CN114006784B - 高速总线通信数据实时交互方法及装置 - Google Patents
高速总线通信数据实时交互方法及装置 Download PDFInfo
- Publication number
- CN114006784B CN114006784B CN202111300516.4A CN202111300516A CN114006784B CN 114006784 B CN114006784 B CN 114006784B CN 202111300516 A CN202111300516 A CN 202111300516A CN 114006784 B CN114006784 B CN 114006784B
- Authority
- CN
- China
- Prior art keywords
- communication data
- speed bus
- real
- time interaction
- optimal
- 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
- 230000006854 communication Effects 0.000 title claims abstract description 371
- 238000004891 communication Methods 0.000 title claims abstract description 369
- 230000003993 interaction Effects 0.000 title claims abstract description 103
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000005540 biological transmission Effects 0.000 claims abstract description 69
- 238000004364 calculation method Methods 0.000 claims abstract description 8
- 230000006870 function Effects 0.000 claims description 26
- 230000010354 integration Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000002452 interceptive effect Effects 0.000 abstract description 4
- 238000005265 energy consumption Methods 0.000 description 12
- 238000001914 filtration Methods 0.000 description 8
- 238000012360 testing method Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000013480 data collection Methods 0.000 description 5
- 230000001419 dependent effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 125000003275 alpha amino acid group Chemical group 0.000 description 3
- 150000001875 compounds Chemical class 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000009795 derivation Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 235000008694 Humulus lupulus Nutrition 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
- H04L12/40—Bus networks
- H04L12/4013—Management of data rate on the bus
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B15/00—Suppression or limitation of noise or interference
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本发明公开一种高速总线通信数据实时交互方法及装置,该方法包括:S01.设置通信数据采集的最大化约束条件,将通信数据采集指令转换为计算最短路径并建立目标函数,按照目标函数采集高速总线通信数据;S02.采用Docker容器求解最优通信数据点并作为通信数据存在的位置,利用Docker容器的最优集成节点调整通信数据的位置,以控制高速总线通信数据的传输效率;S03.基于预先构建的高速总线通信数据的实时交互模型,实现高速总线通信数据的实时交互。本发明能够提高交互的抗干扰能力,同时降低通信数据的误码率。
Description
技术领域
本发明涉及高速总线通信技术领域,尤其涉及一种高速总线通信数据实时交互方法及装置。
背景技术
