通信數據傳輸效率優化控制技術研究

陳晨

（西安烽火電子科技有限責任公司，陜西 西安 710000）

網絡通信中的數據傳輸效率對網絡運行和用戶服務質量具有重要影響，網絡數據傳輸一般需要占用數據傳輸帶寬的一半以上，提高數據通信傳輸效率對提高網絡運行性能具有重要意義。通信數據的傳輸帶寬通常是時變的，隨時間發生動態變化，現有的通信數據傳輸效率控制方法無法很好地適應傳輸帶寬的時變特性，在數據傳輸過程中，若數據鏈路出現傳輸過載狀態，通信數據的傳輸效率將大幅度降低[1-2]。關于通信數據傳輸效率提升問題，已提出了一些相關的研究方法。其中，基于網絡數據代理的中間撤銷算法，該算法針對數據傳輸過程中數據撤銷導致的效率降低問題，對中間代理進行輔助處理，并對數據進行加密，再進行重新傳輸時無需對數據進行重新加密，且用戶不具備對數據解密的權限，提高傳輸效率的同時增強的數據安全性，但該算法存在數據處理時間消耗過長的問題[3]。通信沖突傳輸控制改進算法，該算法運用簇和聚集相結合的機制，在通信數據中構建簇，在數據節點進行傳輸的過程中進行聚集操作，構成新的簇，并對局部的聚集樹進行上色，使得數據沿著局部聚集數進行傳輸，從而提高數據傳輸效率，但該算法具有數據傳輸延時的問題，影響了數據傳輸的實時性[4]。本文將針對信息數據傳輸的效率問題提出相應的改進方法，為了實現通信數據傳輸效率的最優控制，對傳統粒子群算法進行改進，改進數據位置和速度更新迭代公式。實驗結果表明，與傳統粒子群算法和單路傳輸方法相比較，改進型粒子群算法更好地提升了通信數據的傳輸效率。

1 信息數據傳輸效率控制模型

信息數據傳輸效率控制主要原理是對數據源頭與終端間的距離概率密度函數、分布函數進行分析，依據數據效率傳輸函數對數據傳輸的速率和功率進行分配，通過信道疊加編碼與濾除干擾等方法，對數據信道進行優化選擇，保證數據在最佳信道上進行傳輸，從而實現對信息數據傳輸效率的控制。

數據效率控制過程可描述為：對數據進行排序，并計算數據的瞬時容量，并根據數據的傳輸功率增益，對數據進行選擇，將被選擇的數據與疊加編碼相結合。在編碼的過程中，通過競爭數據定義邊際函數，并依據數據的效用函數、傳輸功率和傳輸速率參數，對數據進行分配[5]。其中，邊際函數的定義為：

2 通信數據傳輸效率控制策略

通信數據傳輸效率控制主要是根據動態數據的稀缺性和緊迫性，對數據進行優先級劃分，再利用數據帶寬、傳輸距離計算出數據節點的能力度，然后利用粒子群算法對數據節點進行尋優，搜尋出最優數據節點集，將動態數據傳輸的效率控制在最優水平[6]。其中，主要涉及通信參數和改進粒子群控制方法。

2.1 通信數據參數

在對通信數據進行優先級評估時，主要是利用數據的稀缺性和緊迫性因素進行評價，數據優先級評估公式可表示為[7]：

依據數據優先級可實現對數據的排序，從而推斷出數據傳輸所需要的數據節點數量，并根據數據節點的能力度確定數據節點的提供者。

2.2 改進粒子群傳輸效率控制方法

在通信數據傳輸效率控制的過程中，需要對數據的傳輸時間因素進行考慮，可將傳輸時間因素作為數據傳輸評價參數之一。在通信過程中，求解出最優的數據節點，其通信消耗的傳輸時間最短，然后對數據節點的時間集進行計算，獲得通信時間總和。在實際通信過程中，會存在網絡擁堵現象，需要將時間延時和數據節點負荷考慮進去，通信時間計算公式可表示為[8-9]：

其中，Ts代表通信數據的傳輸總時間；Ti代表第i 個數據節點的傳輸時間；Li代表數據節點的負荷大小；Twi代表數據節點傳輸過程中產生的時間延時；Gi代表動態數據傳輸過程中產生的時間延時。

由于粒子群算法具有篩選和尋優的特性，在通信數據傳輸效率最優控制問題上具有明顯優勢。利用粒子群算法主要用來解決通信數據傳輸效率控制中的編碼問題，首先對粒子群算法進行改進處理，設定動態數據的速度向量和位置向量，速度向量決定了動態數據的傳輸速率和方向，位置向量決定了數據的中心位置，二者是對效率控制評價的參考基礎[10-11]。經過優化處理的粒子群算法，其數據位置和速度更新迭代公式表示為：

公式中，c1和c2表示粒子群的兩個學習因子，其可調節粒子的自學習效率。通過粒子群的學習與迭代，完成通信數據的編碼，將動態數據粒子收斂至最優位置，從而實現對通信數據傳輸效率的最優控制[12]。

3 對比實驗

為了驗證本文提出的改進型粒子群算法在通信數據傳輸效率控制方面的有效性，進行傳輸效率控制對比實驗。實驗參數如表1 所示，主要參數包括：N 代表數據節點數量；Type 代表數據節點的類型數量；numi代表第i 種數據所占用的節點數量；vi代表第i 中數據的帶寬；bbase代表帶寬基值；代表數據長度的平均值；代表數據長度的方差值；代表數據的參考基數；代表數據的參考方差；代表數據的平均值；代表數據的方差值。

表1 實驗數據的參數值

對比單路傳輸、傳統粒子群算法和本文改進型粒子群算法的通信數據傳輸測試時間，如圖1 所示，不同方法數據通信效率控制效果對比如圖2 所示，由測試結果可以看出，利用本文提出的改進型粒子群算法，數據傳輸時間最短，且隨帶寬差的增加，傳輸效率為發生明顯下降，數據傳輸效率最高。

圖1 不同方法的數據傳輸效率對比

圖2 不同方法數據通信效率控制效果對比

對比測試傳統粒子群算法和本文改進型粒子群算對數據進行動態傳輸時造成的時延大小，圖3 為隨著時間變化數據往返時延大小。從圖中可以看出，隨著時間的變化，傳統粒子群算法和改進粒子群算法的往返時延均趨于穩定，在進行數據的動態傳輸時，傳統粒子群算法的往返時延穩定在1.2s 左右，而改進粒子群算法的往返時延穩定在0.4s 左右。通過數據動態傳輸的往返時延對比，可以明顯看出改進型粒子群算法的時延較小，可顯著縮短對數據的處理時間，提高數據傳輸效率。

圖3 數據傳輸往返時延測試曲線

4 結論

本文針對通信數據傳輸效率控制問題，對數據傳輸模型進行描述，并對其中關鍵評價指標進行分析，將粒子群算法應用于通信數據傳輸效率控制的編碼中，并對經典粒子群算法的迭代更新策略進行了改進。通過實驗對比，可以明顯看出，利用改進型的粒子群算法，在不同的網絡帶寬差值點上均保證了傳輸效率的穩定提升，實現了數據傳輸的整體效率提升。