通信网络链路非平稳数据自动修复方法

陈小娟，张慧萍，贺红艳

(湖北工业大学工程技术学院，湖北武汉 430068)

1 引言

通信网络链路指的是网络中各节点间的物理通道，通常情况下，数据中心通信网具有一定的随机性。随着网络入侵形式的多样化和入侵方式的不断扩展，会导致网络传输信号的不稳定[1]。非平稳数据以一种无序的方式混入普通数据，通过通信网络传送到接收端。接收方将接受数据分析，探测和追踪。一般不能预测这些不稳定数据产生的具体位置信息，以及它对整个通信网络链路的危害[2，3]。因此，为解决通信网络链路存在的问题，已有较多学者开展了关于这方面的研究。

目前，在数据修复领域中，常用的方法主要有舰船电子通信系统非平稳数据自动修复方法、光纤传感网络链路故障自修复方法和舰船通信系统重复不完整数据智能修复方法，其中，舰船电子通信系统非平稳数据自动修复方法预先对非平稳数据进行了自动检测，然后对检测后的数据进行弥补；光纤传感网络链路故障自修复方法预先对链路故障进行分析，找到故障发生地点与所属类型，实现对链路数据的修复；舰船通信系统重复不完整数据智能修复方法对未修复的数据进行了预处理，实现数据的自动修复。上述方法均能够对通信网络链路非平稳数据进行修复，但是存在修复率低、修复效率低以及修复耗时长等问题，为此设计一个通信网络链路非平稳数据自动修复方法。结果表明，该方法有效解决了传统方法存在的问题，能够满足通信网络链路非平稳数据自动修复需求，具备一定的实际应用意义。

2 通信网络链路非平稳数据自动修复原理

将此次研究的通信网络链路非平稳数据自动修复原理抽象为3个层次，如下图1所示。

图 1 通信网络链路非平稳数据修复原理示意图

图1中，信源层为通信网络中的信源，文档层为数据的压缩包，物理层为数据的链路，可根据各个协议层特定的约束条件，进一步系统地进行数据修复工作。其修复原理是预先确定未修复数据的信息流，提取数据数量信息，然后对非平稳数据进行自动修复。

3 通信网络链路非平稳数据自动修复方法设计

3.1 通信网络链路传输数据采集及预处理

在通信网络链路非平稳数据自动修复过程中，需要预先对传输数据进行采集，但是数据采集与传输过程中会受到噪声[4]的影响，导致非平稳数据修复准确性降低，为此对其进行处理。正常信号与噪声信号特性不同，将传输数据噪声用n表示，将噪声瞬时值概率表示为

(1)

式(1)中，σn代表噪声的平均功率，p(n)代表噪声瞬时值概率。

则数据中心网络传输数据噪声的计算公式为

n(t)=p(n)+Pn(ω)

(2)

式(2)中，Pn(ω)代表噪声功率谱。

基于上述构建的通信网络链路非平稳数据噪声模型[5]，采用下述公式消除数据噪声

(3)

式(3)中，L(t)代表消除噪声后的传输数据，Tn代表通信链路数据采集的总耗时，a代表平均斜率。

经上述计算后，对通信网络链路通信数据进行拟合[6]，计算表达式为

(4)

依据上述过程完成通信网络链路数据的预处理，为非平稳数据自动修复提供基础。

3.2 非平稳数据无损检测

依据上述过程完成对通信网络链路数据的预处理，在这一部分主要对通信数据进行无损检测[7]。其过程如下图2所示。

图2 非平稳数据自动检测流程

采用遗传算法进行检测，遗传算法通常依赖变异、交叉和选择等启发算子，以产生高质量的解，用于优化和搜索问题[8]。主要在现有的群体中随机选择更适合的个体，对每个个体的基因组进行修改，从而产生新的一代。接着新的候选解将用于算法的下一次迭代，当迭代次数达到最大值，或种群达到满意适应程度时，算法即为结束。

具体过程如下所示：

1)建立一个规模为K的初始群体，当初始群体K中样本数据等于1时，则判定其为平稳数据，当初始群体K为0时，则认为其为非平稳数据。

2)对通信网络链路中传输数据的适应度值进行计算[9]，假设数据共有m个属性，{m1，m2，mi}。为方便计算，赋予数据权重值，将其记作{w1，w2，wi}。

计算总体方差[10]，计算公式如下所示

(5)

3)将上述计算结果按照从小到大的序列进行排序，进行选择操作，并对前一个样本进行交叉与变异操作，将最后一个样本看作是最优样本。

4)判断当前结果是否符合最终的终止条件，若符合则完成检测，若不符合则返回步骤2。

在上述检测后，会导致估计出的结果与测量值相差较大，在相差较大时，可预先设定一个门限值，估计非平稳网络环境下链路丢包率，其流程如图3所示。

图3 链路丢包率流程图

将上述过程与非平稳数据检测过程结合，完成非平稳数据的检测。

3.3 非平稳数据自动修复实现

通过3.2节完成非平稳数据的检测，然后对非平稳数据进行自动修复，在非平稳数据中，主要包含两种数据类型，分别为缺失数据与错误数据。对于错误数据可以直接对其删除与丢弃，并对缺失数据进行弥补[11]。在数据弥补上主要采用决策树的方法进行弥补，其利用树图或决策模型[12]来描述随机事件的结果，可以帮助决定最有可能实现目标的策略。具体流程所示。

1)根据非平稳数据检测结果，确定数据属性，生成测试样本属性集合A；

2)建立数据库表，然后建立决策树，并对决策树中各个节点属性的信息增益进行计算，计算公式如下所示

(6)

式(6)中，ϑ代表各个特征的熵，zk代表特征k的信息增益值。

3)选择信息增益值最大的某一节点属性，建立子决策树，将子决策树最右边节点设置为当前节点，以生成一个以测试属性为节点的决策树；

4)利用该决策树对非平稳数据进行弥补，直至所有缺失的数据变为平稳数据，以此完成通信网络链路非平稳数据自动修复。

4 实验对比

对上述设计的通信网络链路非平稳数据自动修复方法进行测试，并为了保证实验的严谨性，将舰船电子通信系统非平稳数据自动修复方法、光纤传感网络链路故障自修复方法与舰船通信系统重复不完整数据智能修复方法作为参考对比对象，对比这四种方法的性能，主要对比结果如下所示。

4.1 非平稳数据修复准确性对比

在非平稳数据准确性对比过程中，运用不同方法获取传输数据的基地噪声，对比结果如下图4所示。

图4 非平稳数据修复准确性对比

由上图4可知，采用舰船电子通信系统非平稳数据自动修复方法、光纤传感网络链路故障自修复方法和舰船通信系统重复不完整数据智能修复方法得到的数据修复准确率明显低于通信网络链路非平稳数据自动修复方法的准确率，说明传统方法不能准确描述和表征数据中心通信网络传输数据的实际频谱变化，易造成大量信号细节分量丢失。而此次研究方法的数据修复准确率最高值达到了80%左右，优势明显，由此证明此次研究的方法能够准确反映数据频谱特征变化情况，能够提高非平稳数据修复的准确性，并能够保留传输数据的细节特征。

4.2 不同非平稳数据比率下数据修复率对比

通信网络链路非平稳数据修复率的计算公式如下所示

(7)

式中，P代表非平稳数据修复率，a代表正确修复数据的数量，z代表实验次数，b代表错误修复数据数量，p′代表非平稳数据的比率。

利用式(7)计算传统方法与此次研究的方法的数据修复率，对比结果如表1所示。

表1 不同非平稳数据比率下数据修复率对比结果

分析上表1可知，此次研究的通信网络链路非平稳数据自动修复方法受到非平稳数据比率增长的影响较小，其数据修复率均高于99%，说明此次研究的方法在修复过程中不易发生丢包现象。而传统的舰船电子通信系统非平稳数据自动修复方法、光纤传感网络链路故障自修复系统与舰船通信系统重复不完整数据智能修复方法受到非平稳数据影响较大，修复效果受到了一定的影响，在修复过程中，修复范围较低，存在遗漏缺失数据现象。将此次设计的修复方法与传统修复方法对比可知，此次研究的修复方法能够对非平稳数据进行自动修复，修复覆盖范围更广，能够保证不遗漏缺失数据，降低数据的丢包率，较传统方法应用效果更好。

4.3 修复耗时对比

对比此次研究的非平稳数据自动修复方法与传统修复方法的数据修复耗时，其对比结果如图5所示。

图5 修复耗时对比

分析上图5可知，此次研究的非平稳数据自动修复方法在这四种修复方法中的耗时是最少的，其修复耗时始终低于0.4s，并且变化幅度不明显，而传统方法的数据修复时间最长达到了1.5s。经过对比可知，此次研究的非平稳自动修复方法较传统的修复方法的修复效率更高。

综上所述，此次研究的方法较传统方法的非平稳数据修复准确性高、非平稳数据自动修复效果好、修复耗时少，证明了此次研究的方法的有效性。原因是，此次研究的非平稳数据自动修复方法预先对通信网络链路数据进行了采集与预处理，检测出了链路中的非平稳数据，准确对其进行了自动修复，因此，具有较好的应用效果，证明了此次研究的修复方法的有效性。

5 结束语

综上所述，为解决数据修复率低、修复耗时长等问题，设计了一个通信网络链路非平稳数据自动修复方法。通过非平稳数据噪声模型实现对数据的噪声处理，降低了噪声对数据修复的影响，提高了数据修复的准确性，降低了修复用时。结果表明此次研究方法的数据修复率较高、耗时较短，且具备数据修复准确性较高的优势，有效提升了非平稳数据的修复效果。

但是由于研究时间的限制，所设计的非平稳数据自动修复方法还存在一定的不足，因为网络规模是不停扩大的，会使网络拓扑结构变得更加复杂，同时，除了噪声这一干扰因素之外，冗余数据、非平衡数据等干扰因素也会对数据修复效果产生影响。因此，需要不断优化此次研究的方法，以不断提高非平稳数据自动修复效果。