当前对高速总线通信数据的传递速率和质量要求越来越高,在高速总线系统中,随着通信数据量的增加,导致数据的处理更加复杂,同时也加大了通信数据之间的交互能力。传输介质是高速总线系统中一个重要的组成部分,决定着通信数据的传输速度和交互能力。通信数据交互的实现是决定高速总线系统发展的关键,而高速总线系统并没有形成一种广泛的互联形式,其主要目的是防止网络攻击带来的风险,因而在通信数据之间需要采用物理的方式隔离。但是当前通信数据的交互方法和平台之间会存在一定差异,在交互的通信数据形式上也是不同的,导致通信数据共享的实时性较差。由于通信数据的交互会严重影响高速总线系统的数据传输,因而研究高速总线通信数据实时交互具有重要的意义。
针对于高速总线通信数据实时交互,传统方式即是通过直接存储物联网动态数据然后再对存储数据进行调用,该类方式会存在交互能力低的问题。为解决上述问题,一种解决方案即是在物联网数据的基础上,设计一个数据存储框架,将大量物联网数据存储和集成,利用BIM数字化技术搭建一个建筑设计管理云平台。但是上述方法在信息交互过程中,未考虑脉冲和滤波的干扰的问题,虽然在一定程度实现了交互,但是会存在误码率较高的问题。
有从业者提出以多尺度地质数据为研究对象,利用虚拟现实技术实现交互,通过构建多尺度地质数据的可视化模型,在虚拟现实技术的基础上,可视化处理多尺度地质数据,可以应用到多尺度地质数据的可视化交互中。但是该类方案仍然未考虑在信息交互过程中脉冲和滤波的干扰的问题,因而仍然会存在抗干扰能力差、误码率较高的问题。
发明内容
本发明要解决的技术问题就在于:针对现有技术存在的技术问题,本发明提供一种实现方法简单、抗干扰能力强以及误码率低的高速总线通信数据实时交互方法及装置,能够提高高速总线通信数据的交互能力以及数据交互质量。
为解决上述技术问题,本发明提出的技术方案为:
一种高速总线通信数据实时交互方法,步骤包括:
S01.数据采集:设置通信数据采集的最大化约束条件,根据所述最大化约束条件将通信数据采集指令转换为计算最短路径并建立目标函数,按照所述目标函数采集高速总线通信数据;
S02.传输效率控制:采用Docker容器求解最优通信数据点并作为通信数据存在的位置,利用所述Docker容器的最优集成节点调整通信数据的位置,以控制高速总线通信数据的传输效率;
S03.实时交互:基于预先构建的高速总线通信数据的实时交互模型,实现高速总线通信数据的实时交互。
进一步的,所述步骤S01的步骤包括:
S101.利用Docker容器对高速总线进行虚拟化处理,构建出通信数据采集的所述最大化约束条件;
S102.根据所述最大化约束条件,建立在高速总线上节点接收通信数据量与跳数之间的关系;
S103.在Docker容器下,将通信数据采集指令转换为数据采集最短路径问题,即转换为计算出数据采集最短路径;
S104.根据所述节点接收通信数据量与跳数之间的关系以及所述数据采集最短路径,构建通信数据采集的所述目标函数。
进一步的,所述步骤S101中按照下式构建出通信数据采集的所述最大化约束条件:
其中,ξdgh表示通信数据传输能耗与总线节点的实际距离,hsghj表示总线节点发送通信数据能耗与数据传输距离的平方,pwer表示总线节点接收通信数据的能耗,dsgh表示总线节点发送通信数据的能耗,表示卷积运算,fiop表示总线节点与通信数据之间的最短跳数;
所述步骤S102中建立的所述节点接收通信数据量与跳数之间的关系具体为:
其中,proto表示通信数据传输的总能耗,kdhj表示通信数据传输最小跳数的形式,pery表示任意一个总线节点的数据传输能耗,Eper表示通信数据采集量的最大化范围,dsh表示通信数据采集的波形图,yER表示通信数据的物理量,ssg表示总线节点对通信数据数量的下边界约束。
进一步的,所述步骤S103中,具体按照下式将通信数据采集指令转换计算出所述数据采集最短路径;
其中,Ywer表示数据采集最短路径,kshki表示通信数据采样窗口的宽度,pshg表示数据采集列表,ddhk表示通信数据在总线中的振幅变化参数,ffj表示通信数据在总线接口发生聚变的细节,ppo表示通信数据在总线中的振幅值;
所述步骤S104中构建的通信数据采集的目标函数为:
其中,rgi为目标函数值,puip表示通信数据的采集频率,kxj表示数据采集窗口均值,ldkk表示总线节点的能量资源。
进一步的,所述步骤S02的步骤包括:
S201.使用Docker容器对采集到的高速总线通信数据中通信数据点进行排序;
S202.对选取的各个通信数据点,采用Docker容器求解在通信数据的实时交互中最优通信数据点并作为最优检索节点;
S203.将求解得到的所述最优检索节点作为通信数据存在的位置,并使用所述Docker容器的最优集成节点调整通信数据的位置,实现对高速总线通信数据传输效率进行控制。
进一步的,所述步骤S201中,按照下式对高速总线通信数据中通信数据点进行排序:
wi(k)=μiHi[k],i=1,2,…,M
其中,wi(k)表示排序标准,μi表示通信数据在Docker容器下的映射系数,Hi[k]表示第i个通信数据的瞬时容量,且 表示通信数据源与端之间的距离概率,σ表示最佳传输总线,/>表示第i个通信数据在第k个数据传输功率下的增益;
进一步的,所述步骤S203中,使用Docker容器的最优集成节点具体按照下式调整通信数据的位置:
其中,Xi表示第i个通信数据存在的位置,Xi'表示第i个通信数据调整后的位置,S表示通信数据集,χ的取值在0~1之间,表示变异函数,gbest表示通信数据集成节点存在的位置,/>表示所述最优检索节点。
进一步的,所述步骤S03中,基于各通信数据在高速总线中的依附性关系,构建得到所述高速总线通信数据的实时交互模型,实现高速总线通信数据的实时交互;
具体通信数据ai与aj在高速总线中的依附性模型具体为:
|D(ai,aj)|=γ(|Df(ai,aj)|+|Df(aj,ai)|)
+μ(|Ds(ai,aj)|+|Ds(aj,ai)|)
其中,γ和μ表示依附权重,且满足γ+μ=1以及0≤γ和0≥μ,D(ai,aj)表示通信数据ai与aj在高速总线中的依附性,Df(ai,aj)表示通信数据ai与aj输入输出集合,Ds(ai,aj)为通信数据ai与aj之间的依附集合。
一种高速总线通信数据实时交互装置,包括:
数据采集模块,用于设置通信数据采集的最大化约束条件,根据所述最大化约束条件将通信数据采集指令转换为计算最短路径并建立目标函数,按照所述目标函数采集高速总线通信数据;
传输效率控制模块,用于采用Docker容器求解最优通信数据点,并利用所述Docker容器的最优集成节点调整通信数据的位置,以控制高速总线通信数据的传输效率;
实时交互模块,用于基于预先构建的高速总线通信数据的实时交互模型,实现高速总线通信数据的实时交互。
一种计算机装置,包括处理器以及存储器,所述存储器用于存储计算机程序,所述处理器用于执行所述计算机程序,所述处理器用于执行所述计算机程序以执行如上述方法。
与现有技术相比,本发明的优点在于:本发明利用Docker容器来实现高速总线通信数据实时交互,通过设定通信数据采集的最大化约束条件,将通信数据采集指令转换为最短路径问题,并建立目标函数,完成高速总线通信数据的采集,然后采用Docker容器求解最优通信数据点,利用Docker容器的最优集成节点调整通信数据的位置,控制高速总线通信数据传输效率,再基于构建的高速总线通信数据实时交互模型实现高速总线通信数据的实时交互,能够在通信数据交互时受到脉冲干扰时确保高效的交互,降低通信数据的误码率,提高高速总线通信数据交互的抗干扰性以及数据交互能力与质量。
附图说明
图1是本实施例高速总线通信数据实时交互方法的实现流程示意图。
图2是在具体应用实施例中单脉冲干扰下通信数据误码率测试结果示意图。
图3是在具体应用实施例中双脉冲干扰下通信数据误码率测试结果示意图。
图4是在具体应用实施例中滤波干扰下通信数据误码率测试结果示意图。
图5是在具体应用实施例中对传输速率的测试结果示意图。
具体实施方式
以下结合说明书附图和具体优选的实施例对本发明作进一步描述,但并不因此而限制本发明的保护范围。
如图1所示,本实施例高速总线通信数据实时交互方法的步骤包括。
S01.数据采集:设置通信数据采集的最大化约束条件,根据最大化约束条件将通信数据采集指令转换为计算最短路径并建立目标函数,按照目标函数采集高速总线通信数据;
S02.传输效率控制:采用Docker容器求解最优通信数据点,并利用Docker容器的最优集成节点调整通信数据的位置,以控制高速总线通信数据的传输效率;
S03.实时交互:基于预先构建的高速总线通信数据的实时交互模型,实现高速总线通信数据的实时交互。
Docker容器是一种应用容器引擎,其具有较高的可移植性、隔离性和安全性。本实施例利用Docker容器来实现高速总线通信数据实时交互,通过设定通信数据采集的最大化约束条件,将通信数据采集指令转换为最短路径问题,并建立目标函数,完成高速总线通信数据的采集,然后采用Docker容器求解最优通信数据点,利用Docker容器的最优集成节点调整通信数据的位置,控制高速总线通信数据传输效率,再基于构建的高速总线通信数据实时交互模型实现高速总线通信数据的实时交互,能够在通信数据交互时受到脉冲干扰时确保高效的交互,降低通信数据的误码率,提高高速总线通信数据交互的抗干扰性以及数据交互能力与质量。
本实施例中步骤S01的步骤包括:
S101.利用Docker容器对高速总线进行虚拟化处理,构建出通信数据采集的最大化约束条件;
S102.根据最大化约束条件建立在高速总线上节点接收通信数据量与跳数之间的关系;
S103.在Docker容器下,将通信数据采集指令转换为数据采集最短路径问题;
S104.根据节点接收通信数据量与跳数之间的关系以及数据采集最短路径,构建通信数据采集的目标函数。
本实施例具体在采集高速总线通信数据时,通过计算高速总线系统发送的通信数据量,给出通信数据采集的最大化约束条件,利用高速总线节点接收通信数据量与跳数的关系,将通信数据采集指令转换为数据采集最短路径问题,建立通信数据采集的目标函数。
通信数据的采集过程可以描述为:
假设高速总线系统的通信数据采集总量为qtotal,则利用公式(1)可以计算出高速总线系统发送的通信数据量:
其中,edh表示通信数据接收节点的数量,dt表示通信数据在总线上的传输速率,ds表示采集通信数据的速率,tsh表示高速总线中通信数据节点的运行周期,tssi表示数据节点之间的通信长度。
本实施例步骤S101具体利用Docker容器对高速总线虚拟化处理,设置通信数据采集的最大化约束条件,具体表示为:
其中,ξdgh表示通信数据传输能耗与总线节点的实际距离,hsghj表示总线节点发送通信数据能耗与数据传输距离的平方,pwer表示总线节点接收通信数据的能耗,dsgh表示总线节点发送通信数据的能耗,表示卷积运算,fiop表示总线节点与通信数据之间的最短跳数。
本实施例步骤S102中建立的节点接收通信数据量与跳数之间的关系具体为:
其中,proto表示通信数据传输的总能耗,kdhj表示通信数据传输最小跳数的形式,pery表示任意一个总线节点的数据传输能耗,Eper表示通信数据采集量的最大化范围,dsh表示通信数据采集的波形图,yER表示通信数据的物理量,ssg表示总线节点对通信数据数量的下边界约束。
根据上述式(2)中给出的约束条件,在高速总线节点接收通信数据量与跳数之间,建立如式(3)所示的关系,即得到节点接收通信数据量与跳数之间的关系。
本实施例通信数据的采样周期用λsg描述,在Docker容器下,将通信数据采集指令转换为数据采集最短路径问题,转换公式具体为:
式(4)中,Ywer表示数据采集最短路径,kshki表示通信数据采样窗口的宽度,pshg表示数据采集列表,ddhk表示通信数据在总线中的振幅变化参数,ffj表示通信数据在总线接口发生聚变的细节,ppo表示通信数据在总线中的振幅值。
由于高速总线中的节点都是均匀分布的,将通信数据采集的时间间隔设置为udgh,本实施例步骤S104中构建的通信数据采集的目标函数具体为:
其中,rgi为目标函数值,puip表示通信数据的采集频率,kxj表示数据采集窗口均值,ldkk表示总线节点的能量资源。
则如果通信数据在高速总线中的分布满足公式(5)的目标函数,则可以采集到通信数据,表达式具体为:
式(6)中,ywer表示通信数据在高速总线运行周期内的采集总量。
根据以上计算过程,即能够完成高速总线通信数据的有效采集。
本实施例中步骤S02的具体步骤包括:
S201.使用Docker容器对采集到的高速总线通信数据中通信数据点进行排序;
S202.对选取的各个通信数据点,采用Docker容器求解在通信数据的实时交互中最优通信数据点并作为最优检索节点;
S203.将求解得到的最优检索节点作为通信数据存在的位置,并使用Docker容器的最优集成节点调整通信数据的位置,实现对高速总线通信数据传输效率进行控制。
本实施例对采集到的高速总线通信数据,引入Docker容器,实现对高速总线通信数据传输效率进行控制。
本实施例步骤S201中,具体按照下式(7)对高速总线通信数据中通信数据点进行排序:
wi(k)=μiHi[k],i=1,2,…,M (7)
其中,wi(k)表示排序标准,μi表示通信数据在Docker容器下的映射系数,Hi[k]表示第i个通信数据的瞬时容量,且Hi[k]可按照下式(8)计算得到:
其中,表示通信数据源与端之间的距离概率,σ表示最佳传输总线,/>表示第i个通信数据在第k个数据传输功率下的增益。
本实施例通过在通信数据的实时交互中,采用Docker容器求解最优通信数据点,从而可以缩短通信时间,通信数据节点的传输时间集合表示为:
式(9)中,Ssize表示通信数据在第i个总线节点传输的时间,bi表示数据传输时总线节点i传输的通信数据大小。
通信数据在传输过程中,利用Docker容器还可以解决总线拥塞产生的数据传输时延问题,则通信数据在总线中的传输时间为:
式(10)中,Ti表示高速总线节点传输通信数据的时间,Li表示高速总线节点的负载,Twi表示通信数据在处理时产生的时延,Gi表示通信数据的传输时延。
本实施例利用Docker容器对高速总线通信数据传输效率进行控制,即对高速总线通信数据传输效率的控制,采用Docker容器将节点数字串分配给通信数据,使得与通信数据的传输特点相匹配。本实施例步骤S203中,具体通过改进Docker容器的映射方式,将Docker容器的最优检索节点作为通信数据存在的位置,并利用Docker容器的最优集成节点调整通信数据的位置,具体可表示为:
其中,Xi表示第i个通信数据存在的位置,Xi'表示第i个通信数据调整后的位置,S表示通信数据集,χ的取值在0~1之间,表示变异函数,gbest表示通信数据集成节点存在的位置。
本实施例步骤S03中,基于各通信数据在高速总线中的依附性关系,构建得到高速总线通信数据的实时交互模型,按照通信数据的交互请求与各通信数据传输模块间的相互关联,将多个通信数据传输模块进行组合,实现高速总线通信数据的实时交互。
本实施例构建通信数据的交互建模为将数据的安全传输与收发作为目标,通过数据传输流程、通信数据实时交互请求、模块分割与流程,实现通信数据的实时交互。
由于按照Docker容器的引擎,将通信数据ai与aj之间的输入和输出看成一个集合,即:
式(12)中,表示通信数据ai与aj之间的第r个输入输出依附的信息类型,Qijr表示通信数据ai与aj之间的第r个输入输出依附的信息强度,NDf表示通信数据ai与aj输入输出的信息数量。
然后利用公式(12)描述通信数据ai与aj输入输出依附大小的推导过程:
式(13)中,αijr表示通信数据ai与aj之间的第r个输入输出依附权重,Nblock表示通信数据ai与aj输入输出的信息总量。
输入输出依附是指两个通信数据共享相同的信息资源,通信数据ai与aj依附的是一个集合,可以描述为:
式(14)中,表示通信数据ai与aj输入输出依附类别,/>表示通信数据ai与aj输入输出依附重要性,NDs表示通信数据ai与aj的依附数量。
则利用公式(14)描述通信数据ai与aj依附性推导式,即:
式(15)中,βijk表示通信数据ai与aj之间第k个依附权重。
根据以上推导,可以得到通信数据ai与aj在高速总线中的依附性为:
D(ai,aj)=<Df(ai,aj),Ds(ai,aj)> (16)
基于上述依附推导的过程,可以将通信数据ai与aj之间的依附性推导式描述为:
|D(ai,aj)|=γ(|Df(ai,aj)|+|Df(aj,ai)|)
+μ(|Ds(ai,aj)|+|Ds(aj,ai)|) (17)
式(17)中,γ和μ表示依附权重,两者关系为γ+μ=1,且满足0≤γ和0≥μ。
得到上述通信数据之间的依附性后,当接收到通信数据的交互请求式,由交互请求中所需传输通信数据之间的依附性以及与通信数据传输模块间的相互关联,将通信数据传输模块组合成数据交互过程,即通过组合的通信数据传输模块进行数据传输,从而实现高速总线通信数据的实时、高效的交互。上述通信数据传输模块可以为扩频通信系统等。
为验证本发明上述方法,分别采用本发明上述方法与现有技术方法进行高速总线通信数据实时交互进行测试,并对比测试结果。
本实施例具体采用如表1所示的实验参数。
表1 实验参数
在表1的实验参数的基础上,设定通信数据ai与aj之间的依附权重γ和μ分别为-2和3,引入传统基于VR技术的交互方法和传统基于BIM与IoT的交互方法作对比,由于高速总线非常容易受到脉冲和滤波的干扰,测试三种方法在不同干扰模式下的通信数据误码率,误码率计算公式为:
式(18)中,表示通信数据误码率,c表示通信数据错误传输的数量,θ表示通信数据传输的总数量。
在高速总线通信过程中,存在着单点和多点脉冲干扰,其中又以双脉冲为主,因此,分别测试单、双脉冲干扰下的通信数据误码率。
首先在单脉冲干扰下,测试了三种方法的通信数据误码率,结果如图2所示。从图2的结果可以看出,在单脉冲干扰下,当通信数据信噪比为-8dB时,传统基于VR技术的交互方法和基于BIM与IoT的交互方法得到的误码率是相同的,但是随着通信数据信噪比的增加,传统基于BIM与IoT的交互方法得到的误码率在迅速下降,当通信数据信噪比为3dB时,误码率达到最低值;而本发明基于Docker容器下的交互方法在测试初期得到的误码率为25%,比其他两种方法的误码率低,当通信数据信噪比为0dB时,通信数据误码率达到了最低值,为5%,因此,可以看出,本发明交互方法能够得到更高的通信数据质量。
进一步在双脉冲干扰下,测试了三种方法的通信数据误码率,结果如图3所示。从图3的结果可以看出,三种交互方法的误码率受到双脉冲干扰的影响比较大,但是本发明基于Docker容器下的交互方法仍然比其他两种传统交互方法的误码率低,在实验初期,本发明方法的误码率为25%,随着通信数据信噪比的增加,当通信数据信噪比为3dB时,通信数据误码率达到最低值,为10%。因此可以看出,本发明方法在双脉冲干扰下的通信数据质量相比于传统交互方法要更高。
在高速总线通信过程中,为保证数据通信的完整性,通常使用扩频通信系统完成数据交互,但该系统易受非线性滤波的干扰,因此本实施例在滤波干扰下,测试了三种方法的通信数据误码率,结果如图4所示。从图4的结果可以看出,三种方法受到滤波干扰的影响程度比较小,当通信数据信噪比为-8dB时,本发明方法得到的误码率只有12.5%,而其他两种传统方法的误码率都超过了30%,因此说明本发明方法可以通过降低通信数据的误码率,提高通信数据的质量。
本实施例进一步设置不同的集成节点,测试三种方法下的传输时间,传输时间在一定程度上反映了相应方法的数据交互性能,如图5所示。从图5中可以看出,不同集成节点数量下,本发明基于Docker容器下的交互方法数据传输速率高于1410Mbps,相较于对比的两种传统方法而言,传输速率更高,这是由于本发明基于Docker容器下的交互方法通过计算高速总线系统发送的通信数据量,给出通信数据采集的最大化约束条件,利用高速总线节点接收通信数据量与跳数的关系,将通信数据采集指令转换为数据采集最短路径问题,能够有效提高传输速率。
为了满足高速总线通信的数据传输需求,提高数据传输质量,本发明利用Docker容器实现高速总线通信数据实时交互,能够借助Docker容器快速部署数据资源的优势,提高高速总线通信的数据利用率,降低不同干扰下的通信数据误码率,经过实验测试也验证了,本发明方法受到脉冲和滤波干扰的影响比较小,可以有效提高通信数据的质量。
本实施例还提供高速总线通信数据实时交互装置,包括:。
数据采集模块,用于通过设定通信数据采集的最大化约束条件,将通信数据采集指令转换为最短路径问题后建立目标函数,按照目标函数采集高速总线通信数据;
传输效率控制模块,用于采用Docker容器求解最优通信数据点,并利用Docker容器的最优集成节点调整通信数据的位置,以控制高速总线通信数据的传输效率;
实时交互模块,用于基于预先构建的高速总线通信数据的实时交互模型,实现高速总线通信数据的实时交互。
本实施例高速总线通信数据实时交互装置与上述高速总线通信数据实时交互方法为一一对应,在此不再一一赘述。
本实施例还提供计算机装置,包括处理器以及存储器,存储器用于存储计算机程序,处理器用于执行计算机程序,处理器用于执行计算机程序以执行如上述方法。
上述只是本发明的较佳实施例,并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明。因此,凡是未脱离本发明技术方案的内容,依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均应落在本发明技术方案保护的范围内。
Claims (5)
1.一种高速总线通信数据实时交互方法,其特征在于,步骤包括:
S01.数据采集:设置通信数据采集的最大化约束条件,根据所述最大化约束条件将通信数据采集指令转换为计算最短路径并建立目标函数,按照所述目标函数采集高速总线通信数据;
S02.传输效率控制:采用Docker容器求解最优通信数据点并作为通信数据存在的位置,利用所述Docker容器的最优集成节点调整通信数据的位置,以控制高速总线通信数据的传输效率;
S03.实时交互:基于预先构建的高速总线通信数据的实时交互模型,实现高速总线通信数据的实时交互;
所述步骤S02的步骤包括:
S201.使用Docker容器对采集到的高速总线通信数据中通信数据点进行排序;
