網絡通信節點抗干擾技術探究

前言：尋找寫作靈感？中文期刊網用心挑選的網絡通信節點抗干擾技術探究，希望能為您的閱讀和創作帶來靈感，歡迎大家閱讀并分享。

摘要：當前我國應用最為廣泛的是小區制結構網絡通信系統，通過同頻復用的方式來提升頻率利用效果。在既定范圍內，為了方便管理，小區可以使用同一頻段的網絡通信系統，并且能重復使用。隨著使用用戶的增多，同頻復用系數和干擾源也相應地發生了增長，通信質量無法得到保障。研究網絡通信節點抗干擾技術，可提升網絡通信性能。因此提出了屬性自學習和利用弱能量節點來進行抗干擾的方法，并通過相應的仿真測試，證明了其可以提升節點傳輸快速性，提升抗干擾性，具有實際應用效果。

關鍵詞：網絡通信；節點抗干擾；屬性自學習；消除延遲

0引言

作為計算機相關領域的主要組成部分，移動網絡在我們的生活和工作中都發揮著重要的作用。網絡通信節點在工作時具有一定的規律，會不停地進入、退出，直到脫離系統的管控。只有確保系統擁有良好的傳輸帶寬和及時性，才能減少信號干擾，確保通信效果。當前對此方面抗干擾性的研究成果頗多，但是在某些方面都存在不足，限制了其應用性。本文針對此種情況，提出了應用節點屬性感知優化和弱能量節點的方式來消除延遲，優化節點傳輸快速性，提升系統的抗干擾性。

1網絡通信原理分析

網絡通信由不同的應用部件構成，用戶可以通過AD－SL、4G、WLAN等多種渠道進入網絡通信系統，因使用用戶眾多，存在的差異性較大，因此往往采取分層方法對數據進行處理。由于各渠道之間缺乏兼容性，因此在其進行運算時會產生一定的干擾效果，其原理如下［1］。如果我們將網絡通信的信號集合設定為D，其式為D2p＝｛Dm，m＝1，2，…，p｝，網絡通信信號的強度計算式，如式（1）。r（Bp／D2：p－1）＝∫r（Bp／Bp－1）r（Bp－1／D2：p－1）＝r（Dp／Bp）r（Bp－1／D2：p－1）r（Dp／D2：p－1）（1）檢驗密度公式，如式（2）。q（Am／C2：n）＝∑Rm＝1Zmnφ（An－Amn）（2）式中，Bp表示通信信號完成傳輸工作時應用的總時間；r表示信號微分變換的數據，其誤差計算式，如式（3）。I（Bp／D2：p）＝∑sn＝1anpBnp，p＝1，2，…（3）通過上述三式，我們可以計算出通信信號的對應比率，如式（4）。I＝anp∞anp－1r（Dp／Bnp）r（Bnp／Bnp－1）s（Bnp／Bnp－1，D2：p）（4）利用下方計算式，可以創建出完善的移動網絡通信模型，以此來提升通信信號的傳遞效率，如式（5）。J（b）＝V2－∑m，n?l?np（bm，bm）＋2∑mxlp（bm，b）－p（b，b）（5）借助上述方法，可以確保移動網絡通信信號在良好的環境下進行傳輸，以此來完成移動網絡通信。但是受小區制結構的影響，當同頻復用系統發生增長后，會產生更大的干擾效果，會直接影響通信質量。

2網絡通信節點傳輸原理

若想完成網絡通信的延遲消除工作，首先需要掌握網絡通信所能負載的最大值和消耗的能量值，根據剩余能量值構建延遲消除模型，并給出適應度函數當做參考數據，以此數據為目標，進行延遲消除工作。利用Etx（l，d）＝l×Eelec＋l×eamp×d2計算傳遞信息產生的能量損耗。利用ERx（）l＝l×Eelec計算接受信息產生的能量損耗。其中，l表示信息傳遞過程中比特數；d表示通信之間的距離；Eelec表示網絡通信系統接受1比特信息所消耗的能量值；eamp表示通信時產生的能耗擴大倍數。將這些影響因素都融入簇首抉擇中，將K定義為簇首節點數目，表達式為Xiij（j＝1，2，…，n），需要注意的是通信節點必須是1的倍數，將CH定義為簇首集合，表達式為CHk（k＝1，2，…，K），代表的是不同位置的簇首通信節點。通過下列計算全部通信節點和簇首節點二者剩余能量的對比數值［2－3］，如式（6）。f1＝∑Ni＝1E（i）／∑Kk＝1E（CHk）（6）f1數值的大小與所剩能量成正比。受網絡數據流量大的影響，用戶在進行網絡通信時會受到干擾，出現隨機延遲現象，只有消除延遲才能提升通信節點的傳輸速度，提高通信質量，因此利用屬性自學習和利用弱能量節點來減少干擾是目前廣泛應用的方法。

3節點屬性自學習法

3．1節點屬性分類提取。從節點的特征和概率理論入手，對概率體制進行深度分析。將節點數據特征設定為X，因其自身擁有多個特征項，單項數據分別為X1，X2，…，Xn，因這些單項數據之間無相關性，在進行計算時可以通過刪除特征項之間的關聯項的方式來獲取更加簡化的概率模型。假如n個類型的節點數據分布狀況用g1，g2，…，gn來表示。任意選取兩個網絡通信渠道，假設為Xp和Xq，二者無關聯性，可獨立工作互不打擾。在X1，X2，…，Xn，中隨意選取兩個都可以確保二者相互獨立，因此可以得出條件概率式，如式（7）。H（X1＝x1，X2＝x2，…，Xq＝xq／dj）＝∏qi＝1H（Xi＝xi／dj）（7）通過式（7）計算出的數值對概率模型進行劃分，假設將節點數據k的特征向量設定為x→＝｛x1，x2，…，xe｝，x1，x2，…，xe代表的是具體特征值?；诖朔N條件可以進行判定和計算。①節點數據k按屬性來劃分應該歸屬于sr類，當r＝0時代表著數據之間存在沖突，當r＝1時則代表節點數據有效，如式（8）。H（sr／k）＝H（sr／珤X＝x→）＝H（珤X＝x→／sr）H（sr）H（珤X＝x→）＝H（X1＝x1，X2＝x2，…，Xe＝xe／su）H（sr）∑1r＝0H（sr）p（X1＝x1，X2＝x2，…，Xq＝xq／sr）＝H（sr）∏ei＝1H（Xi＝xi／sr）∑1r＝0H（sr）∏ei＝1H（Xi＝xi／sr），u＝0，1（8）②對數據進行分割，通過計算可以得出后驗概率的最大值，如式（9）。sMAP＝argmaxsr＝0，1H（sr／k）＝argmaxsr＝0，1H（sr／珤X＝x→）＝argmaxsr＝0，1H（珤X＝x→／sr）H（sr）＝argmaxsr＝0，1H（sr）∏si＝1H（Xi＝xi／sr）（9）應用上述計算式的條件是各特征項之間不存在聯系，可以獨立運行，互不干擾，若在校驗過程中發現沖突節點，則要及時進行劃分，計算出節點準確的有效值，確保網絡通信節點運行的穩定性［4－5］。

3．2抗干擾過程分析。提升網絡通信節點的抗干擾性是一個需要不斷求精的過程，運用的迭代算法具有循環性，通過適當的調整為節點找到合適的位置。為了確?？垢蓴_過程順利進行，首先需要設定一個節點區間，將上一小節中計算出的節點分割結果輸入到Gossip反饋機制當中，確保各節點獨自掌握自身信息，不受其他節點打擾。抗干擾測試開始后，節點首先會證明自身所處位置，證明其具備獨立性后會采集相鄰節點的位置信息，運用最小二乘法計算距離值，通過計算結果判斷節點間是否可以完成相互通信。一般條件下，在經過大量的測算后，各個節點間的實際間隔距離誤差值會越來越小，當誤差值在合格范圍內時，系統會自動停止求精運算。需要注意的是，若是三維空間中的節點數量超過4個，對應的方程組就會具備超定性，此時運用最小二乘法可以有效地縮小計算誤差，雖然部分節點仍會對網絡通信造成干擾，但是從理論上來講，誤差值會朝著逐漸變小的方向發展。因為干擾具備必然性，根據其產生干擾的原因將其劃分為幾種類型：①通信節點所處的位置坐標具有干擾性。②因通信技術不夠完善而產生的檢驗干擾。③在運算過程中產生的信號干擾。因產生干擾的原因各不相同，因此需要做出適當的調整，調整函數式，如式（10）。Δf（x）＝∑qij（lij－dij）k（i／j）（10）式中，Lij表示節點i、j之間的相隔距離；dij表示節點i、j之間發生同頻干擾位置的相隔距離；k（i／j）表示指條件概率值。我們假設Q（X）為高斯分布函數的均值，D（X）為方差，如式（11）。Cov（X）＝1n－1∑ni＝1（X－X0）（X－X0）T（11）第j個節點的概率密度，如式（12）。Q（Zij）＝k（Cj／Xi）＝k（Cj）k（xi／cj）／k（xi）＝k（cj）k（xi／cj）∑hj＝1k（cj）k（xi／cj）（12）如果在計算過程中，出現確定不了坐標位置的節點，我們可以用ki＝ki＋Δf（x）來表示。反復使用此種調度算法，當數值接近既定數值時，會自動停止運算。也不會再對通信節點的位置進行更新。應用此種調度算法的主要目的是分析和對比節點i所處實際坐標值和既定坐標值的差異，我們將實際坐標值和既定坐標值分別設為（xi，yi）、（xj，yj）和（x＾i，y＾i）、（x＾j，y＾j），那么補償干擾強度的計算式，如式（13）—式（15）。dij＝xi－xj＝（xi－xj）2＋（yi－yj）槡2（13）＾dij＝x＾i－y＾j＝（x＾i－x＾j）2＋（y＾i－y＾j槡）2（14）Qrr＝∑i，j（dij－＾dij）2dij／p（15）式中，Qrr表示所有相鄰節點之間的均衡系數；p表示數量，網絡通信節點受干擾的強度與測量距離成正比，因此當通信半徑距離不同時得到的Qrr數值也會發生明顯變化［6－7］。

4延遲消除法

4．1能量計算模型。若想順利地在網絡通信中開展延遲消除工作，必須掌握進行網絡通信時所產生的總能量損耗、各節點能量損耗等多項參數數據，并通過引入懲罰值的方法來重新規劃各通信節點的工作順序。計算OE（總能量損耗），CE（各節點能量損耗）和BCP（電池懲罰值）的運算式，如式（16）、式（17）。OE＝20nchn＋2nchn＋nlsn（16）CE＝16槡2nhs＋槡2nls（17）式中，nls，nhs，nch表示不同網絡通信條件下對應的能量值。當所處網絡通信環境有所差異時，各節點之間可以互換工作內容，以此來快速地完成任務，需要注意的是，一個節點不可過多的進行內容互換，確保能量損耗值控制在一定范圍內。同時還可以借助引入懲罰值的方式來重新排列各個網絡通信節點的工作順序，確保其以最好的條件開展工作，如式（18）、式（19）。BCP［t］＝∑ngridi＝1PF［t］i1BC［t］i－（）1（18）BC［t］i＝BC［t－1］i－BRR［t－1］i（19）從式中我們可以得知，第i個網絡通信節點在進行調整時參照的是原有的t－1節點的運行狀況，并最終得到BCi，BCP［t］指的是網絡通信節點t的能量抑制值，ngrid指的是整個網絡通信系統中可以正常運行和使用的節點數。當BCi的計算數值處于0－1之間時，證明網絡通信節點的能量損耗值在正常范圍內，處于正常使用狀態［8－9］。

4．2計算網絡通信節點的跳變距離。在計算出各個網絡通信節點之間的跳變距離后，將數據進行分類并傳送至通信網絡之中，然后利用三邊測量最大似然法對未能接受到數據信息的網絡通信節點進行標記，并對其進行計算，其運算過程由三個部分構成。（1）首先利用下式計算各網絡通信節點之間的平均跳變距離，如式（20）。Distancei＝Hopsi×Hopsizei（20）（2）將計算出的平均跳變距離分批傳送至網絡通信系統中，未接受到信息的網絡通信節點只需轉發第一次收到的每跳平均距離即可。（3）將各個網絡通信節點所接收到的信息進行整合，利用三邊測量最大似然法對未接收到數據的網絡通信節點進行位置抓取，完成通信節點距離的測算。

4．3網絡簇間交互通信。以前文計算出的各網絡通信節點的距離為參考數據，計算出在進行網絡通信時所需要消耗的具體能量值和網絡通信節點與目標簇首二者的間隔距離，構建網絡通信衰退矩陣，得到多渠道網絡通信傳輸函數，以此為參考，對網絡通信進行延遲消除，提升抗干擾性。假設每個網絡通信節點都配備了全向天線且清楚地掌握自身所在的位置坐標，我們將通信渠道設定為瑞利通道，進行網絡通信所消耗的能量可以通過下式進行計算，如式（21）。Et＝珚Eb（4πd）aGtGrλ2＝珚Ebεda（21）式中，珚Eb表示在網絡通信運行正常時，相鄰通信節點之間傳輸信息消耗能量的最小值；d表示通信距離；Gt和Gr表示網絡通信中全向天線的增益值；λ表示載波波長；a表示損耗指數，其正常數值范圍為2≤a≤4。各個網絡通信節點在進行信息交互時，將交互節點值設定為m－1，參考鏈路負載的相關性，其發射能量的測算，如式（22）。Et（m）＝1m珚Ebε∑mi＝1daciB（22）式中，daciB表示網絡通信節點ci和B之間的通信距離。在進行網絡通信時，需要構建一個供信息傳遞的衰退矩陣，其自身應該具備可獨立運行的高斯隨機變量，如式（23）。H＝h1，h2，…，h［m］（23）在該序列式中，所有元素的方差值都是1。當m＝1時，H＝h［1］，其余數值以此類推進行計算，如果在網絡通信過程中出現了兩個或多個天線功率相同的情況，那么需要計算信噪比，如式（24）。γ＝1m∑mi＝1hi2珚EbN0（24）根據Chernoff邊界定理為參考依據，隨誤符號率進行計算，如式（25）。Pe≈珡NeQτd2min（槡）2≤珡Nee－∑mi＝1hi（）2d2min珚Eb4mN0（25）式中，珡Ne表示網絡圖中所有相鄰節點的個數，dmin表示網絡圖中相鄰節點的最小距離，可以利用下式計算出誤符號率上限值，如式（26）。珚Pe＝EP［e］≤珡Ne∏mi＝111＋d2min4m珚EbN0（26）利用BPSK技術對計算數據進行調整，確保誤符號率與金額誤碼率可以保持同步，當信噪值較高時，Eb／N0的計算數值會遠大于1，通過下方的計算式可以獲取珚Eb的值域范圍，如式（27）。珚Eb≤mN0p1／me（27）計算結束后，取閾值當中的最大值當做計算參數，可以計算出網絡通信時產生的平均發射能量值，如式（28）。Et（m）＝N0p1／meε∑mi＝1dacjB≈mMp1／meεdaAB（28）如果初始通信節點與目標通信節點之間相隔較遠，在理論上來講，各網絡通信節點間的距離可視為相等，可以表示為εdcjB≈dabo，如式（29）。g（x）＝xN0p1／xe（29）當網絡通信節點之間進行信息傳遞時，收發端都會產生能量損耗，我們用Ec來表示，如式（30）。Ec（m）＝mEct＋Ecr（30）結合上述公式，我們可以計算出網絡通信節點相互之間進行通信時所需要的總體能量值，如式（31）。E（m）＝Ei（m）＋Ec（m）＝mN0p1／meεdaAB＋（mEa＋Ea）（31）在計算出最大能耗值后，可以在網絡通信中選擇最優路徑進行信息傳遞和延遲消除，以此來提升通信節點的抗干擾性，確保通信正常進行。

5實驗結果與分析和評價指標

本文應用節點屬性自學習法和延遲消除法來提升網絡通信節點的抗干擾性，需要進行適當的仿真實驗來判斷其是否具備可行性。在本次仿真實驗中，我們設計了7個信號干擾源，劃定了5個干擾區域，網絡通信節點的綜合可以達到1000個以上。在移動終端的選擇上，我們選擇日常生活中應用較為頻繁的手機和可通信終端這兩種設備。由于在進行數據調度算法時，數據往往具備隨機性，因此選擇了VRN算法來適當地解決這一問題，對比傳統抗干擾方法Kadem－lia、AKademlia和本文提到的抗干擾方法優化后的網絡通信狀況，開始進行實驗，實驗結果，如表1所示。從表1中我們可以看出，除了在極少時段，傳統的Kademlia、AKademlia的抗干擾效果會略高于本文所應用的延遲消除法和節點屬性自學習法，本文所應用的抗干擾方法的效果都是遠高于傳統方法的，其數值可穩定控制在0．8左右，證明其對動態環境適應能力較強，抗干擾效果好，可以確保網絡通信質量，可以進行廣泛地推廣和使用［10］。

6總結

本文采用了節點屬性自學習和延遲消除兩種方法來加強網絡通信系統的抗干擾性，可以對受到干擾的節點的狀態和所處位置進行適當地調整和分析，創建動態推理區間，采用Gossip程序來進行信息采取，有效解決相鄰同頻段節點之間互相干擾的問題。還可以一定程度上優化各通信節點間的數據傳輸速度，提升通信質量，帶給用戶更好的體驗。并于文章的最后進行了仿真實驗，通過實驗結果我們也驗證了這兩種抗干擾方法擁有良好的使用效果，可以優化網絡通信環境，具有可實施性和可操作性。

作者:那爾斯 單位:青海省廣播電視信息網絡股份有限公司