HDM網絡架構與混合式數據分發策略

周玉軒 楊 絮 秦傳義 楊志偉 朱一峰 段 錦

1(長春理工大學電子信息工程學院 長春 130022) 2(空地激光通信技術國防重點學科實驗室(長春理工大學) 長春 130022) 3(吉林大學計算機科學與技術學院 長春 130012) 4(揚州通信設備有限公司 江蘇揚州 225012)zhouyuxuan1993523@163.com)

物聯網[1](Internet of things, IoT)被公認為是繼計算機、互聯網技術之后，信息技術領域的又一次重大變革.隨著“Smart City”倡議的引入，城市將成為未來物聯網信息服務系統[2](IoT information service system, IoT ISS)架構設計下創新和實驗的中心，作為全球經濟增長的巨大引擎之一，對未來IoT ISS及其相關操作系統(operating system, OS)的影響將十分巨大.IoT ISS可以將世界上的各種無線傳感設備通過無線網絡實時地連接在一起，實現世間萬物的互聯互通，其可以廣泛地應用于各種領域，例如智慧家居、智慧城市、智慧電網、智能醫療以及環境檢測、可穿戴設備等.隨著IoT時代的到來，大量終端應用服務需求的迅猛增長，這種爆炸式的物聯網應用服務需求催發了研究人員對于IoT ISS結構以及物聯網信息服務樣式的研究.從20世紀90年代開始，基于PC平臺的Windows操作系統即被應用于千家萬戶，在基于應用服務器平臺的Linux操作系統(Linux OS)配合下形成了如今的客戶端服務器C-S(client-server)架構[3]下的互聯網(Internet).隨著愛立信、諾基亞與華為5G服務的全球部署，新一代具備服務于物聯網(IoT)的新型物聯網信息服務架構與操作系統(OS)也將隨之出現.

第5代移動通信網絡(5G)中，終端設備直連技術(device to device, D2D)[4-5]與大規模多入多出技術(massive multiple input & multiple output, Massive MIMO)[6-7]被廣泛采用于移動終端底層組網和終端、基站天線中，由此而出現的D2D-MIMO信息服務網絡，是5G通信中的重要技術，該信息服務網絡具備降低直連組網干擾及相關功耗、提高終端設備頻譜利用率的功能，為未來海量物聯網終端節點實時的網絡信息服務提供了良好的無線通信鏈路保障.

數字信號處理器(digital signal processor, DSP)[8-9]是ISS數據處理的關鍵，現有的終端設備基本均采用獨立集成的異構DSP芯片結構，為終端設備提供優異的數據處理能力，作為DSP芯片信息處理的核心，快速傅里葉變換(fast Fourier transform, FFT)至關重要，其為DSP提供優異的數字信號處理性能，本文在CT FFT(cooley-tukey FFT)算法[10]基礎上，提出了一種HKICT FFT算法(hybrid-kpcaiwknn-cooleytukey FFT)，利用improved FFT加速器[11]結構配合Cordova & Node.js框架實現終端DSP芯片的高速信息服務.

混合式開發(hybrid development, HD)[12]是一種基于移動終端(mobile terminal, MT)節點的跨平臺(cross platform)開發技術，通過跨平臺開發框架(Cordova & Node.js)實現應用的多類型平臺同時部署，這2種開發框架均基于同一引擎并通過JavaScript運行底層腳本，適合于未來海量物聯網終端大規模部署下需要的較為簡易、通用的開發模式.

針對以上IoT ISS網絡層研究的思想及方法，本文提出了一種HYBRID-D2D-MIMO網絡架構(HDM)與混合式數據分發策略(hybrid data dis-tributing strategy, HDDS)，在D2D-MIMO網絡架構中利用相關混合式開發策略結合Cordova框架開發混合式終端應用(hybrid terminal app)，利用混合式終端(hybrid terminal)跨平臺部署的特性，可以方便快捷地將混合式應用(hybrid app)移植到移動終端或未來的物聯網終端中，實現終端利用JavaScript調用設備原生功能(native function)促使終端設備D2D自組織網絡的構建，進而利用瀏覽器框架構建聯通終端和服務器的信息服務網絡結構，為即將到來的5G時代IoT ISS網絡層結構的設計提供了一種樣本方案.

本文的主要貢獻有4點：

1) 基于D2D-MIMO網絡架構提出了一種HDM(HYBRID-D2D-MIMO)信息服務網絡使混合式開發(HD)的終端設備可以以較高的傳輸速率鏈接信息服務網絡；

2) 為提高基于Cordova框架開發的混合式應用的數據處理能力，在基于終端設備DSP芯片的基礎上，提出利用JavaScript配合Cordova API接口直接訪問異構處理系統，促使HDM網絡的信息服務更加高效，提高頻譜利用效率；

3) 在終端DSP芯片架構的基礎上，提出了一種基于HKICT FFT & MTHBB算法的信息服務數據處理方案，該方案進一步提升了混合式終端在HDM網絡中的數據處理能力，為HDM網絡底層SON自組織網絡D2D通信鏈路的穩定通暢提供可能；

4) 提出了一種混合式數據分發策略(HDDS)，該策略基于IoT ISS架構，可實現ISS對不同類型混合式終端節點兼容服務，為基于HDM+HDDS的IoT ISS融入互聯網應用生態圈提供基礎，保證HDM+HDDS服務下的IoT ISS能夠正常為移動、物聯網終端節點提供實時的高效信息服務.

1 相關研究工作

本節詳細討論了基于IoT ISS架構下信息服務網絡研究的相關工作，主要包括3點：基于Cordova & Node.js & D2D-MIMO的網絡結構；DSP在異構網絡中的數據處理方案；基于混合式終端DSP的混合式數據分發策略.

1.1 基于Cordova & Node.js & D2D-MIMO的網絡結構

Cordova & Node.js開發框架采用JavaScript運行底層腳本文件，文獻[13-16]詳細介紹了利用Cordova & Node.js框架如何構建基于移動終端平臺和服務器的應用程序架構，VS(visual studio)作為系統的集成開發環境(integrated development environment, IDE)，通過VS IDE引入Cordova框架并調用WiFi,Bluetooth,5G,DSP模塊的API接口，實現對設備原生功能的操作；同樣，VS IDE也集成了Node.js框架，開發人員可以通過調用Node.js提供的各種功能模塊以及相關框架結構，實現對物聯網應用服務器的開發與設計，文獻[17-20]詳細介紹了基于Cordova & Node.js框架的終端與應用服務器混合式開發方式.

D2D與MIMO早在4G通信的LTE-A網絡中就已大規模應用，隨著網絡密集化程度的提高，終端設備對自組織網絡(self-organizing network, SON)的需求也在增長，文獻[4]中提到了SON網絡中D2D通信的4個關鍵技術：D2D設備發現與鏈路構建；系統間資源分配與干擾調節；D2D緩存網絡；D2D-MIMO.在系統間資源分配與干擾條件方面，文獻[21]介紹了將MIMO技術運用于D2D系統中，從而達到擴展空間維度的目的，使信息可以在多個獨立的空間信道內傳遞不同的數據流，進一步增加網絡的數據傳輸速率.

1.2 DSP在異構網絡中的數據處理方案

在數據流的傳輸過程中，混合式開發的終端設備為數據流中的JS腳本代碼訪問設備原生功能提供了便利，數據流在終端中一般以數字信號為主，通過終端設備內的高效能DSP芯片處理信息服務網絡中的相關數據可以加速數據傳輸效率.文獻[22]提出了一種改進的高能效FFT加速器，通過Cooley-Tukey FFT算法配合特定指令集提高FFT加速器計算效率，從而提升DSP芯片對數據流信息處理能效.文獻[23]對DSP在數據幀的處理方式上進行了詳細的分析和研究，對FFT加速器結構進行了重新設計，提出了一種基于基本塊的轉置算法.在DSP功能的確定上，文獻[24-25]提出了一種基于終端瀏覽器框架下HTMLCSSJavaScript Web文本代碼數據幀在DSP下的處理流程，實現了終端DSP芯片對網絡瀏覽器HTML5超級文本數據幀的信息處理，通過同步突發式靜態RAM(synchronous burst static random access memory, SBSRAM)，HTMLCSSJS腳本數據被緩存并提取，通過DSP進行相關數據篩選通過PCI模塊將數據翻譯并通過緊湊型PCI接口(compact peripheral component interconnect, CPCI)傳遞給瀏覽器的Cookies & Session緩存中，并在合適的時機傳輸給Cordova API接口.