S202.对选取的各个通信数据点,采用Docker容器求解在通信数据的实时交互中最优通信数据点并作为最优检索节点;
S203.将求解得到的所述最优检索节点作为通信数据存在的位置,并使用所述Docker容器的最优集成节点调整通信数据的位置,实现对高速总线通信数据传输效率进行控制;
所述步骤S201中,按照下式对高速总线通信数据中通信数据点进行排序:
wi(k)=μiHi[k],i=1,2,…,M
其中,wi(k)表示排序标准,μi表示通信数据在Docker容器下的映射系数,Hi[k]表示第i个通信数据的瞬时容量;
所述步骤S03中,基于各通信数据在高速总线中的依附性关系,构建得到所述高速总线通信数据的实时交互模型,实现高速总线通信数据的实时交互,依附是指两个通信数据共享相同的信息资源;
具体通信数据ai与aj在高速总线中的依附性模型具体为:
|D(ai,aj)|=γ(|Df(ai,aj)|+|Df(aj,ai)|)+μ(|Ds(ai,aj)|+|Ds(aj,ai)|)
其中,γ和μ表示依附权重,且满足γ+μ=1以及0≤γ和0≥μ,D(ai,aj)表示通信数据ai与aj在高速总线中的依附性,Df(ai,aj)表示通信数据ai与aj输入输出集合,Ds(ai,aj)为通信数据ai与aj之间的依附集合。
2.根据权利要求1所述的高速总线通信数据实时交互方法,其特征在于,所述步骤S01的步骤包括:
S101.利用Docker容器对高速总线进行虚拟化处理,构建出通信数据采集的所述最大化约束条件;
S102.根据所述最大化约束条件,建立在高速总线上节点接收通信数据量与跳数之间的关系;
S103.在Docker容器下,将通信数据采集指令转换为数据采集最短路径问题,即转换为计算出数据采集最短路径;
S104.根据所述节点接收通信数据量与跳数之间的关系以及所述数据采集最短路径,构建通信数据采集的所述目标函数。
3.根据权利要求1所述的高速总线通信数据实时交互方法,其特征在于,所述步骤S203中,使用Docker容器的最优集成节点具体按照下式调整通信数据的位置:
其中,Xi表示第i个通信数据存在的位置,Xi'表示第i个通信数据调整后的位置,S表示通信数据集,χ的取值在0~1之间,表示变异函数,gbest表示通信数据集成节点存在的位置,/>表示所述最优检索节点。
4.一种高速总线通信数据实时交互装置,其特征在于,包括:
数据采集模块,用于设置通信数据采集的最大化约束条件,根据所述最大化约束条件将通信数据采集指令转换为计算最短路径并建立目标函数,按照所述目标函数采集高速总线通信数据;
传输效率控制模块,用于采用Docker容器求解最优通信数据点,并利用所述Docker容器的最优集成节点调整通信数据的位置,以控制高速总线通信数据的传输效率;
实时交互模块,用于基于预先构建的高速总线通信数据的实时交互模型,实现高速总线通信数据的实时交互;
所述传输效率控制模块包括:
使用Docker容器对采集到的高速总线通信数据中通信数据点进行排序;
对选取的各个通信数据点,采用Docker容器求解在通信数据的实时交互中最优通信数据点并作为最优检索节点;
将求解得到的所述最优检索节点作为通信数据存在的位置,并使用所述Docker容器的最优集成节点调整通信数据的位置,实现对高速总线通信数据传输效率进行控制;
按照下式对高速总线通信数据中通信数据点进行排序:
wi(k)=μiHi[k],i=1,2,…,M
其中,wi(k)表示排序标准,μi表示通信数据在Docker容器下的映射系数,Hi[k]表示第i个通信数据的瞬时容量;
所述实时交互模块中,基于各通信数据在高速总线中的依附性关系,构建得到所述高速总线通信数据的实时交互模型,实现高速总线通信数据的实时交互,依附是指两个通信数据共享相同的信息资源;
具体通信数据ai与aj在高速总线中的依附性模型具体为:
|D(ai,aj)|=γ(|Df(ai,aj)|+|Df(aj,ai)|)+μ(|Ds(ai,aj)|+|Ds(aj,ai)|)
其中,γ和μ表示依附权重,且满足γ+μ=1以及0≤γ和0≥μ,D(ai,aj)表示通信数据ai与aj在高速总线中的依附性,Df(ai,aj)表示通信数据ai与aj输入输出集合,Ds(ai,aj)为通信数据ai与aj之间的依附集合。
5.一种计算机装置,包括处理器以及存储器,所述存储器用于存储计算机程序,其特征在于,所述处理器用于执行所述计算机程序以执行如权利要求1~3中任意一项所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111300516.4A CN114006784B (zh) | 2021-11-04 | 2021-11-04 | 高速总线通信数据实时交互方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111300516.4A CN114006784B (zh) | 2021-11-04 | 2021-11-04 | 高速总线通信数据实时交互方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114006784A CN114006784A (zh) | 2022-02-01 |
CN114006784B true CN114006784B (zh) | 2023-12-12 |
Family
ID=79927658
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111300516.4A Active CN114006784B (zh) | 2021-11-04 | 2021-11-04 | 高速总线通信数据实时交互方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114006784B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114417640B (zh) * | 2022-03-28 | 2022-06-21 | 西安热工研究院有限公司 | 一种可视化计算请求式计算方法、系统、设备及存储介质 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0656593A1 (en) * | 1993-11-29 | 1995-06-07 | Sun Microsystems, Inc. | Method and apparatus for bus bandwidth management |
WO2004023668A1 (en) * | 2002-09-05 | 2004-03-18 | The Regents Of The University Of California | Scheduling methods for wireless networks |
CN102521190A (zh) * | 2011-12-19 | 2012-06-27 | 中国科学院自动化研究所 | 一种应用于实时数据处理的多级总线系统 |
CN103618658A (zh) * | 2013-11-29 | 2014-03-05 | 合肥工业大学 | 一种基于时间碎片最小化的汽车FlexRay总线设计方法 |
CN106341205A (zh) * | 2016-08-31 | 2017-01-18 | 上海交通大学 | 低延时时间触发网络系统及优化方法 |
CN107204881A (zh) * | 2017-06-14 | 2017-09-26 | 合肥工业大学 | 汽车FlexRay总线静态段消息调度方法 |
CN107800624A (zh) * | 2017-10-10 | 2018-03-13 | 三峡大学 | 一种区域性保护关键信息最优迂回路径选择新方法 |
CN107889183A (zh) * | 2017-10-27 | 2018-04-06 | 深圳友讯达科技股份有限公司 | 数据传输方法及装置 |
KR101911296B1 (ko) * | 2017-04-18 | 2018-10-24 | 국방과학연구소 | Mil-std-1553b 통신 시스템 및 그의 버스 제어기 운용 최적화 방법 |
CN109710552A (zh) * | 2018-12-29 | 2019-05-03 | 深圳市联影医疗数据服务有限公司 | 总线传输质量评估方法、系统和计算机存储介质 |
WO2019134254A1 (zh) * | 2018-01-02 | 2019-07-11 | 上海交通大学 | 一种运用分布式神经网络的实时经济调度计算方法 |
CN110442814A (zh) * | 2019-06-19 | 2019-11-12 | 中国电力科学研究院有限公司 | 一种泛在电力物联网智能终端的数据交互系统及方法 |
CN112565035A (zh) * | 2020-11-20 | 2021-03-26 | 珠海格力电器股份有限公司 | 数据传输方法、装置及存储介质 |
CN112559135A (zh) * | 2020-12-24 | 2021-03-26 | 重庆邮电大学 | 一种基于QoS的容器云资源的调度方法 |
CN113177185A (zh) * | 2021-04-25 | 2021-07-27 | 国网吉林省电力有限公司 | 基于缩紧McCormick方法的综合热电系统调度方法 |
-
2021
- 2021-11-04 CN CN202111300516.4A patent/CN114006784B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0656593A1 (en) * | 1993-11-29 | 1995-06-07 | Sun Microsystems, Inc. | Method and apparatus for bus bandwidth management |
WO2004023668A1 (en) * | 2002-09-05 | 2004-03-18 | The Regents Of The University Of California | Scheduling methods for wireless networks |
CN102521190A (zh) * | 2011-12-19 | 2012-06-27 | 中国科学院自动化研究所 | 一种应用于实时数据处理的多级总线系统 |
CN103618658A (zh) * | 2013-11-29 | 2014-03-05 | 合肥工业大学 | 一种基于时间碎片最小化的汽车FlexRay总线设计方法 |
CN106341205A (zh) * | 2016-08-31 | 2017-01-18 | 上海交通大学 | 低延时时间触发网络系统及优化方法 |
KR101911296B1 (ko) * | 2017-04-18 | 2018-10-24 | 국방과학연구소 | Mil-std-1553b 통신 시스템 및 그의 버스 제어기 운용 최적화 방법 |
