点。
2.根据权利要求1所述的基于位图码字距离的渔业大数据分发方法,其特征在于:所述步骤2)的具体步骤为:
2.1)源节点S把渔业大数据元数据分成m份同等大小的数据块Fi(i=1,2,…,m),并依次将数据块F1,F2,…,Fm发送给各个转发层节点;
2.2)计算理想孤子度分布,计算公式为:
式中,ω(d)表示理想孤子度分布,d表示数据块的编号,m表示数据块总个数;
2.3)计算译码过程中期望的度为1的编码数据包个数g,计算公式为:
式中,μ为译码器未能完全恢复原始信息的概率,c为0和1之间的某一常数;
2.4)定义一个正数函数τ(d),
2.5)将理想孤子度分布ω加到正函数τ上,再进行归一化,得到鲁棒孤子度分布函数,鲁棒孤子度分布函数为:
Z=∑d(ω(d)+τ(d)) (5);
2.6)根据鲁棒孤子度分布函数,选择度为d的编码包进行发送。
3.根据权利要求1所述的基于位图码字距离的渔业大数据分发方法,其特征在于:所述步骤5)中的算法包含以下步骤:
5.1)当节点Ri本轮向邻居节点Rj发送的数据包中带有位图,则节点Rj在应答请求,返回的数据包中,也会返回节点Rj的位图,更新对方的位图;
5.2)重复步骤5.1),
当第k轮节点Ri向邻居节点Rj发送的数据包中不含位图,节点Ri完成以下流程:
a1)随机选取一个邻居节点Rj进行数据交换;
a2)查找邻居节点Rj的位图列表,如若为空,跳转到a3),否则跳转到a4);
a4)根据码字距离序列找出最优的码字距离db,从解码数据单元集合X、复杂码字集合Y中取出码字编码成码字s,要求degree(s)<maxdegree,并且dist(s,Buffer Map)≤dbest;
a5)如果k≥Kmaxdegree,则令maxdegree++,Kmaxdegree为码字的度转换时刻;
a6)用码字s与节点Rj使用同样策略挑选的码字s’互相交换;
a7)将码字s’加入到集合Y;
当第k轮节点Ri向邻居节点Rj发送的数据包中包含位图,节点Ri完成以下流程:
b1)随机选取一个邻居节点Rj进行数据交换;
b2)查找邻居节点Rj的位图列表,如若为空,跳转到b3),否则跳转到b4);
b4)邻居节点Rj的位图列表不为空,最优的码字距离dbest=1,从X、Y中取出码字编码成码字s,要求degree(s)<maxdegree;
b5)如果k≥Kmaxdegree,则令maxdegree++,Kmaxdegree为码字的度转换时刻;
b6)在码字s中加入自己的位图,发送给节点Rj;
b7)节点Rj接收节点Ri的请求,获取的节点Ri的位图,根据该位图,向节点Ri返回码字dist(s’,Buffer Map)=1的码字;
b8)将码字s’加入到集合Y。
4.根据权利要求1所述的基于位图码字距离的渔业大数据分发方法,其特征在于:所述初始的度的最大门限值maxdegree为1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110102645.6A CN112953684B (zh) | 2021-01-26 | 2021-01-26 | 一种基于位图码字距离的渔业大数据分发方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110102645.6A CN112953684B (zh) | 2021-01-26 | 2021-01-26 | 一种基于位图码字距离的渔业大数据分发方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112953684A CN112953684A (zh) | 2021-06-11 |
CN112953684B true CN112953684B (zh) | 2022-12-09 |
Family
ID=76236867
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110102645.6A Active CN112953684B (zh) | 2021-01-26 | 2021-01-26 | 一种基于位图码字距离的渔业大数据分发方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112953684B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016029405A1 (zh) * | 2014-08-28 | 2016-03-03 | 华为技术有限公司 | 一种基于多目标遗传的译码方法及装置 |
CN105490771A (zh) * | 2014-09-17 | 2016-04-13 | 重庆邮电大学 | 一种lt喷泉码编码度分布的构造方法 |
CN105846954A (zh) * | 2016-03-17 | 2016-08-10 | 重庆邮电大学 | 增强安全性的lt码编译码方法 |
CN111093164A (zh) * | 2019-11-18 | 2020-05-01 | 杭州电子科技大学 | 基于增长码的重要数据快速收集方法 |
CN111935664A (zh) * | 2020-07-20 | 2020-11-13 | 杭州电子科技大学 | 基于动态反馈的网络数据实时收集方法 |
-
2021
- 2021-01-26 CN CN202110102645.6A patent/CN112953684B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016029405A1 (zh) * | 2014-08-28 | 2016-03-03 | 华为技术有限公司 | 一种基于多目标遗传的译码方法及装置 |
CN105490771A (zh) * | 2014-09-17 | 2016-04-13 | 重庆邮电大学 | 一种lt喷泉码编码度分布的构造方法 |
CN105846954A (zh) * | 2016-03-17 | 2016-08-10 | 重庆邮电大学 | 增强安全性的lt码编译码方法 |
CN111093164A (zh) * | 2019-11-18 | 2020-05-01 | 杭州电子科技大学 | 基于增长码的重要数据快速收集方法 |
CN111935664A (zh) * | 2020-07-20 | 2020-11-13 | 杭州电子科技大学 | 基于动态反馈的网络数据实时收集方法 |
Non-Patent Citations (1)
Title |
---|
Wireless Multiple Access Network With a Sectional Configured Data Collection System and Codeword Filtering Mechanism;Wei Zhang;《IEEE》;20191227;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112953684A (zh) | 2021-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110474716B (zh) | 基于降噪自编码器的scma编解码器模型的建立方法 | |
KR101605062B1 (ko) | 통신 장비에 송신될 인코딩된 심벌을 재-인코딩하기 위한 네트워크 재-인코딩 방법 및 디바이스 | |
WO2022068757A1 (zh) | 一种基于神经网络的通信方法以及相关装置 | |
CN111917512A (zh) | 一种在多跳传输系统中基于bats码的高效编码设计方法 | |
CN113312177B (zh) | 一种基于联邦学习的无线边缘计算系统、优化方法 | |
CN116155728B (zh) | 超密集网络中计算卸载与资源优化方法 | |
CN112953684B (zh) | 一种基于位图码字距离的渔业大数据分发方法 | |
CN114143814B (zh) | 一种基于异构边缘云架构的多任务卸载方法及系统 | |
CN114158105B (zh) | 应用于综合能源系统的无线传感器网络的路由方法及装置 | |
CN112052471B (zh) | 一种基于社交网络空间的信息隐藏方法 | |
CN110430011B (zh) | 基于规则变量节点度分布的bats码编码方法 | |
CN107070590B (zh) | 基于MapReduce的WSN感知数据分布式解码方法 | |
CN116976468A (zh) | 一种安全可靠的分布式学习方法 | |
CN116128070B (zh) | 基于无线空中计算和多比特量化压缩感知的联邦学习方法 | |
CN104821881B (zh) | 一种基于压缩和纠错编码的物联网感知层数据安全融合方法 | |
CN103812615A (zh) | 分布式通信系统中卢比变换码的编码方法及中继通信方法 | |
CN105376185A (zh) | 一种通信系统中基于dna蛙跳方法优化的常模盲均衡处理方法 | |
CN115081024A (zh) | 基于隐私保护的去中心化业务模型训练方法及装置 | |
US12015507B2 (en) | Training in communication systems | |
CN105594129A (zh) | 程序、编码装置以及编码方法 | |
Li et al. | Software-defined gpu-cpu empowered efficient wireless federated learning with embedding communication coding for beyond 5g | |
Antonini et al. | Causal (progressive) encoding over binary symmetric channels with noiseless feedback | |
Wang et al. | Computing Resource Allocation Strategy Using Biological Evolutionary Algorithm in UAV‐Assisted Mobile Edge Computing | |
CN115955279B (zh) | 一种基于可变自编码器的信道匹配非网格化编码调制方法 | |
Salari et al. | Rate-Convergence Tradeoff of Federated Learning over Wireless Channels |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |