基于高通量計算的海量傳感器信息分析虛擬芯片平臺研究?

朱靜宜

（浙江長征職業技術學院計算機與信息技術系 杭州 310023）

基于高通量計算的海量傳感器信息分析虛擬芯片平臺研究?

朱靜宜

（浙江長征職業技術學院計算機與信息技術系 杭州 310023）

為了適合高通量應用的需求，針對農業物聯網中海量傳感器檢測信息的高通量計算分析方法，通過搭建非線性雙穩態動力學模型并行提取多傳感器信息特征，以獲取農業物聯網信息。采用非線性信號特征分析模型，最終構建海量傳感器信息高通量計算分析虛擬芯片平臺，解決了農業物聯網中海量傳感器信息計算延遲問題。

高通量；傳感器；虛擬芯片

1 引言

物聯網被世界公認為是繼計算機、互聯網與移動通信網之后的世界信息產業第三次浪潮。它是以感知為前提，實現人與人、人與物、物與物全面互聯的網絡［1］。在這背后，則是在物體上植入各種微型芯片，用這些傳感器獲取物理世界的各種信息，再通過局部的無線網絡、互聯網、移動通信網等各種通信網路交互傳遞，從而實現對世界的感知［2］。農業物聯網，即在大棚控制系統中，運用物聯網系統的溫度傳感器、濕度傳感器、pH值傳感器、光傳感器、CO2傳感器等設備，檢測環境中的溫度、相對濕度、pH值、光照強度、土壤養分、CO2濃度等物理量參數，通過各種儀器儀表實時顯示或作為自動控制的參變量參與到自動控制中，保證農作物有一個良好的、適宜的生長環境。遠程控制的實現使技術人員在辦公室就能對多個大棚的環境進行監測控制［3～4］。采用無線網絡來測量獲得作物生長的最佳條件，可以為溫室精準調控提供科學依據，達到增產、改善品質、調節生長周期、提高經濟效益的目的［5～6］。當前，我國農業現代化進程明顯加快，但也面臨著資源、環境與市場的多重約束，保障糧食安全、食品安全、生態安全的壓力依然存在，確保農民穩定增收的任務越來越重。實施區試工程，對于探索農業物聯網理論研究、系統集成、重點領域、發展模式及推進路徑，提高農業物聯網理論及應用水平，促進農業生產方式轉變、農民增收有重要意義［7～9］。

2 海量傳感器信息計算分析虛擬芯片平臺構建

海量傳感器信息計算分析虛擬芯片平臺構建是本文研究的重點，其架構如圖1所示。虛擬芯片平臺設置了多傳感器信號虛擬入口，該部分主要將來自于無線網絡傳輸的傳感器信號（主要是溫度、相對濕度、pH值、光照強度、土壤養分、CO2濃度等）經過調理之后，變成統一固定格式輸入到非線性雙穩態動力學模塊各子單元陣列中去，這樣做的好處在于使處于不同數量級的不同傳感器信號量化為統一的可比較范圍之內，以便后續進行計算分析。

圖1 海量傳感器信息計算分析虛擬芯片架構

非線性雙穩態動力學模塊子單元陣列是具有若干個并行非線性雙穩態動力學模塊的結構，每個模塊子單元的傳感器信息計算處理能力是有限的，因此我們構想設計若干個模塊子單元并行結構，傳感器信號實時輸入到虛擬芯片中來，根據各模塊子單元的實時工作負荷情況，在任務調度系統的實時干預下，優先將傳感器信息調度至負荷較低的模塊子單元進行計算分析，從而提高整體傳感器信息計算處理能力。任務調度系統主要是根據各模塊子單元的實時計算任務負載情況，優化信息任務隊列，從而提升整體的傳感器信息處理能力，提高多傳感器信號特征數據提取的效率。

在非線性雙穩態動力學模塊子單元實現多傳感器信息計算處理目標基礎之上，我們得到了多傳感器的特征數據，但是由于任務調度系統的干預，同一節點的不同傳感器的特征自有可能不處于同一特征數據結構單元中，因此，傳感器特征數據陣列單元的主要任務就是依據傳感器的實際物理位置歸屬，實現每個節點各傳感器特征信息量的重聚集，為農業物聯網提供數據支撐。

傳感器特征數據配置管理單元的主要任務是量化各節點傳感器之間的相似性和差異性，在量化的基礎之上，實現被測節點實時物理狀態的大致判斷，為農業物聯網系統提供決策體系支撐。

傳感器信息按需聚合、智能協同、按需輸出單元主要任務是統計歸納相似物理情況節點，同一類物理情況節點給予相同實時干預措施，如灌溉、施肥等等。并且該單元還要實時響應管理客戶端提交的節點查詢請求，按照查詢的實際需求輸出相應的節點傳感器信息和物理工況判斷，為專家決策提供及時的傳感器特征信息響應，提高物聯網的使用效率。

3 非線性雙穩態動力學虛擬模塊搭建

非線性雙穩態動力學模型理論是1981年意大利學者Benzi等在研究地球古冰川期問題時提出的，經過多年實驗驗證和深入研究，這個非線性動力學領域中的反直觀現象在信號處理領域得到長足發展［10］。該模型系統包含三個因素：輸入信號，雙穩態系統和外噪聲源，常用在一個雙穩態勢阱中通過周期力驅動的過阻尼布朗運動粒子來描述系統特性：

V(x)為非線性對稱勢函數，ξ(t)為高斯白噪聲，其自相關函數為：E[ξ ( t)ξ(0)]=2Dδ(t)，a 是輸入信號強度，f0是調制信號頻率，D是噪聲強度，μ是一個實參數：

因此式（1）可以改寫為

信噪比是表征非線性雙穩態動力學模型特性常用的參量，我們將信噪比定義為

S(ω)是信號頻譜密度，SN(Ω)是信號頻率范圍內的噪聲強度。已有許多學者對信噪比參數隨系統輸入參數變化進行了研究［12～13］，同時該研究在傳感技術領域的信號檢測及特征提取研究中有著廣泛的應用［11～16］。非線性雙穩態動力學模型信噪比譜分析技術的關鍵性思想是在噪聲的幫助下，放大輸入的弱信號，在適合的噪聲強度下，系統輸出信噪比可達到極大值，并且轉換成信噪比譜圖，將其作為結果輸出，使特征信息得到完整表達［17］。非線性雙穩態動力學模型信噪比分析路線圖如圖2所示。從信號處理角度出發，非線性雙穩態動力學模型是在非線性信號傳輸過程中，通過調節外噪聲的強度或者系統其它參數，使系統輸出達到最佳值，實際上也可以認為是輸入信號、非線性系統、噪聲的協同狀態。一般情況下，雙穩態模型中輸入外力可被認為是理想傳感器系統的信號，噪聲是檢測過程中引入的信道噪聲，而雙穩態系統的輸入作為傳感器系統實際的檢測信號。在激勵噪聲的影響下，系統產生非線性雙穩態動力學模型，此時輸出信號大于輸入信號，起到了信號放大的作用。同時，非線性雙穩態動力學模型將部分檢測信號中的噪聲能量轉換到信號中去，有效的抑制了檢測信號中的噪聲量。因此，非線性雙穩態動力學模型系統相當于提高輸出信號信噪比的作用，實際中可以把信號、激勵噪聲和雙穩態系統看成為一個高效信號處理器。

圖2 非線性雙穩態動力學虛擬模塊結構圖

4 海量傳感器信息分析虛擬芯片平臺關鍵技術研究

4.1 非線性雙穩態動力學虛擬模塊負荷監測技術研究

非線性雙穩態動力學虛擬模塊任務調度系統的工作基礎是模塊負荷監測方法，如上圖1所示。由于是虛擬化芯片平臺結構，因此我們在虛擬結構中著重研究虛擬模塊負荷監測技術，在每個模塊子單元中設置虛擬芯片工作時鐘，通過工作時鐘的計數輸出實現對模塊子單元的工作負荷監控，從而實現任務調度系統對全部虛擬模塊子單元的任務分解、加載和撤銷等操作，進一步優化多傳感器信息的計算處理效率。

4.2 多傳感器特征信息按需配置、組合及智能化輸出技術研究

傳感器信息按需聚合、智能協同、按需輸出單元主要任務是統計歸納相似物理情況節點，同一類物理情況節點給予相同實時干預措施，如灌溉、施肥等等。并且該單元還要實時響應管理客戶端提交的節點查詢請求，按照查詢的實際需求輸出相應的節點傳感器信息和物理工況判斷，為專家決策提供及時的傳感器特征信息響應，提高物聯網的使用效率。

我們為每一條輸出虛擬芯片的傳感器信息定制一條頭寸信息，其中包含該傳感器所在的節點信息、傳感器的類型信息等，在經過動態信息處理調配之后，依據這些信息仍能快速地按照節點歸屬、傳感器類型所屬等方式進行分類智能化配置和輸出，提高了傳感器的處理效率。

4.3 基于非線性雙穩態動力學模型的傳感器特征信息提取方法研究

傳統意義上的非線性雙穩態動力學模型是采用無色噪聲誘發非線性系統達到共振狀態。因此，我們提出一種基于非對稱噪聲驅動的非線性雙穩態動力學模型。無色噪聲指噪聲能量在頻率上分布是均勻。與此相反，非對稱噪聲是指噪聲的能量在某些特殊頻率上能量大，而其他則很小（或者0），將實驗結果作為實際農業物聯網系統的指導，有利于解決海量傳感器信息容易丟失、延遲等。非線性雙穩態動力學模型包括三大要素：雙穩態勢阱、輸入信號和激勵噪聲，參數數量眾多并且相互之間具有依賴關系，因此通過理論模型研究，探索非線性雙穩態動力學模型影響較大的若干參數，作為可調參數，而其它參數設定為固定值。這樣就極大地簡化了系統參數的選擇問題，著重探討若干個重要參數的選值，配合非對稱噪聲激勵系統，提升模型的共振效率。

5 結語

本文提出一種針對農業物聯網中海量傳感器檢測信息的高通量計算分析方法，為了適應高通量信息計算的要求，同時滿足可擴展、高效能和高可靠性等特點，采用非線性信號特征分析模型，構建傳感器信息高通量計算分析虛擬芯片平臺。另外，在虛擬芯片體系結構的片上資源管理方面，提出并實現了用于高通量計算的新思想和方法。最終形成的可擴展、高效能、高可靠的高通量處理虛擬芯片，著力解決農業物聯網中海量傳感器信息計算延遲問題，為農業物聯網的發展提供技術體系支撐。

［1］Ballou，R.H.，Gilbert，S.M.，Mukherjee，A.New mana?gerial challenges fromsupply chain opportunities.Industri?al Marketing Management，2000，29（1）：7-18.

［2］Brooks Jr，F.P.What's real about virtual reality？Comput?er Graphics andApplications，IEEE，1999，19（6）：16-27.

［3］Carmigniani，J.，Furht，B.，Anisetti，M.，Ceravolo，P.，Damiani，E.，Ivkovic， M.Augmented reality technolo?gies，systems and applications.Multimedia Toolsand Ap?plications，2011，51（1）：341-377.

［4］Chandrashekar，A.，Schary，P.B.Toward the virtual sup?ply chain：theconvergence of IT and organization.Interna?tional Journal of LogisticsManagement，1999，10 （2）：27-40.

［5］Clarke，M.P.Virtual logistics：an introduction and over?view of the concepts.International Journal of Physical Dis?tribution and Logistics Management，1998，28 （7）：486-507.

［6］ Cooper，M.C.，Ellram，L.M.Characteristics of supply chain management andthe implications for purchasing and logistics strategy.International Journal ofLogistics Manage?ment，1993，4（2）：13-24.

［7］ Crowston，K.，Sieber，S.，Wynn，E.，Crowston，K.，Sieber，S.Virtuality andVirtualization.Springer，Boston，pp.2007，1-7.

［8］ Davenport，T.H.，Short，J.E.The new industrial-engi?neering-informationtechnology and business process rede?sign.Sloan Management Review，1990，31（4）：11-27.

［9］ Day，G.S.The capabilities of market-driven organiza?tions.Journal ofMarketing，1994，58（4）：37-52.

［10］Lee，H.L.，Whang，S.J.Information sharing in a supply chain.InternationalJournal of Technology Management，2000，20（3-4）：373-387.

［11］Li，G.，Lin，Y.，Wang，S.，Yan，H.Enhancing agility by timely sharing of supplyinformation.Supply［］Chain Management：An International Journal，2007，12（2）：139-149.

［12］Lu，S.C.Y.，Shpitalni，M.，Gadh，R.Virtual and aug?mented reality technologiesfor product realization.CIRP Annals-ManufacturingTechnology，1999，48 （2）：471-495.

［13］Ma，H.D.Internet of Things：objectives and scientific challenges.Journal ofComputer Science and Technology，2011，26（6）：919-924.

［14］Wu C，Du L，Wang D，Zhao L，Wang P.A biomimetic olfactory-based biosensor with high efficiency immobili?zation of molecular detectors［J］.Biosensors and Bioelec?tronics，2012，31：44-48.

［15］Benzi R，Sutera A，Vulpiana A.The mechanism of sto?chastic resonance，J Phys A.1981，14：L453-L456.

［16］L Gammaitoni，P Hanggi.Stochastic resonance［J］.Re?views of Modern Physics，1998，71：223-287.

［17］T.Wellens，V.Shatokhin，A.Buchleitner.Stochastic resonance，Report on Progress in Physics，2004，67（1）：45-105.

Research on Massive Sensor Information Analysis Virtual Chip Platform Based on High-throughput Computing

ZHU Jingyi
（Department of Computer and Information Technology，Zhejiang Changzheng Vocational&Technical College，Hangzhou 310023）

In order to meet the needs of the application for high-throughput，high-throughput mass sensors in agricultural IOT detection information analysis method，through setting up nonlinear bistable dynamics model of parallel multi sensor informa?tion extraction features，to get information of agricultural IOT.The nonlinear signal characteristic analysis model is used to build a high throughput computing and analysis virtual chip platform for mass sensor information，which solves the problem of computing de?lay of massive sensor information in agricultural internet of things.

high-throughput，sensor，virtual chip

Class Number TP311

TP311

10.3969/j.issn.1672-9722.2017.12.033

2017年6月10日，

2017年7月29日

2016年度浙江省公益技術應用研究計劃項目“農業物聯網中多傳感器信息高通量計算關鍵技術研究”（編號：2016C31058）；國家自然科學基金項目“基于多收縮系數的參數估計自適應算法在無線傳感器系統中的研究”（編號：61503339）資助。

朱靜宜，女，碩士，副教授，研究方向：無線傳感網絡，物聯網。