CN107204881A (zh) * | 2017-06-14 | 2017-09-26 | 合肥工业大学 | 汽车FlexRay总线静态段消息调度方法 |
CN107800624A (zh) * | 2017-10-10 | 2018-03-13 | 三峡大学 | 一种区域性保护关键信息最优迂回路径选择新方法 |
CN107889183A (zh) * | 2017-10-27 | 2018-04-06 | 深圳友讯达科技股份有限公司 | 数据传输方法及装置 |
WO2019134254A1 (zh) * | 2018-01-02 | 2019-07-11 | 上海交通大学 | 一种运用分布式神经网络的实时经济调度计算方法 |
CN109710552A (zh) * | 2018-12-29 | 2019-05-03 | 深圳市联影医疗数据服务有限公司 | 总线传输质量评估方法、系统和计算机存储介质 |
CN110442814A (zh) * | 2019-06-19 | 2019-11-12 | 中国电力科学研究院有限公司 | 一种泛在电力物联网智能终端的数据交互系统及方法 |
CN112565035A (zh) * | 2020-11-20 | 2021-03-26 | 珠海格力电器股份有限公司 | 数据传输方法、装置及存储介质 |
CN112559135A (zh) * | 2020-12-24 | 2021-03-26 | 重庆邮电大学 | 一种基于QoS的容器云资源的调度方法 |
CN113177185A (zh) * | 2021-04-25 | 2021-07-27 | 国网吉林省电力有限公司 | 基于缩紧McCormick方法的综合热电系统调度方法 |
Non-Patent Citations (1)
Title |
---|
350km/h动车组TCN网络周期轮询优化算法研究;郭超勇;刘建强;郑琼林;;铁道学报(12);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114006784A (zh) | 2022-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110351754B (zh) | 基于Q-learning的工业互联网机器设备用户数据计算卸载决策方法 | |
CN108924936A (zh) | 无人机辅助无线充电边缘计算网络的资源分配方法 | |
CN108924938B (zh) | 一种用于无线充电边缘计算网络计算能效的资源分配方法 | |
CN109829332A (zh) | 一种基于能量收集技术的联合计算卸载方法及装置 | |
CN109472520A (zh) | 基于区块链的多无人机任务分配方法 | |
CN114006784B (zh) | 高速总线通信数据实时交互方法及装置 | |
Li et al. | Leveraging endpoint flexibility when scheduling coflows across geo-distributed datacenters | |
CN108769843B (zh) | 一种电力光纤入户的epon网络优化方法及系统 | |
CN116610434A (zh) | 面向分层联邦学习系统的资源优化方法 | |
CN116112557A (zh) | 一种基于确定数据的多种报文格式适配方法和系统 | |
CN109981340A (zh) | 雾计算网络系统中联合资源优化的方法 | |
CN108712337A (zh) | 高性能网络中多路径带宽调度方法 | |
CN109376374B (zh) | 一种基于多射频通信的多用户计算迁移方法 | |
CN110958177B (zh) | 一种片上网络路由优化方法、装置、设备及可读存储介质 | |
CN116806043A (zh) | 路由选择方法、装置、电子设备及移动边缘网络 | |
CN115499306B (zh) | 流量调度模型的构建方法、装置、电子设备及存储介质 | |
Puviarasu et al. | Dynamic uneven clustering protocol for efficient energy management in EH-WSNs | |
CN116614195A (zh) | 基于边缘容器的电碳计算智能融合终端及时间同步方法 | |
CN105517049A (zh) | 一种无线中继节点工作量的分配方法 | |
CN103096380B (zh) | 无线接入点负载均衡优化方法 | |
CN114154685A (zh) | 智能电网中电能数据调度方法 | |
CN114205841B (zh) | 联合发送端及中继点选择的传输方法、装置及终端 | |
CN115329987B (zh) | 一种联邦学习系统中用户选择的方法 | |
Deng et al. | Research on real-time interaction method of high-speed bus communication based on Docker container | |
WO2024045932A1 (zh) | 一种资源调度方法、装置、系统、存储介质及电子系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |