王留洋，章 慧，俞揚(yáng)信

(淮陰工學(xué)院 計(jì)算機(jī)與軟件工程學(xué)院，江蘇 淮安 223003)

基于云計(jì)算的移動通信數(shù)據(jù)采集方法改進(jìn)研究

王留洋，章 慧，俞揚(yáng)信

(淮陰工學(xué)院 計(jì)算機(jī)與軟件工程學(xué)院，江蘇 淮安 223003)

針對傳統(tǒng)的采集方法在有外界因素干擾的情況下對移動通信網(wǎng)絡(luò)數(shù)據(jù)的采集效率低、精度差的問題。提出就云計(jì)算的移動通信網(wǎng)絡(luò)數(shù)據(jù)采集方法，從移動通信網(wǎng)絡(luò)設(shè)備采集到的時頻分布對數(shù)據(jù)的特征向量進(jìn)行提取，排除外界的干擾，完成對數(shù)據(jù)特征向量的有效識別，采用ADASYN算法，去除冗余信息，基于云計(jì)算實(shí)現(xiàn)對移動通信網(wǎng)絡(luò)數(shù)據(jù)精準(zhǔn)地采集，實(shí)驗(yàn)結(jié)果表明，文章提出的方法能夠有效地實(shí)現(xiàn)移動通信網(wǎng)絡(luò)數(shù)據(jù)的采集，精度高，效率好。

移動通信網(wǎng)絡(luò)；云計(jì)算；數(shù)據(jù)采集

0 引言

隨著移動通信技術(shù)的發(fā)展與國家對通信產(chǎn)業(yè)的布局，我國移動通信網(wǎng)絡(luò)建設(shè)規(guī)模數(shù)量均達(dá)到了世界上的頂級水平[1-3]。目前國內(nèi)地區(qū)移動通信網(wǎng)絡(luò)中用戶量成比例地迅速增加，使得移動通信網(wǎng)絡(luò)數(shù)據(jù)量增多[4-6]。在這種情況下，再加上移動通信網(wǎng)絡(luò)投訴量迅速增加，移動網(wǎng)絡(luò)規(guī)模逐漸增加，網(wǎng)絡(luò)用戶的業(yè)務(wù)逐漸變化，導(dǎo)致移動網(wǎng)絡(luò)通信數(shù)據(jù)出現(xiàn)了多樣性，需要對移動通信網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行采集，而如何有效快速的對移動通信網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行采集[7-8]，成為了該領(lǐng)域亟待解決的問題，受到廣大學(xué)者的關(guān)注，也出現(xiàn)了很多好的方法。

文獻(xiàn)[9]提出基于線性回歸的數(shù)據(jù)采集方法，通過應(yīng)用線性回歸分析法構(gòu)建通信數(shù)據(jù)模型，保持通信數(shù)據(jù)的特征，使節(jié)點(diǎn)僅傳輸回歸模型的參數(shù)信息，實(shí)現(xiàn)對通信數(shù)據(jù)的采集，但是存在采集的數(shù)據(jù)不完整的問題；文獻(xiàn)[10]針對現(xiàn)有的數(shù)據(jù)采集方法存在的問題，提出基于交互式數(shù)據(jù)遷移技術(shù)的數(shù)據(jù)采集方法，該方法可對冗余數(shù)據(jù)進(jìn)行清理，增加數(shù)據(jù)的精度，但是存在數(shù)據(jù)采集速度慢的問題；文獻(xiàn)[11]提出基于主題爬蟲的數(shù)據(jù)采集方法，該方法利用主題網(wǎng)絡(luò)爬蟲的概念和方法，運(yùn)用正則表達(dá)式進(jìn)行匹配，有效地增加數(shù)據(jù)采集的性能，但是存在數(shù)據(jù)采集效率低的問題。

針對上述問題的產(chǎn)生，提出就云計(jì)算的移動通信網(wǎng)絡(luò)數(shù)據(jù)采集方法，從移動通信網(wǎng)絡(luò)設(shè)備采集到的時頻分布對數(shù)據(jù)的特征向量進(jìn)行提取，排除外界干擾，完成對數(shù)據(jù)特征向量的有效識別，采用ADASYN算法，去除冗余信息，基于云計(jì)算實(shí)現(xiàn)對移動通信網(wǎng)絡(luò)數(shù)據(jù)精準(zhǔn)地采集，實(shí)驗(yàn)結(jié)果表明，文章提出的方法能夠有效地實(shí)現(xiàn)移動通信網(wǎng)絡(luò)數(shù)據(jù)的采集，精度高，效率好。

1 移動通信網(wǎng)絡(luò)數(shù)據(jù)采集方法研究

1.1 移動通信網(wǎng)絡(luò)數(shù)據(jù)特征向量提取

對移動通信網(wǎng)絡(luò)數(shù)據(jù)特征進(jìn)行提取，能夠排除外界的干擾、更精準(zhǔn)有效地實(shí)現(xiàn)對移動通信網(wǎng)絡(luò)數(shù)據(jù)的采集。云計(jì)算對用戶的位置沒有嚴(yán)格的限制，用戶可以使用終端系統(tǒng)獲取所需的服務(wù)，就算通信距離再遠(yuǎn)也可以借助云端來實(shí)現(xiàn)通信網(wǎng)絡(luò)數(shù)據(jù)的采集和處理。數(shù)據(jù)資源存儲在云端而不是傳統(tǒng)固定的有形實(shí)體，而是在云計(jì)算下某處運(yùn)行，實(shí)際上終端無需了解應(yīng)用運(yùn)行的具體位置，只需要借助網(wǎng)絡(luò)就可以實(shí)現(xiàn)數(shù)據(jù)的處理，甚至包括超級計(jì)算這樣的任務(wù)也能在云端隨時提供強(qiáng)大的運(yùn)算功能下得以實(shí)現(xiàn)，且運(yùn)用容錯機(jī)制維護(hù)了數(shù)據(jù)識別和處理的穩(wěn)定性。

基于時頻分析理論能夠有效地識別移動通信網(wǎng)絡(luò)數(shù)據(jù)特征向量。時頻變換廣泛應(yīng)用于數(shù)據(jù)處理領(lǐng)域，對數(shù)據(jù)信息理論的各個方面都產(chǎn)生了廣泛的影響，取得了很多研究成果。并且廣泛地應(yīng)用于通信網(wǎng)絡(luò)數(shù)據(jù)奇異性檢測、圖像處理與分解、計(jì)算機(jī)視覺與編碼、信號估計(jì)、語音分析與合成、故障診斷等領(lǐng)域，為數(shù)據(jù)信息的采集提供了一個新的工具，時頻分布理論成為數(shù)據(jù)采集、信號處理的一個重要基礎(chǔ)。尤其是基于時頻分布理論，由于其自身特點(diǎn)，成為研究的熱點(diǎn)。時頻變換理論在數(shù)據(jù)信息采集和信號處理中的一些應(yīng)用和研究情況，其中Cohen類雙線性時頻分布構(gòu)成了時頻分析理論的基礎(chǔ)和核心。平滑WVD是時頻分析中應(yīng)用最多的時頻表示，平滑 WVD具有良好的時頻聚集性，是一種典型的Cohen 類時頻分布，文章采用了WVD時頻分布方法，提取通信數(shù)據(jù)的特征向量進(jìn)行，能夠有效地對通信網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行識別和采集。提取移動通信網(wǎng)絡(luò)數(shù)據(jù)特征向量首先求信號的WVD，對信號數(shù)據(jù)的邊緣頻率分布進(jìn)行計(jì)算求解，平滑處理移動通信網(wǎng)絡(luò)數(shù)據(jù)的邊緣頻率分布和最終對其進(jìn)行歸一化處理。其次對數(shù)據(jù)的頻帶范圍進(jìn)行計(jì)算，根據(jù)頻帶信息，從原始 時頻中截包含數(shù)據(jù)特征的部分。最后調(diào)整分離出的數(shù)據(jù)的大小，調(diào)整后的二維矩陣轉(zhuǎn)化為一維向量，即為所求的特征向量，通過對特征向量的求解，實(shí)現(xiàn)對移動通信網(wǎng)絡(luò)數(shù)據(jù)的采集。

提取移動通信網(wǎng)絡(luò)數(shù)據(jù)的特征向量通過以下公式(1)和公式(2)估計(jì)局部均值和局部方差，分析頻率邊緣向量A'(b)。移動通信網(wǎng)絡(luò)的信噪比較低、采集得到的數(shù)據(jù)頻帶位置變動較大，首先需要平滑處理移動通信網(wǎng)絡(luò)數(shù)據(jù)的邊緣頻率分布，使用自適應(yīng)濾波器降低來自外界噪聲，然后采用平均滑動濾波器來抑制極大值點(diǎn)和邊緣效應(yīng)。本文根據(jù)輸入數(shù)據(jù)信號的統(tǒng)計(jì)特性使用維納濾波器調(diào)整移動通信網(wǎng)絡(luò)數(shù)據(jù)的參數(shù)，根據(jù)邊緣頻率分布向量當(dāng)前元素相鄰的2a+1個元素來估計(jì)局部均值μ(b)，局部方差σ2(b)：

(1)

(2)

根據(jù)計(jì)算得出的均值和方差進(jìn)行新的特征向量的提取和轉(zhuǎn)換：

(3)

A'(b)是頻率邊緣分布向量，P2為平均局部方差，與局部方差呈現(xiàn)相反的變化趨勢。當(dāng)局部方差變小時，濾波器進(jìn)行較大幅度的平滑；當(dāng)局部方差變大時，濾波器進(jìn)行局部幅度的平滑。經(jīng)過濾波器對移動通信網(wǎng)絡(luò)周圍環(huán)境噪聲等干擾因素的排除能夠提高數(shù)據(jù)的清晰度和數(shù)據(jù)采集的有效性。將經(jīng)過濾波器處理過的輸出結(jié)果進(jìn)行再次平滑處理，能夠消除局部的干擾，優(yōu)化移動通信網(wǎng)絡(luò)數(shù)據(jù)采集結(jié)果，降低局部脈沖干擾：

(4)

最后歸一化處理輸出結(jié)果：

(5)

通過公式(4)和公式(5)降低特征向量局部的脈沖干擾，對濾波器做歸一化處理完畢，對采集到的數(shù)據(jù)做門限處理，提取特征向量，實(shí)現(xiàn)移動通信網(wǎng)絡(luò)數(shù)據(jù)特征向量的提取。

1.2 移動通信網(wǎng)絡(luò)數(shù)據(jù)采集方法改進(jìn)

在對移動通信網(wǎng)絡(luò)數(shù)據(jù)的特征向量進(jìn)行提取的基礎(chǔ)上，引入云計(jì)算方法對移動通信網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行采集，提高移動通信網(wǎng)絡(luò)數(shù)據(jù)的準(zhǔn)確性、降低漏檢率。

針對傳統(tǒng)的采集方法一直存在采集精度低、效率差的問題，提出基于云計(jì)算的移動通信網(wǎng)絡(luò)數(shù)據(jù)采集方法，能夠使采集到的數(shù)據(jù)最佳化。首先要組建平穩(wěn)狀態(tài)下的數(shù)據(jù)處理模型，獲得常規(guī)樣本數(shù)據(jù)特征矢量。既能夠體現(xiàn)常規(guī)系統(tǒng)或用戶行為模型的特性，將異常行為數(shù)據(jù)的特征和常規(guī)行為中特征的差異相比較，來辨別移動通信網(wǎng)絡(luò)數(shù)據(jù)特征，處理得到方法如下：

假設(shè)移動通信網(wǎng)絡(luò)數(shù)據(jù)特征樣本點(diǎn)由xi代為表述，將數(shù)據(jù)處理范圍中數(shù)據(jù)特征樣本點(diǎn)都當(dāng)作參照，依據(jù)重構(gòu)誤差函數(shù)式獲取，全部間距都采用模糊規(guī)則算法對移動通信網(wǎng)絡(luò)有效距離進(jìn)行定義，其公式為：

(6)

式中：a(i)和b(j)表示相鄰的距離的平均值，之后求解在移動通信網(wǎng)絡(luò)數(shù)據(jù)中運(yùn)算各點(diǎn)xi到最近相鄰點(diǎn)之間的權(quán)重wij，運(yùn)用模糊規(guī)則求解各數(shù)據(jù)特征樣本點(diǎn)的最優(yōu)解，固定權(quán)重Φ(Y)能夠使函數(shù)的采集損失降到最小的程度，其公式如下所述：

(7)

通過上述公式(7)可求解各相鄰數(shù)據(jù)點(diǎn)的權(quán)重，使函數(shù)損失降低，提高通信數(shù)據(jù)采集的有效性。在進(jìn)行數(shù)據(jù)采集過程中，冗余信息干擾正常數(shù)據(jù)的識別和處理，針對如何處理冗余信息，文章提出的方法綜合考慮可靠性、可操作性、以及實(shí)際情況，采用ADASYN算法根據(jù)冗余數(shù)據(jù)自身的分布特征，生成冗余數(shù)據(jù)集，并進(jìn)行刪除。

首先，按照下列公式計(jì)算整個小類樣本所需生成的數(shù)據(jù)樣本數(shù)目：

S=(Nmaj-Nmin)×β；β∈[0，1]

(8)

其次，對每個小類樣本，根據(jù)歐式距離給出它的K近鄰，計(jì)算冗余數(shù)據(jù)的密度：

(9)

式中：Ai是第類樣本的K個最近鄰中屬于大類樣本的樣本數(shù)目，Z是一個常量，則可以確定冗余數(shù)據(jù)量為：

ni=Ωi×S

(10)

則在滿足下列條件的情況下，可對冗余數(shù)據(jù)進(jìn)行刪除，增加數(shù)據(jù)采集的精度，約束條件如下所示：

(11)

僅當(dāng)S≤1時，為冗余數(shù)據(jù)去除結(jié)果最優(yōu)的狀態(tài)，再次基礎(chǔ)上，采用云計(jì)算法對移動通信網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行采集結(jié)果可用下式進(jìn)行表示：

(12)

文章算法通過采用時頻分析理論對移動通信網(wǎng)絡(luò)數(shù)據(jù)特征向量的識別和提取，排除外界干擾，基于云計(jì)算完成移動通信網(wǎng)絡(luò)數(shù)據(jù)的采集。

2 試驗(yàn)結(jié)果與分析

文章通過仿真試驗(yàn)證明本文提出的方法能夠?qū)⒁苿油ㄐ啪W(wǎng)絡(luò)數(shù)據(jù)采集過程中來自外界復(fù)雜干擾因素大幅度降低。

圖1 文獻(xiàn)3方法數(shù)據(jù)的頻率分布

圖2 本文方法數(shù)據(jù)的頻率分布

對比圖1和圖2采用本文的方法進(jìn)行數(shù)據(jù)采集能夠明顯地降低外部干擾。圖1顯示文獻(xiàn)3方法在采集移動通信網(wǎng)絡(luò)數(shù)據(jù)時干擾因素明顯，會導(dǎo)致數(shù)據(jù)信號的強(qiáng)度和清晰度降低。而采用文章提出的方法能夠有效地降低來自外界干擾因素的影響，如圖2所示。

文章提出的基于云計(jì)算的移動通信網(wǎng)絡(luò)數(shù)據(jù)采集方法，在低信噪比的情況下仍然可以對通信數(shù)據(jù)保持較高的識別率。

圖3 識別概率

由圖3可知文章提出的方法在信噪比為-4dB時，仍可得到較高的正確識別概率。

圖4 文獻(xiàn)4方法

圖5 本文方法

本文算法可以在有噪聲數(shù)據(jù)集中發(fā)現(xiàn)任意形狀的簇，并且有效地解決了文獻(xiàn)[4]算法所存在的問題，文獻(xiàn)[4]算法高密度的聚類結(jié)果被完全包含在相連的低密度的聚類結(jié)果中。對比如文獻(xiàn)[4]算法圖4與本文算法圖5所示的不同數(shù)據(jù)集，本文算法能夠如實(shí)地反映了數(shù)據(jù)集中數(shù)據(jù)的分布情況，并且能夠降低干擾因素。

文章在對移動通信網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行采集時采用基于云計(jì)算方法，在挖掘過程中找出通信網(wǎng)絡(luò)數(shù)據(jù)中最小支持度閥值和最小置信度閥值條件的模糊關(guān)聯(lián)規(guī)則，通過大量復(fù)雜而精確的云端計(jì)算，完成對移動通信網(wǎng)絡(luò)數(shù)據(jù)的采集。通過仿真模型對使用本文算法和文獻(xiàn)[4]方法的500組樣本數(shù)據(jù)對比，可以得出本文算法的優(yōu)越性。

表1 試驗(yàn)數(shù)據(jù)對比分析

圖6 數(shù)據(jù)識別準(zhǔn)確率

從表1試驗(yàn)數(shù)據(jù)中看出對于文獻(xiàn)[5]方法樣本數(shù)據(jù)的移動通信網(wǎng)絡(luò)數(shù)據(jù)檢測準(zhǔn)確率僅有75%，而本文采用的方法準(zhǔn)確率可以達(dá)到92%。

表2 試驗(yàn)數(shù)據(jù)對比分析

圖7 數(shù)據(jù)識別漏檢率

從表2試驗(yàn)數(shù)據(jù)看出對于文獻(xiàn)[5]方法樣本數(shù)據(jù)的移動通信網(wǎng)絡(luò)數(shù)據(jù)識別漏檢率達(dá)到7%，而本文采用的方法漏檢率可以控制到2%。

在實(shí)際數(shù)據(jù)采集處理時,不可能得到全部理想的數(shù)據(jù)，我們得到的數(shù)據(jù)常常帶有一些干擾數(shù)據(jù)，通信數(shù)據(jù)的處理也不能完全達(dá)到理想狀態(tài)，因此算法具有一定的魯棒性是十分重要的。文章以試驗(yàn)數(shù)據(jù)為基礎(chǔ)分別繪制了傳統(tǒng)方法下和本文算法下數(shù)據(jù)處理的魯棒性曲線。

圖8 文獻(xiàn)4方法魯棒性

圖7、圖8中所示，虛線是理想狀態(tài)數(shù)據(jù)處理的魯棒性曲線。傳統(tǒng)方法下實(shí)際的魯棒性曲線與理想狀態(tài)的下的曲線偏差明顯。而在本文算法下，實(shí)際的魯棒性曲線和理想狀態(tài)的曲線仍有偏差，當(dāng)相比傳統(tǒng)方法，魯棒性有大幅度提高，如圖9所示。

試驗(yàn)證明文章提出的基于云計(jì)算的移動通信網(wǎng)絡(luò)數(shù)據(jù)采集方法能夠有效地排除外界干擾，準(zhǔn)確地完成對數(shù)據(jù)的采集。

圖9 神經(jīng)網(wǎng)絡(luò)算法魯棒性

3 結(jié)語

本文提出就云計(jì)算的移動通信網(wǎng)絡(luò)數(shù)據(jù)采集方法，從移動通信網(wǎng)絡(luò)設(shè)備采集到的時頻分布對數(shù)據(jù)的特征向量進(jìn)行提取，排除外界的干擾，完成對數(shù)據(jù)特征向量的有效識別，采用ADASYN算法，去除冗余信息，基于云計(jì)算實(shí)現(xiàn)對移動通信網(wǎng)絡(luò)數(shù)據(jù)精準(zhǔn)地采集，實(shí)驗(yàn)結(jié)果表明，文章提出的方法能夠有效地實(shí)現(xiàn)移動通信網(wǎng)絡(luò)數(shù)據(jù)的采集，精度高，效率好。

[1]PolydorosA,WooKT.LPIdetectionoffrequencyhoppingsignalusingautocorrelationtechniques[J].IEEEJournalonSelectedAreasinCommunications, 2009(5): 714-726.

[2]PoiselRA. 現(xiàn)代通信干擾原理與技術(shù)[M].陳鼎鼎,等譯.北京:電子工業(yè)出版社,2005.

[3]XuR，DonaldWI.Surveyofclusteringalgorithm[J].IEEETrans-actionsonNeuralNetworks，2005(3): 645-678.

[4]ZHANGYan-xia，DAIFeng-xian.Newschemesoffeederprotectionfordistributionnetworksincludingdistributedgeneration[J].AutomationofElectricPowerSystems，2009(12): 71-74.

[5] 錢怡,武傳華. 跳頻信號檢測和參數(shù)估計(jì)技術(shù)研究[J].空間電子技術(shù),2007(2):14-18.

[6] 周琳,楊紹全. 時-頻分析算法在通信信號調(diào)制識別中的應(yīng)用[J].航天電子對抗,2002(5):40-45.

[7] 郭軍,劉和平,劉平．基于大電流檢測的霍爾傳感器應(yīng)用[J].應(yīng)用技術(shù),2011(5):142-145.

[8] 譚濤．NET遠(yuǎn)程控制excel在儲量管理系統(tǒng)的應(yīng)用研究[J].計(jì)算機(jī)應(yīng)用與軟件,2007(2):43-44.

[9] 閻飛,汪生,朱磊明．基于數(shù)據(jù)融合和數(shù)據(jù)挖掘技術(shù)的入侵檢測系統(tǒng)設(shè)計(jì)[J].計(jì)算機(jī)工程與科學(xué),2004(4):15-18.

[10] 李輝．基于支持向量機(jī)的網(wǎng)絡(luò)入侵檢測[J].計(jì)算機(jī)研究與發(fā)展,2003(6):799-807.

[11]ZhouAY，ZhouSG，CaoJ，etal.ApproachesforscalingDB-SCANalgorithmtolargespatialdatabase[J].JournalofComputerScienceandTechnology.2000(6):509-526.

(責(zé)任編輯：孫文彬)

Research on the Improvement of Data Acquisition Method for Mobile Communication Network Based on Cloud Computing

WANG Liu-yang, ZHANG Hui, YU Yang-xin

(Faculty of Computer and Software Engineering, Huaiyin Institute of Technology, Huai'an Jiangsu 223003, China)

There is a problem of low efficiency and poor accuracy of data acquisition in mobile communication network; it is caused by the interference from external factors in the traditional collection method. In terms of mobile communication network data acquisition method by cloud computing, the feature vector of data is extracted from time-frequency distribution collected from mobile communication network equipment, data feature vectors are effectively identified by excluding external interference. Using ADASYN algorithm to remove redundant information, the accurate acquisition of the mobile communication network data based on the cloud computing was achieved; the experimental results show that the proposed method can effectively fulfill the mobile communication network data acquisition with high precision and efficiency.

mobile communication network; cloud computing; data collection

2016-12-27

江蘇省產(chǎn)學(xué)研合作項(xiàng)目(BY2015051-07)

王留洋(1974-)，男，江蘇淮陰人，副教授，碩士，主要從事信息管理與信息系統(tǒng)、智能信息處理技術(shù)方向的研究。

TP393

A

1009-7961(2017)01-0025-05