張 昇,王 鵬
(吉林大學,吉林 長春 130041)
傳統消息隊列異步通信錯誤檢測方法基本上都是利用單戶檢測方法,對每個消息隊列異步通信錯誤信號都是單獨進行檢測的。依據各個異步通信錯誤信號事先配置到的擴頻碼數據,再使用配置濾波設備對該系統中錯誤信號做有關檢測[1]。這種方式易于操作,其在傳統擴頻碼異步通信系統中取得了極廣泛運用,但其有個弊端就是隨著消息隊列增加,多址信號干擾程度就會增高,錯誤檢測率將呈現指數模式增長,同時容易受到多址干擾,導致將正確信號歸為錯誤檢測結果中,從而降低該系統的消息隊列異步通信錯誤檢測能力[2]。
與傳統錯誤檢測方法不同,基于自適應變異的消息隊列異步通信錯誤檢測是客觀存在的,認為消息隊列異步通信錯誤信號不單單是單無線噪聲信號,該信號具備極強結構特性。在錯誤檢測流程中,不把消息隊列異步通信錯誤信號當作單純的無線噪聲去解決,而是使用自適應變異方法將含有錯誤信號進行修改或者去除,增高抗干擾功能。簡化消息隊列異步通信錯誤信號修改流程,保證異步通信信號在強噪聲干擾下信號錯誤概率的降低,從而提升消息隊列使用效率,提高該系統通信容量與功能。
李貞妮等人[3]根據消息隊列異步通信錯誤檢測機制嚴重影響著片上消息隊列的輸送推遲與信息數據交互功能,為此采用雙模式結合的消息隊列片上異步通信錯誤機制,依據片上消息隊列交互錯誤信號信息的特征,利用不同通信錯誤機制進行輸送,并提出了一種可配置的片上消息隊列雙模式,結合信息通信錯誤接口電路,增強路由結點的通用性,高效完成已有異步通信錯誤信息輸送通道單一等問題,實現了基于該通信錯誤機制的異步片上消息隊列,再建立雙模式結合下異步通信錯誤機制片上消息隊列錯誤檢測系統。結果表明,該方法具備縮短輸送延遲時間,但錯誤檢測效果不佳。孫順苗等人[4]針對當前消息隊列異步通信數據種類繁多與海量,很難及時檢測出錯誤數據,為此采用Storm流檢測方法對錯誤數據進行檢測。此方式使用大數據運算框架Storm當作核心,經過外置傳感器與異步通信協議得出消息隊列運營數據,再根據Kafka當作消息隊列把運營數據傳輸給Storm,并對該數據做統計,發現錯誤數據并進行檢測。結果表明,該方法具備較強運算能力,同時錯誤概率較低,但很大程度上增加了設備復雜度,導致檢測時延較長。
基于此,本文采用自適應變異方法對傳輸消息隊列異步通信錯誤數據分別進行定時同步,并對無線噪聲以及多址干擾等進行分析與修正,最終得出結果驗證本文方法,可以有效增強系統抗干擾與時延功能,且錯誤概率極低,錯誤檢測性能極強。
消息隊列是指在事務模式的松合、耦合與可靠的異步通信服務[5]。當中隊列是異步通信中暫時保存路由信息數據的地方,其是在信息數據的輸送流程中存儲信息數據的設備。隊列主要作用是供給路由并確保信息數據的輸送,假設輸送信息數據接收人接收不到,消息隊列就會存儲信息數據,一直到能夠成功接收到為止。消息隊列這種功能相似于快遞員送快遞,若接收人不在家,則快件就會保存在快遞公司中,并進行下一次送件,直到接收人收到為止,確保信息數據被傳輸一次。
消息隊列具備以下特征:
1)消息隊列是朝向目標的,能夠直接把目標放到指定的隊列中,接收者能夠直接收到目標,不用在信息數據列表中記錄與目標間做轉換;
2)從功能視角來說,消息隊列信息數據庫的功能更好,不用利用信息數據庫銜接;
3)消息隊列具備極強的靈活特性,隊列里不僅能夠存儲對應的若干個相同目標,還能夠存放不相同目標,而使用信息數據列表的方法得先做表義,由于不同目標需要用不同的表形式來完成,所以不具備靈活特性。而消息隊列更適合在不相同系統之間進行異步通信錯誤檢測。
消息隊列異步通信傳輸流程是信號數據長時間存儲的流程,在運作流程中會出現各式各樣錯誤均屬于正常現象。本文采用自適應變異方式可以抑制干擾信號,降低錯誤傳輸,從而降低異步通信信號錯誤檢測概率。
自適應變異是指異步通信傳輸流程中,依據異步通信信號信息提取出其數據特點的自動調節檢測方法,能夠自動檢測擴頻碼、自動檢測相位以及自動檢測干擾信號等,使其和所檢測信號的統計分布、信號成分相適應,以獲得最希望的檢測效果的流程。根據自適應變異性能對消息隊列異步通信錯誤檢測進行分析,該分析步驟主要分為消息隊列異步通信錯誤信號接收、錯誤檢測兩部分。其中,信號接收是根據周期的方波脈沖、信號擴頻碼[6]、信號幅度與經過配置濾波設備等數據,得出異步通信錯誤;錯誤檢測是依據定時、高斯分布與標準高斯等方面將獲取的異步通信錯誤進行檢測,并修正錯誤。
根據自適應變異下消息隊列異步通信錯誤檢測流程[7],設定該流程中有K個用戶,第k個用戶輸送消息隊列異步通信信號為

(1)
其中,bk(t)描述了第k個用戶輸送的二元異步通信數據信號,bk,i∈+1,-1描述了第k各用戶的第i個比特;PT(t)表示幅度數值為1,T表示一個持續周期的方波脈沖,ak(t)表示第k個用戶信號擴頻碼[8],其是任意獨立消息隊列,即

(2)
其中,PTc(t)表示幅度數值為1,持續周期為Tc的方波脈沖。擴頻比值是N=T/Tc。收到消息隊列異步通信信號是

(3)
其中,n(t)表示任意無線噪聲,N0/2表示該信號譜功率分布[9]。τk表示第k個用戶的任意時延服從[0,T]中的平均分散;?k=(θk-ωcτk)mod 2π描述了第k個用戶的任意送達相位,若ωc?1(0,2π)時,服從(0,2π)中的平均分散。
第k個用戶的第i個比特的配置濾波設備輸出結果為

(4)

(5)
下面將利用標號方式,上標(2)代表檢測設備的第2階,也就是通過1階干擾去除之后得出的結果。其中1階則表示以前檢測情況,上標(1)可以省略不用寫,輸出結果為

(6)
第2階經過配置濾波設備輸出結果為

(7)

在實際操作流程中,消息隊列異步通信錯誤信號避免不了發生接收到錯誤問題,為此對第1階與第2階配置濾波設備的輸出結果進一步分析,若出現錯誤就將其修正。
第1階出現接收到消息隊列異步通信錯誤信號存在錯誤,將其修正為

(8)
當中,0≤ε 利用符號表示方式將式(8)變成 (9) 對于自適應變異流程,假設噪聲信號是高斯分布,則錯誤碼率能夠用信噪比Q函數運算得出[12]。 (10) (11) 將上式采用積分方法進行簡化,得出式(12)。 (12) (13) (14) (15) 式(15)得出結果是首個用戶在干擾刪除設備第2階的得出錯誤碼的概率。第2階的錯誤碼概率和第1階錯誤碼概率具有關聯聯系。 通過以上研究可知:減弱希望檢測的用戶有關接收信號的干擾;讓前1項目的得出判斷可靠性比例減少,同時在前1階信息數據比特預測正確的狀況下,依舊不可以抵消全部多址干擾,減少干擾刪除的可靠性。從第2階起始時,各個階統計數量就不需要獨立,前一項目與后一項目的錯誤具備一定的相關聯系,如果用傳統方法,則就會大大增加錯誤檢測概率。而利用自適應變異方式自動調節與其相似表達形式變得更加容易,并且錯誤概率極小。 為了驗證自適應變異方法對消息隊列異步通信錯誤檢測效果,采用對比實驗的方式將本文方法與文獻[3]方法、文獻[4]方法進行對比分析。實驗中,則設定異步通信錯誤信號接收設備為希望信道信息數據,同時每組接收異步通信錯誤信號具備相等的譜功率分布。該信道參數情況如表1可知。 表1 通信信號信道參數情況 實驗使用一種數字調制方法,其參數情況如表2可知。 表2 實驗參數情況 依據表2中的實驗參數信息情況,獲得消息隊列異步通信錯誤情況曲線如圖1、圖2所示。 圖1 不同方法下發8收5錯誤概率對比情況 圖2 不同方法下發8收8錯誤概率對比情況 圖1展示了自適應變異方法與文獻[3]、文獻[4]方法發8收5情況下消息隊列異步通信錯誤情況(接收信號少于起始送出信號)。能夠得出,當網絡環境中信噪比是5dB時,所有方法的檢測誤差基本一致,所有方法都符合基本實際需求。但第一次迭代計算中,信噪比是10dB時,本文方法得出錯誤概率為10-2,文獻方法獲得錯誤概率均為10-1,這是因為使用跟蹤方法將起始輸出異步通信錯誤信號擴展到全部方波脈沖信號中,減少多址干擾,提升錯誤碼概率。當第7次迭代計算中,當信噪比是25時,使用自適應變異方法取得錯誤概率是10-3,文獻[3]方法獲取錯誤概率為10-1,而文獻[4]方法獲取錯誤概率為10-2。這是因為在運算流程中,跟蹤將前一次迭代計算得出的錯誤信號數據擴展到全部信息數據幀中,降低多址干擾重新構建錯誤數據的問題,進一步降低錯誤率,驗證本文方法的消息隊列異步通信錯誤檢測能力優于文獻[3]方法與文獻[4]方法。 圖2展示發8收8情況下,本文方法與文獻方法錯誤概率比較情況。對比可知,在首次迭代計算信噪比是20dB時,本文方法檢測錯誤概率為10-3,文獻[3]方法檢測錯誤概率為10-2,而文獻[4]方法檢測錯誤概率為10-1。當第7次迭代計算中,當信噪比是30dB時,本文方法取得錯誤概率為10-3,文獻[3]方法得出錯誤概率為10-2,而文獻[4]方法獲得錯誤概率為10-1,故經過兩次迭代計算數據對比情況,本文方法每次迭代計算都小于文獻[3]與文獻[4]方法錯誤概率,其異步通信信號錯誤檢測性能極佳。 綜上所述,通過接收信號少于或等于起始送出信號迭代計算得出錯誤概率數據,均能證實本方法檢測出錯誤概率極低,檢測結果精準。 文中采用自適應變異方法根據自動調節特性設計消息隊列異步通信錯誤檢測流程,并依據輸送異步通信信號周期與幅值、相位數據情況判定出異步通信錯誤信號,再經過定時同步與無線噪聲、多址干擾等影響該信號進行分析與修正,最后得出錯誤概率極小。實驗結果表明自適應變異方法的有效性,錯誤概率低、檢測性能高,優于文獻[3]方法與文獻[4]方法。 文中分析用戶接收到信號錯誤檢測,前提是理想狀態下,接收端口得出的參數均為穩定,在現實中,接收到的異步通信信號是不穩定的,分析接收到參數不穩定對異步通信信號產生影響是今后的主要研究方向。










5 仿真分析




6 結論