1.3 基于混合式終端DSP的混合式數據分發策略

混合式開發(HD)技術是一種基于移動終端Cordova和基于應用服務器端Node.js框架的跨平臺開發部署技術，以JavaScript為橋梁構建基于終端與服務器端具有跨平臺兼容能力的ISS.作為數字信號處理的核心，DSP在終端節點的信息處理性能決定了設備與設備間能否實現D2D設備的發現與建立有效而穩定的通信鏈路，文獻[26]提出了一種基于WLAN的室內定位方法，終端設備進而也可以通過5G通信網絡中的MIMO信號實現臨近終端設備的發現，構建D2D網絡，從而影響了信息服務網絡架構和數據分發策略的性能，HD技術作為實現這一穩定鏈路的橋梁，是HDM網絡與HDDS策略應用于現實環境的基礎.

2 HYBRID-D2D-MIMO網絡架構

對基于物聯網操作系統(IoT operating system, IoT OS)架構下的IoT ISS，其信息服務網絡結構的研究至關重要，本節以HD技術和D2D-MIMO信息服務網絡架構為基礎，研究互聯網中瀏覽器架構下超文本鏈接語言在網絡構件中的具體方案.

2.1 D2D-MIMO

D2D-MIMO網絡在終端設備通信鏈路構建過程中作用明顯但卻各有著重：D2D支撐起移動蜂窩網絡中的各種應用，其短距通信方式具有較高的通信速率、較低的時延和較高的頻譜利用率；MIMO開發了空間維度，可以通過在多個獨立的空間信道上傳遞不同的數據流，提高數據傳輸的峰值速率，圖1為4G,5G網絡中MIMO基站(base station, BS)的覆蓋.

傳統4G網絡中，基站設備龐大，其覆蓋范圍廣，終端距基站遠近不同時RSS信號特征也不同；5G網絡中，massive MIMO技術使基站可以很小，同一位置多個基站使RSS信號分布均勻的同時也使空間位置指紋的特征明顯，通過WLAN室內定位方法可以利用MIMO RSS信號的特征進行終端設備的發現，構建直連網絡為系統提高良好的SON鏈路.

Fig. 1 The signal coverage of MIMO-BS in 4G,5G圖1 4G & 5G網絡中MIMO基站的信號覆蓋范圍

Fig. 2 The flow chart of hybrid development圖2 混合式開發流程

2.2 混合式開發

混合式開發是一種跨平臺的開發技術，本文主要利用Apache Cordova和Node.js框架通過Crome V8引擎利用JavaScript實現基于移動終端(client)節點與應用服務器(server)節點的跨平臺開發部署.

目前終端設備本身都有Native Platform API，本文研究的無線終端設備通過API可以訪問設備原生功能，例如相機、電話、網絡狀態甚至WiFi、Bluetooth、5G Massive MIMO終端天線,DSP.iOS和Android是目前兩大移動終端操作系統平臺，嵌入了這2種操作系統的移動終端內部都會有Web控件，在Web控件中會內嵌相應的瀏覽器控件.開發人員可以利用HTML,CSS,JavaScript制作一個Web App，利用Cordova所提供的Cordova Plugins，通過JavaScript調用無線終端設備的原生功能.本文所需的設備原生功能為WiFi,Bluetooth,5G,DSP.圖2為混合式開發流程圖.

基于HD的終端節點和應用服務器可以實現設備通過瀏覽器框架調用終端設備原生功能，進而為下一步終端設備的D2D自組織網絡的構建以及HYBRID-D2D-MIMO網絡架構的設計提供基礎.

2.3 HYBRID-D2D-MIMO信息服務網絡總體架構

在LTE網絡時代，覆蓋同樣一片區域所需要的5G基站數量將遠遠超過4G基站數量.在一個空間環境中，會存在許多個WiFi接入節點(access point, AP)與MIMO小基站(MIMO-BS)，這些熱點必然會發射出具有一定強度的無線電波信號，在移動終端WLAN環境下室內定位主要采用的是基于WiFi信號的接收信號強度(received signal strength, RSS)的空間位置指紋，通過相關算法在離線(offline)狀態下訓練、在線(online)狀態下定位從而確定終端設備的位置信息，5G場景中MIMO-BS中的Massive MIMO天線具備與WiFi路由器(router) 4×48×8 MIMO天線同樣作用.

我們首先描述終端設備直連D2D網絡中2用戶(CUa,CUb)握手過程.由于WiFi接入節點WiFi AP和5G中的MIMO-BS向外散射WiFi RSS & MIMO RSS信號，因此，Hybrid終端節點的WiFi、MIMO陣列天線接收到的數據組成的向量Xa=(rss0,rss1,…,rssn)和Xb=(rss0,rss1,…,rssn)也會存在相似屬性.

Fig. 3 The device discovery and handshake of two terminals(CUa & CUb) in D2D network圖3 D2D網絡中2終端(CUa& CUb)設備發現與握手

如圖3所示.在混合式開發下，終端設備將可以直接利用Cordova提供的WiFi-Control模塊的wifi_signal_strength方法獲取終端原生設備天線所獲取的RSS源信號，通過在VS IDE設計工程開發的Project.js對JS腳本文件進行編輯，進而可以確認WiFi RSS與MIMO RSS信號所組成的空間位置指紋向量Xa=(rss0,rss1,…,rssn),Xb=(rss0,rss1,…,rssn)存在相似特征.作為互聯網中瀏覽器緩存結構，Cookies & Session可實現數據的實時存儲與釋放，對于混合式終端節點而言，使用Cookies & Session作為空間位置指紋的中繼可以提高信息服務網絡的效能，其也是HDM網絡架構的優點之一.

HDM網絡結構主要由5部分組成：1)互聯網；2)混合式移動或物聯網應用(hybrid mobile or IoT app)；3)基于Cordova的客戶端平臺(client platform)；4)DSP芯片(DSP chip)；5)基于Node.js的應用服務器(application server).根據給定的Cordova,Node.js API入口通過JavaScript構建Client-Server架構，進而使用混合式跨平臺方法發現互聯網中存在的現有應用資源(即融入互聯網應用生態圈).

如圖4所示為HDM網絡架構整體框圖，該網絡架構有7個功能：

1) 利用HTML & CSS & JavaScript設計一個web-app應用[27]，將其嵌入終端設備CUi的Safari或者其他IE瀏覽器框架中實現對終端節點的一些基本操作；

2) 在web-app應用中利用EJS模板引擎(EJS template engine)生成的實時動態HTMLCSS欺騙代碼(dynamic HTMLCSS cheating code, DHCCC)，將DHCCC嵌入Dynamic JS file中，web-app會將Static JS file與Dynamic JS file打包嵌入web-app的JavaScript腳本中；

Fig. 4 The network architecture of HYBRID-D2D-MIMO (HDM)圖4 HYBRID-D2D-MIMO (HDM)網絡架構

4) 混合式終端節點Massive MIMO(5G)模塊接收Massive MIMO小基站的MIMO RSS信號；

5) 混合式終端節點DSP模塊接收由Safari 或者其他IE瀏覽器框架處理好的HDJSD數據進行高速數據處理(high data processing, HDP)后通過WiFi5G模塊傳輸給應用服務器；

6) WiFi模塊通過WiFi熱點鏈接互聯網，通過互聯網云中的HTML,CSS,JavaScript網狀文本數據在服務器中進行實時處理；

7) 在服務器中QueryString模塊實時切割接收的數據包，分析數據包中給定的CUi和CUi+1這2個臨近終端匹配度d(CUi,CUi+1)是否小于θ.如果成立，則服務器判定CUi和CUi+1為臨近終端，可進行HDM組網服務；否則，不允許.

HDM網絡架構為混合式數據分發策略的研究提供了前提和保障，結合Cordova,Node.js框架的各種模塊化設計，可以實現一系列兼容互聯網生態圈的操作，其可以配合類似鴻蒙物聯網操作系統(Harmong OS, HM OS)作為實現物聯網信息服務架構設計的一種形式.

3 混合式數據分發策略

本節詳細介紹了在HDM網絡架構下基于終端內置DSP芯片設計的混合式數據分發策略(hybrid data distributing strategy, HDDS).進而使用Cordova & Node.js各模塊和Hybrid-KpcaIwknn-Cooley-Tukey FFT算法(HKICT)&基于混合式基本塊的矩陣轉置(matrix transpose based on hybrid basic blocks, MTHBB)算法配合終端內置DSP實現混合式終端節點的高效數據傳輸.

3.1 HDJSD數據幀格式

Fig. 5 TCP/HDJSD datagram & QueryString module圖5 TCP/HDJSD數據幀與QueryString模塊

圖5(a)為TCP數據幀格式，在互聯網應用服務中，互聯網根據TCPIP協議，會將數據劃分為以TCP數據幀樣式作為最小處理單元進行相關操作.

混合式動態JavaScript數據幀(hybrid dynamic JavaScript datagram, HDJSD)格式如圖5(b)所示，根據已有的TCP數據幀樣式，在TCP數據幀的body的前部切割一處新的head作為放置識別混合式應用終端類型標頭(ID_Header)；促發Cordova API工作標頭(EN_Header)；動態HTMLCSS樣式欺騙JS腳本文件(Dhcsc.js)，如圖5(c).根據Node.js中Express框架內的QueryString模塊，對HDJSD數據幀進行處理，如圖5(d)所示，通過QueryString Parameter類對數據幀各個部位進行標記命名，為接下來信息服務網絡中的HDDS策略和HKICT & MTHBB算法的部署設置前提及保障.

3.2 基于DSP的混合式數據分發

數字信號處理器[28](DSP)是移動終端中一種專門負責處理數字信號運算的微處理器，其可以快速地實現各種數字信號處理算法.在本節的HDDS策略的研究中，通過Codrova提供的DSP模塊對設備原生DSP功能進行操作，在3.1節對HDJSD數據幀樣式的介紹中，HDJSD數據幀主要通過HTML & CSS & JS的樣式在終端與應用服務器設備瀏覽器框架內進行傳輸，如圖6所示為DSP高速數據處理流程圖.

Fig. 6 The flow diagram of high-spreed data processing圖6 DSP高速數據處理流程

5G通信網絡中的MIMO-BS小基站會將MIMO RSS信號(rss0,rss1,…,rssn)MIMO傳輸給混合式終端節點上的大規模MIMO陣列天線也會接收周圍環境中WiFi熱點構建的(rss0,rss1,…,rssn)WiFi，處于相同物理位置的混合式終端空間環境中多個WiFi熱點和5G MIMO-BS小基站會形成相似的2組空間位置指紋信息，混合式終端通過其存儲的Static JS file中啟動Cordova DSP模塊的類、方法以及相應的函數獲取終端DSP芯片的實時參數并對包裝成HTML & CSS & JS的空間位置指紋進行處理以獲取相似核函數從而判斷混合式終端處于相似物理位置并通過自組織網絡技術[29](self-organizing network, SON)學習外部環境的空間位置指紋的變化，通過自主決策適應相關變化并實現終端設備發現以及握手，提高HDM網絡的底層通信鏈路的效能.

在HDDS策略中，算法是決定DSP數據處理效能的關鍵，本節在CT FTT和基于塊的矩陣轉置(MTboBB)算法[22]的基礎上，設計并實現一種兼容HDM網絡架構的高效新型算法.

如圖7所示為傳統CT FFT算法對數據幀的處理流程以及在HDDS策略下本文設計的HKICT FFT新型算法數據對HDJSD數據幀的訪問順序，HDM網絡架構及HDDS策略是實現臨近物理位置下的混合式終端節點SON網絡的構建關鍵，其中D2D鏈路的構建是基于DSP HDDS的重點環節.

Fig. 7 The process for CT FFT & HKICT FFT algorithms to access HDDS圖7 CT FFT & HKICT FFT算法對于混合式數據分發策略(HDDS)的訪問流程

作為瀏覽器框架操作的核心，利用JavaScript開發Project_Main.js工程腳本，操控Cordova & Node.js開發框架實現對Cordova API,MySQL,QueryString模塊與HTMLCSSJS數據幀的調用.通過互聯網中的云與Project_Main.js工程實現HDJSD逐條數據幀的篩查，Node.js的QueryString模塊對事先預設的HDJSD數據幀切割點LQ0到LQ5進行切割分段，將分割完成的head & body分段在Cookies緩存進行存儲，并通過SQ0與SQ1切割點Hi3的HDJSD header進行2次切割，將2次切割分段的ID_H,EN_H,Dhcsc.js第2級標頭存儲于低速緩存區，并通過高速數據網絡(high_speed data network, HSDN)與共享存儲器緩存(shared memory cache, SMC)分片區緩存于DDR3 DIMM的DBA到DBE的緩存區內，通過CT FFT & HKICT FFT算法實現變換并利用KPCA算法的降維功能實現位置指紋的線性轉換.

FFT是DSP芯片中的核心算法，CT FFT可以實現大規模的FFT計算，非常適合于本文混合式開發下的HDM網絡架構對于終端DSP芯片的操作.對于以HTML & CSS & JS樣式緩存的混合式終端WiFi & MIMO RSS值(rss0,rss1,…,rssn)WiFi,(rss0,rss1,…,rssn)MIMO所組成的位置指紋空間，可以采用CT FFT算法實現FFT過程，由HDJSD數據幀樣式可以看出其R&C=N×5，算法列方向的計算會進行5次N點FFT運算，N為WiFi或MIMO RSS的空間位置指紋.

位置指紋的定義為：

m=5k1+k2，

(1)

其中，k1,k2表示行、列的迭代系數.

在FFT計算中，對于CT FFT算法的轉置中存在旋轉補償，lrow和lcol分別代表行、列方向上的旋轉補償因子.

(2)

(3)

對于WiFi & MIMO RSS信號空間位置指紋數據集列方向上的FFT計算，會進行5次Nc點FFT運算，根據式(4)可以實現5Nc的矩陣迭代，從而為DSP芯片的高效數據處理[30](high data processing, HDP)提供可能.

(4)

本節采用CT FFT算法來實現大規模FFT計算，該算法通過對小規模2維排列的Nc行HDJSD數據幀進行數據集轉換實現.

(5)

在DSP處理空間位置指紋信息的過程中，其主要是通過特征提取與降維的方法實現采集WiFi & MIMO RSS信號并計算出相似特征，本節在李華亮等人[31]提出的基于核函數特征提取的室內定位(KPCA-IWKNN)算法的基礎上，對CT FFT處理后的空間位置指紋核信息進行計算.基于核函數特征分析(kernel principal component analysis, KPCA) Core的計算公式為：

(6)

其中ε為Gauss Core的寬度；P,Q為WiFi和MIMO RSS信號的原始空間.

基于F輸入空間下提取的核矩陣K(p,q)需要提取輸入空間F的特征值位置指紋空間，根據式(7)可計算出特征位置指紋空間F′：

F′=Kcα,

(7)

其中Kc為修正的核矩陣，其可作為RSS信號特征量.F表示離線狀態下輸入空間的特征向量.

根據式(8)，可以對在線狀態下的WiFi & MIMO空間位置指紋進行處理.

(8)

其中αt表示輸入空間的特征向量集合.

(9)

CT FFT算法本身并不具備終端設備混合組網實現5G網絡D2D設備發現的功能，其識別移動或物聯網混合式終端節點的能力也較差，本節在KPCA-IWKNN & CT FFT算法的基礎上，通過混合式開發框架的Cordova & Node.js模塊結合HDJSD數據幀結構樣式，提出了一種Hybrid & KPCA-IWKNN & Cooley Tukey FFT (HKICT FFT)算法.

算法1.HKICT FFT算法.

輸入：HDJSD_data,(rss0,rss1,…,rssn)WiFi,(rss0,rss1,…,rssn)MIMO；

輸出：被服務終端CUi,CUi+1位置指紋空間相似度d(CUi,CUi+1).

① 初始化系統節點,RWiFi←null,RMIMO←null；

②RWiFi←(rss0,rss1,…,rssn)WiFi

RMIMO←(rss0,rss1,…,rssn)MIMO；

③ while listened “deviceready”*設備監聽服務指令*

④ if 數據幀是WiFi RSS

⑧ end if

⑨ 根據式(6)計算輸入空間F的核矩陣K；

⑩ 修正K,得到修正后的核矩陣Kc；

Fig. 8 The MT of basic block based on position fingerprint space圖8 基于位置指紋空間的基本塊矩陣轉置

HKICT FFT算法實現了多種并行策略下小規模FFT與大規模HKICT FFT算法指令和任務集的并行運算，在KPCA-IWKNN算法的配合下對離線狀態的輸入空間的位置指紋數據集進行訓練，在線狀態下實現對數據庫中的數據指紋特征向量的匹配，從而確定被服務終端是否采集到相似的位置空間指紋.

在混合式終端節點請求D2D設備發現服務中，HKICT FFT算法通過改進的FFT加速器結構[22]提高了FFT的計算效率，實現在混合式終端利用Cordova API調用設備底層功能過程中相關運行處理效率的提升.

在HDM網絡架構的HDDS策略服務中，終端DSP芯片對數據處理過程主要分為基本塊(Bbb)和塊(Bb)兩部分，系統以矩陣轉置的方法實現DSP芯片在同等內核計算資源狀況下的高效率運行.

圖8為DSP對基本塊數據的處理.HDM網絡架構終端發現中KPCA-IWKNN算法采集的WiFi,MIMO RSS信號空間位置指紋主要存于HDJSD數據幀的header部，在FFT-PE結構下通過多維變換及核特征提取的方式實現了DSP在同等資源利用的情況下提高了終端間握手效率，保證鏈路通暢.

圖9為DSP對塊數據的處理.根據HDJSD數據幀結構，將互聯網應用架構中TCPIP數據幀以HTML & CSS & JS網狀文本格式上傳至終端瀏覽器框架Cookies緩存中，Session緩存調用Static JS file操作DSP芯片對大規模基本塊組成的塊進行轉置處理，通過MTHBB算法實現數據集的有效傳輸并直接與HDM網絡中請求服務的混合式終端節點相關聯并加入到動態JS文本(dynastic JS file)中.

Fig. 9 The MT of block based on HDJSD datagram圖9 基于HDJSD數據結構的塊矩陣轉置

作為HDM網絡的核心，混合式終端能否高效地進行數據轉換處理是實現HDM網絡數據快速傳輸的關鍵，而DSP作為終端數字信號處理的核心部件，其FFT加速器結構的設計和處理策略的研究也至關重要，本文以文獻[22]設計的新型FFT加速器為基礎，通過HDDS策略在MBDM存儲器內運行基于混合式基本塊的轉置算法(matrix transpose based on hybrid basic blocks, MTHBB)，該算法流程如下.

算法2.MTHBB算法.

輸入：MWiFi，MMIMO；

輸出：dhmt.js & dhiott.js.

① 初始化系統節點,i←0,Bbb←null；

② if 混合式終端是WiFi RSS

③Bbb←MWiFi；

④ else

⑤Bbb←MMIMO；

⑥ end if

⑦ whilei≤p

⑧ connection.query (“select from num_bank”,(Bbb[i,0])；

⑨i++, PE_RAM←connection.query

(“insert into FFT-PE”,post,(Bbb[i,0])；

⑩ whilej≤q

PE_RAM ”,(Bb[I,J])；

into HDJSD datagram”,post,(Bb[I,J])；

(“select from PE-RAM”,(Bb[I,J]),I++；

根據HKICT FFT & MTHBB算法的相關內容，混合式終端節點通過DSP的HDP對用戶(users)與傳感器(sensors)的數據請求進行分層處理實現了終端的信息服務效率的提升.

圖10為基于HKICT FFT & MTHBB算法下的混合式數據分發策略(HDDS)圖.通過對文獻[22] DSP芯片高效FFT加速器結構和相關算法的研究，提出了HKICT FFT & MTHBB算法，結合HDDS策略在HDM網絡架構實現了終端節點數據傳輸效率的提升，在混合式開發框架Cordova & Node.js的基礎上實現了物聯網終端節點與移動終端的兼容，為未來物聯網應用的擴展與構建新型物聯網信息服務系統架構融入互聯網生態提供了良好的實驗研究成果.

4 實驗設計與結果分析

4.1 實驗設計

為了驗證本文所提出的HYBRID-D2D-MIMO(HDM)網絡架構與混合式數據分發策略(HDDS)的可行性與有效性，本節將設計實驗仿真場景對該網絡架構及相關數據分發策略進行實驗檢測.本文將以Matlab 2016 b為仿真平臺通過Simulink環境[32]設計部署HDM網絡架構并對HDDS策略進行測試，實驗場景中的實物主要模塊及相關參數如表1所示：

Table 1 The Related Simulation Parameters of Major Device in the Experimental Scene

表1中，Huawei Mate10和Raspberry Pi[33]作為本文的混合式終端節點；WiFi Router和SMA-ECPN01 BS表示用以實現WiFi和MIMO RSS信號的位置指紋空間；Acer-T5000 PC & Lenovo-340C PC作為服務端是實現HDM網絡應用服務和HDDS策略的關鍵.

4.2 實驗結果分析

圖11為接入HDM網絡用戶數量以及HDDS服務過程對信息服務效率的影響.

Fig. 11 Number of users & the sample rate varies on the efficiency of information service圖11 用戶數量&采樣速率變化對信息服務效率的影響

圖11(b)所示為終端內置DSP芯片在3種狀態下的相關表現：1)無策略方案(none)；2)基于傳統cooley-tukey FFT+MTboBB算法[22]；3)基于HKICT FFT & MTHBB算法下，采樣速率對HDM網絡信息服務效率的影響，該實驗結果說明HKICT FFT & MTHBB算法可以實現終端DSP芯片的HDP，為HDM中D2D直連鏈路的暢通以及HDDS策略的高效數據處理提供了基礎.

Fig. 12 Experimental comparison of HDM+HDDS performance and data transfer rate & number of sampling frames 圖12 HDM+HDDS系統效能與數據傳輸速率&采樣幀數量實驗結果對比

在已有的HDM網絡架構中，隨著數據傳輸速率(data transfer rate, DTR)的變化，HDM+HDDS在服務不同數量的WiFi Router & MIMO-BS時，其信噪比(signal to noise rate, SNR)、網絡容量(network capacity, NC)、功耗(power)變化也不同，圖12(a)～(f)為HDM+HDDS的數據傳輸速率對SNR,NC,Power的影響情況，圖12中的4條曲線分別代表WiFi AP & MIMO-BS的數量：1,5,10,20，圖12(a)(d)顯示WiFi與MIMO熱點的數量決定了HDM網絡SNR的高低，而傳輸速率的變化對其基本沒有影響，這說明了在HDM網絡架構與HDDS策略中，混合式終端節點的通信鏈路的穩定需要具備一定數量的WiFi Router & MIMO-BS，以便HDDS可以獲取信息去構建穩定的HDM通信網絡鏈路.

圖12(b)(e)反映了WiFi Router和MIMO-BS熱點依舊對NC值存在影響，隨著信息傳輸速率的提升，NC略有降低，但之后隨著HDM網絡數據量的增多，系統會通過HDDS策略利用HDM+HDDS服務器調節系統平衡，使HDM網絡處于穩定狀態.

圖12(c)(f)進一步反映了熱點數量對于HDM網絡以及HDDS策略的影響，無論是WiFi Router還是MIMO-BS，隨著熱點數量的增加，HDM+HDDS系統功耗也會隨之增加，同時數據傳輸速率(DTR)的增長也會影響系統功耗.

從HDM+HDDS的縱向觀察本文設計的網絡架構以及服務策略，如圖12(g)～(i)所示，在與4GLTE & LTE-A網絡的比較中可以發現隨著HDM+HDDS中平均每幀需要搜索點的數量的增加，每幀需要搜索的點數會離散分布在一定的數值區域內，同時當接入服務的移動蜂窩用戶數量達到一定規模時，搜索點的離散程度基本不變，這一系列實驗證明HDDS策略在HDM網絡架構的構建中起到穩定網絡結構體系、保證通信鏈路通暢的作用.

HDM+HDDS是物聯網信息服務系統(IoT ISS)實現高效信息服務的關鍵，圖13顯示了IoT ISS在HDM網絡架構與HDDS策略下系統傳輸速率對CDF值的影響.從圖13可以明顯地看出在本文HDM+HDDS服務下，IoT ISS的起始與中止狀態下系統工作速率均高于LTE-A網絡架構中的mobile cellular和D2D-MIMO網絡，取任意CDF值[35]點，HDM+HDDS服務下系統效能高于傳統蜂窩網絡，這進一步證明HYBRID-D2D-MIMO網路架構與混合式數據分發策略具備可行性、有效性.

Fig. 13 The impact of system rate on CDF圖13 系統傳輸速率對CDF的影響

5 總 結

本文提出了一種HYBRID-D2D-MIMO信息服務網絡架構與混合式數據分發策略(HDM+HDDS)：在D2D-MIMO網絡架構的基礎上，利用混合式跨平臺開發框架Cordova,Node.js實現JavaScript構建基于C-S架構下的前后端兼容的新型IoT ISS網絡架構HDM；提出了一種HDDS策略，通過對MIMO技術下RSS信號的位置指紋空間特性的研究，利用混合式終端節點的Cordova API實現WiFi & MIMO RSS信號的獲取并通過設置瀏覽器框架的Native API實現SON網絡架構下D2D終端底層鏈路構建，配合設備在新型結構設計下DSP的HDP模塊，利用HKICT FFT & MTHBB算法實現在HDDS策略下HDM網絡的高效數據運算.

HDM+HDDS可作為一種可行的IoT ISS架構的實現方案，未來基于類似HM OS物聯網操作系統，可充分調用現有互聯網應用資源，為未來物聯網應用的大規模部署以及萬物互聯提供一種可行的模式.