王玉峰，高雅娟

(中國(guó)礦業(yè)大學(xué)銀川學(xué)院，寧夏 銀川 750021)

1 引言

新一代信息技術(shù)中物聯(lián)網(wǎng)作為重要的構(gòu)成部分，為采集客觀世界中存在的測(cè)量數(shù)據(jù)，將終端感知網(wǎng)絡(luò)作為觸角，并將激光掃描器、視頻攝像頭、全球定位系統(tǒng)和射頻識(shí)別裝置等具有感知功能的信息網(wǎng)絡(luò)在互聯(lián)網(wǎng)平臺(tái)中整合，實(shí)現(xiàn)物理系統(tǒng)與人類社會(huì)之間的互通互聯(lián)[1]。傳感器網(wǎng)絡(luò)在物聯(lián)網(wǎng)中不是孤立的，由于物聯(lián)網(wǎng)的互聯(lián)特征和廣域特征，決定了其必須利用公共網(wǎng)絡(luò)與企業(yè)網(wǎng)絡(luò)和各政府網(wǎng)絡(luò)連接傳感器信息，因此物聯(lián)網(wǎng)終端安全是不容忽視的[2]。為保障傳統(tǒng)網(wǎng)絡(luò)與物聯(lián)網(wǎng)之間數(shù)據(jù)的安全交換，需要對(duì)物聯(lián)網(wǎng)終端安全接入網(wǎng)關(guān)狀態(tài)進(jìn)行預(yù)測(cè)[3-4]。

文獻(xiàn)[5]提出基于布谷鳥搜索的網(wǎng)絡(luò)數(shù)據(jù)網(wǎng)關(guān)預(yù)測(cè)方法，該方法根據(jù)輸出態(tài)勢(shì)值和態(tài)勢(shì)輸入指標(biāo)數(shù)計(jì)算BP神經(jīng)網(wǎng)絡(luò)中存在的輸入輸出節(jié)點(diǎn)數(shù)，通過試湊法和經(jīng)驗(yàn)公式對(duì)隱含層中存在的節(jié)點(diǎn)數(shù)進(jìn)行計(jì)算，初始化處理各層的閾值和連接權(quán)值，閾值和權(quán)值通過浮點(diǎn)數(shù)編碼方式編碼成布谷鳥，通過布谷鳥搜索算法實(shí)現(xiàn)數(shù)據(jù)網(wǎng)關(guān)狀態(tài)的預(yù)測(cè)，該方法得到的預(yù)測(cè)結(jié)果與實(shí)際狀態(tài)不符，存在預(yù)測(cè)準(zhǔn)確率低的問題。文獻(xiàn)[6]提出基于聚類分析的網(wǎng)絡(luò)數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測(cè)方法。該方法高效聚類融合多源異構(gòu)非確定性信息源，獲得安全態(tài)勢(shì)，通過Dirichlet先驗(yàn)分布平滑處理后驗(yàn)概率，獲得聚類分析結(jié)果，在聚類分析結(jié)果的基礎(chǔ)上逐步量化評(píng)估網(wǎng)關(guān)狀態(tài)，實(shí)現(xiàn)數(shù)據(jù)網(wǎng)關(guān)狀態(tài)的預(yù)測(cè)，該方法預(yù)測(cè)所用的時(shí)間較長(zhǎng)，存在預(yù)測(cè)效率低的問題。文獻(xiàn)[7]提出基于RBF神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測(cè)方法。該方法利用RBF神經(jīng)網(wǎng)絡(luò)結(jié)合安全態(tài)勢(shì)值時(shí)間序列的特點(diǎn)獲得安全態(tài)勢(shì)值的非線性映射關(guān)系，通過混合遞階遺傳算法對(duì)網(wǎng)絡(luò)的參數(shù)和拓?fù)浣Y(jié)構(gòu)進(jìn)行尋優(yōu)，在遺傳算法中引入模擬退火算法實(shí)現(xiàn)數(shù)據(jù)網(wǎng)關(guān)狀態(tài)的預(yù)測(cè)，該方法獲取安全態(tài)勢(shì)值對(duì)應(yīng)的非線性映射關(guān)系所用的時(shí)間較長(zhǎng)，存在預(yù)測(cè)效率低的問題。

為解決上述問題，提出物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測(cè)方法。部署網(wǎng)關(guān)路由節(jié)點(diǎn)，構(gòu)建物聯(lián)網(wǎng)信道傳輸模型，求解信道容量分析模型。構(gòu)建多周期預(yù)測(cè)模型，以此實(shí)現(xiàn)物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)的預(yù)測(cè)。實(shí)驗(yàn)結(jié)果驗(yàn)證了所提方法的應(yīng)用有效性。

2 網(wǎng)絡(luò)信道傳輸模型與信道容量分析模型

1)網(wǎng)絡(luò)信道傳輸模型構(gòu)建

圖1 網(wǎng)絡(luò)信道傳輸模型

為了預(yù)測(cè)物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)絡(luò)狀態(tài)，需構(gòu)建網(wǎng)絡(luò)信道模型，分析路由節(jié)點(diǎn)部署[8]。物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測(cè)方法通過分布式路由節(jié)點(diǎn)部署方法構(gòu)建信道模型，在干擾濾波抑制方法的基礎(chǔ)上進(jìn)行信號(hào)濾波處理和路由探測(cè)，通過最短路徑路由設(shè)計(jì)方法實(shí)現(xiàn)路由節(jié)點(diǎn)在網(wǎng)絡(luò)中的部署，當(dāng)傳感數(shù)據(jù)在物聯(lián)網(wǎng)終端的特征符合cjTc

為減少路由在物聯(lián)網(wǎng)中的覆蓋盲點(diǎn)，物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測(cè)方法通過鏈路均衡控制方法跟蹤并識(shí)別信息，在卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上實(shí)現(xiàn)信息的分類，獲得簇首節(jié)點(diǎn)在物聯(lián)網(wǎng)中的最佳均衡配置，即物聯(lián)網(wǎng)信道傳輸模型

(1)

式中，γth表示卷積因子；σ表示標(biāo)準(zhǔn)差；hi表示鏈路增益值；n描述的鏈路數(shù)量；k表示節(jié)點(diǎn)數(shù)量；G表示增益。

2)信道容量分析模型

設(shè)在單沖突域內(nèi)存在N個(gè)節(jié)點(diǎn)，任何等待隊(duì)列不為空的節(jié)點(diǎn)在物聯(lián)網(wǎng)中競(jìng)爭(zhēng)相同信道的概率為ξ，因此兩次信道傳輸成功之間的時(shí)間間隔最小即為取得最大值的充分條件。

根據(jù)IEEE802.11的競(jìng)爭(zhēng)機(jī)制分析可知，在一個(gè)范圍內(nèi)隨著節(jié)點(diǎn)嘗試發(fā)送概率?的增加，節(jié)點(diǎn)成功發(fā)送數(shù)據(jù)的概率Psuc不斷增加，但當(dāng)節(jié)點(diǎn)成功發(fā)送數(shù)據(jù)概率Psuc達(dá)到峰值后，不再隨著?的增加而增加，開始出現(xiàn)下降趨勢(shì)。

信道容量分析模型通過聯(lián)合控制節(jié)點(diǎn)嘗試發(fā)送數(shù)據(jù)的概率?和數(shù)據(jù)包到達(dá)率λ，在滿足延時(shí)約束的基礎(chǔ)上獲得最大信道容量。設(shè)Tmax表示端到端延遲約束值，則信道容量分析模型的表達(dá)式如下

(2)

式中，Di(λ，?)表示數(shù)據(jù)時(shí)延約束，為第一個(gè)約束；?min表示節(jié)點(diǎn)嘗試發(fā)送數(shù)據(jù)的最小概率?；第二個(gè)約束為數(shù)據(jù)發(fā)送時(shí)間間隔在物聯(lián)網(wǎng)中對(duì)發(fā)送概率范圍的約束。

物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測(cè)方法通過拉格朗日乘子法和對(duì)偶分解法求解信道容量分析模型，拉氏函數(shù)的表達(dá)式如下

L(π，θ，λ，?)=capch(?)-

πd[Di(λ，?)-Tmax]-θ(?-?min)

(3)

式中，πd表示節(jié)點(diǎn)延遲因子；θd表示節(jié)點(diǎn)的競(jìng)爭(zhēng)因子，以上兩個(gè)因子均為對(duì)偶變量，即拉格朗日乘子。

在上式的基礎(chǔ)上可獲得對(duì)偶函數(shù)R(π，0)

R(π，0)=maxL(π，θ，λ，?)=

max{capch(?)-πd[Di(λ，?)-Tmax]-θd(?-?min)}

(4)

在對(duì)偶函數(shù)R(π，0)的基礎(chǔ)上獲得信道容量分析的對(duì)偶問題

(5)

物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測(cè)方法通過下述迭代算法求解上述問題，賦值對(duì)偶變量πd、θd以及原變量λ、?，采用梯度法更新對(duì)偶變量值，根據(jù)更新后的對(duì)偶變量更新原變量值，當(dāng)變量收斂時(shí)停止迭代[9]。

設(shè)t表示迭代次數(shù)，通過下述公式更新對(duì)偶變量

πd(t+1)=πd(t)-(Tmax-Di(λ，?))

(6)

θd(t+1)=θd(t)-ξt(?min-?)

(7)

利用對(duì)偶變量調(diào)整原變量：

1)對(duì)偶變量πd、θd以及原變量λ、?進(jìn)行賦值，πd≥0，θd≥0。

2)若?沒有收斂，聯(lián)合競(jìng)爭(zhēng)因子θd和時(shí)延因子πd對(duì)節(jié)點(diǎn)訪問信道概率進(jìn)行調(diào)整，通過下式計(jì)算?

(8)

更新對(duì)偶變量競(jìng)爭(zhēng)因子θd和時(shí)延因子πd值；若?收斂，進(jìn)行步驟4)。

3)若原變量λ沒有收斂，通過時(shí)延因子πd調(diào)整數(shù)據(jù)包到達(dá)率，利用下式計(jì)算原變量λ：

(9)

根據(jù)計(jì)算結(jié)果更新對(duì)偶變量πd；如果原變量λ收斂，進(jìn)行下一步，否則回到步驟2)中。

4)當(dāng)λ收斂時(shí)，結(jié)束迭代；相反轉(zhuǎn)到步驟3)中。

5)當(dāng)?收斂時(shí)，結(jié)束迭代；相反轉(zhuǎn)到步驟2)中。

3 數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測(cè)

在特定時(shí)間點(diǎn)特定傳感器感知到的狀態(tài)概率函數(shù)為p(si，ti，ck)∈[0，1]，是由三個(gè)參數(shù)構(gòu)成的，其中ck∈C={O，F(xiàn)}，C表示傳感器可能狀態(tài)集合，即空閑和占用；tj∈T，T表示時(shí)間序列集合；si∈S={s1，s2，s3，…，sn}，S表示所有傳感器集合。在時(shí)間序列T上預(yù)測(cè)需要建立模型預(yù)測(cè)函數(shù)p的值。

設(shè)[t0，tc]表示時(shí)間窗口；tp表示預(yù)測(cè)概率對(duì)應(yīng)的時(shí)間點(diǎn)；p(si，tp，ck)表示在時(shí)間窗口中預(yù)測(cè)時(shí)間點(diǎn)狀態(tài)與傳感器狀態(tài)所占的比例，其計(jì)算公式如下

(10)

對(duì)于時(shí)間窗口的周期模式，上述聚合預(yù)測(cè)模型針對(duì)性較低，計(jì)算量較小，但得到的預(yù)測(cè)結(jié)果與實(shí)際不符，不適用于物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)的預(yù)測(cè)[10]。

周期性重復(fù)事件在日常生活中存在很多，如果經(jīng)過時(shí)間段l后，一件事如果出現(xiàn)了重復(fù)現(xiàn)象，則會(huì)在其它的不同時(shí)間點(diǎn)具有相同偏移。針對(duì)上述情況，根據(jù)時(shí)間重復(fù)理論可知單周期預(yù)測(cè)模型的預(yù)測(cè)能力較高。

周期l的整數(shù)倍可以作為時(shí)間窗口，設(shè)Tw表示時(shí)間窗口對(duì)應(yīng)的大小，預(yù)測(cè)概率p(si，tp，ck)可通過下式計(jì)算得到

(11)

式中，γ(s，t，c)表示傳感器狀態(tài)統(tǒng)計(jì)函數(shù)。

時(shí)間的周期在實(shí)體的實(shí)際行為狀態(tài)中會(huì)受到多種因素的影響，因此很多時(shí)候傳感器感知到的為多周期混合影響下的結(jié)果，在這種情況下上述預(yù)測(cè)模型的精準(zhǔn)度較低。為了提高預(yù)測(cè)精準(zhǔn)度，物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測(cè)方法結(jié)合單周期預(yù)測(cè)模型和聚合預(yù)測(cè)模型提出多周期預(yù)測(cè)模型對(duì)物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)進(jìn)行預(yù)測(cè)。

設(shè)LStp表示tp時(shí)刻存在周期事件，其表達(dá)式如下

LStp=(ci，li，λi，φi)

(12)

式中，ci表示傳感器的狀態(tài)；φi表示事件的概率；li表示周期；λi表示周期li對(duì)應(yīng)的偏移。

用滿足條件的概率支持度最大的事件在預(yù)測(cè)tp時(shí)刻狀態(tài)為ci的概率時(shí)作為最有決定性作用的時(shí)間，傳感器輸出狀態(tài)為ci的概率即為該時(shí)間對(duì)應(yīng)的概率，構(gòu)建多周期預(yù)測(cè)模型：

p(si，tp，ck)=max{φi|(ci，li，λi，φi)∈

LStp∩ci=ck}

(13)

利用多周期預(yù)測(cè)模型實(shí)現(xiàn)物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)的預(yù)測(cè)。

4 實(shí)驗(yàn)結(jié)果與分析

為驗(yàn)證所提物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測(cè)方法的整體有效性，對(duì)物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測(cè)方法進(jìn)行多指標(biāo)測(cè)試。本次測(cè)試所用的實(shí)驗(yàn)軟件通過Matlab7設(shè)計(jì)。

4.1 不同方法的預(yù)測(cè)效率對(duì)比分析

分別采用物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測(cè)方法、文獻(xiàn)[5]提出的基于布谷鳥搜索的網(wǎng)絡(luò)數(shù)據(jù)網(wǎng)關(guān)預(yù)測(cè)方法和文獻(xiàn)[6]提出的基于聚類分析的網(wǎng)絡(luò)數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測(cè)方法測(cè)試效率指標(biāo)，實(shí)驗(yàn)結(jié)果中利用不同方法的耗時(shí)來體現(xiàn)效率，時(shí)間消耗越長(zhǎng)，其效率則越低。不同方法預(yù)測(cè)耗時(shí)測(cè)試結(jié)果如圖2所示。

圖2 不同方法的預(yù)測(cè)時(shí)間對(duì)比結(jié)果

分析圖2可知，在多次迭代中物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測(cè)方法對(duì)網(wǎng)關(guān)狀態(tài)進(jìn)行預(yù)測(cè)時(shí)，所用的時(shí)間均低于0.2min；在多次迭代中基于布谷鳥搜索的網(wǎng)絡(luò)數(shù)據(jù)網(wǎng)關(guān)預(yù)測(cè)方法對(duì)網(wǎng)關(guān)狀態(tài)進(jìn)行預(yù)測(cè)時(shí)，預(yù)測(cè)所用的時(shí)間在第三次迭代中高達(dá)0.6min；在多次迭代中基于聚類分析的網(wǎng)絡(luò)數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測(cè)方法對(duì)網(wǎng)關(guān)狀態(tài)進(jìn)行預(yù)測(cè)時(shí)，預(yù)測(cè)所用的時(shí)間在第一次迭代中高達(dá)0.7min。對(duì)比物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測(cè)方法、基于布谷鳥搜索的網(wǎng)絡(luò)數(shù)據(jù)網(wǎng)關(guān)預(yù)測(cè)方法和基于聚類分析的網(wǎng)絡(luò)數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測(cè)方法的測(cè)試結(jié)果可知，采用物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測(cè)方法對(duì)網(wǎng)關(guān)狀態(tài)預(yù)測(cè)所用的時(shí)間最少，效率最高。這是因?yàn)槲锫?lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測(cè)方法構(gòu)建了網(wǎng)絡(luò)信道傳輸模型與信道容量分析模型，通過網(wǎng)絡(luò)信道傳輸模型與信道容量分析模型獲取物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)的相關(guān)信息，縮短了預(yù)測(cè)所用的時(shí)間，提高了物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測(cè)方法的預(yù)測(cè)效率。

4.2 不同方法的預(yù)測(cè)準(zhǔn)確率對(duì)比分析

分別采用物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測(cè)方法、文獻(xiàn)[5] 方法以及文獻(xiàn)[6]方法進(jìn)行測(cè)試預(yù)測(cè)準(zhǔn)確率指標(biāo)測(cè)試，對(duì)比測(cè)試結(jié)果如圖3所示。

圖3 不同方法的預(yù)測(cè)準(zhǔn)確率

分析圖3可知，物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測(cè)方法在多次迭代中獲得的預(yù)測(cè)準(zhǔn)確率均高于基于布谷鳥搜索的網(wǎng)絡(luò)數(shù)據(jù)網(wǎng)關(guān)預(yù)測(cè)方法和基于聚類分析的網(wǎng)絡(luò)數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測(cè)方法在多次迭代中獲得的預(yù)測(cè)準(zhǔn)確率。這是因?yàn)槲锫?lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測(cè)方法結(jié)合單周期預(yù)測(cè)模型和聚合預(yù)測(cè)模型構(gòu)建多周期預(yù)測(cè)模型，通過多周期預(yù)測(cè)模型對(duì)物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)進(jìn)行預(yù)測(cè)，提高了物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測(cè)方法的預(yù)測(cè)準(zhǔn)確率。

4.3 不同方法的網(wǎng)關(guān)數(shù)據(jù)轉(zhuǎn)換效率對(duì)比分析

為進(jìn)一步驗(yàn)證所提方法的實(shí)用性，以網(wǎng)關(guān)數(shù)據(jù)轉(zhuǎn)換效率為指標(biāo)，對(duì)文獻(xiàn)[5]方法、文獻(xiàn)[6]方法以及所提方法進(jìn)行對(duì)比測(cè)試，結(jié)果如圖4所示。

圖4 不同方法的網(wǎng)關(guān)數(shù)據(jù)轉(zhuǎn)換率對(duì)比

根據(jù)圖4的實(shí)驗(yàn)數(shù)據(jù)可知，文獻(xiàn)[5]方法和文獻(xiàn)[6]方法下隨著物聯(lián)網(wǎng)終端接入時(shí)長(zhǎng)的增加，網(wǎng)關(guān)數(shù)據(jù)轉(zhuǎn)換效率逐漸增加，但是兩種傳統(tǒng)方法的效率增加幅度較小，相比之下，所提方法的網(wǎng)關(guān)數(shù)據(jù)轉(zhuǎn)換率最高。本次實(shí)驗(yàn)結(jié)果驗(yàn)證了所提方法能夠大大提高網(wǎng)絡(luò)數(shù)據(jù)的轉(zhuǎn)換率，不僅可以準(zhǔn)確預(yù)測(cè)物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)，還優(yōu)化了網(wǎng)關(guān)運(yùn)行效果。

5 結(jié)束語

為改善當(dāng)前物聯(lián)網(wǎng)終端接入后網(wǎng)關(guān)運(yùn)行狀態(tài)不穩(wěn)定問題提出新的物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測(cè)方法。為有效優(yōu)化預(yù)測(cè)效率，采用最短路徑尋優(yōu)法部署網(wǎng)關(guān)路由節(jié)點(diǎn)，構(gòu)建物聯(lián)網(wǎng)信道傳輸模型。利用拉格朗日對(duì)偶分解法求解信道容量分析模型，以此提高預(yù)測(cè)準(zhǔn)確度。最后構(gòu)建多周期預(yù)測(cè)模型，實(shí)現(xiàn)物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)預(yù)測(cè)。

實(shí)驗(yàn)驗(yàn)證該方法能夠在較短的時(shí)間內(nèi)準(zhǔn)確的預(yù)測(cè)物聯(lián)網(wǎng)終端安全接入數(shù)據(jù)網(wǎng)關(guān)狀態(tài)，提高網(wǎng)關(guān)數(shù)據(jù)轉(zhuǎn)換效率，為物聯(lián)網(wǎng)終端的安全運(yùn)行提供了保障。