基于NB-IoT技術的無線數據采集方法

唐宏文

（揚州高等職業技術學校 江蘇 揚州 225000）

0 引言

無線數據采集通常與組網關聯存在較強的聯系，在定向傳感網絡的環境之下，針對所設定的數據優化采集目標，進行多層級同步執行，最終完成數據采集任務[1]。通常情況下，傳統的信任模型數據采集方法以及傳統的物聯網統計數據采集方法，對于無線數據的采集較為迅速、覆蓋范圍也十分廣，一定程度上為相關工作人員減輕工作量，營造便利的工作環境[2]。但是在實際執行采集的過程中，仍然存在缺陷及問題，例如數據采集精度不高、采集模式單一、數據匯總及整合的環節復雜等。對于無線數據的處理形成或多或少的阻礙[3-5]。為此，對基于NB-IoT 技術的無線數據采集方法進行驗證與分析。

1 無線數據NB-IoT控制采集方法

1.1 數據同步采集節點布設

基礎的數據采集一般采用單向數據處理的形式，雖然可以完成預期的采集目標，但是在采集過程中存在較多問題，如數據整合及匯總效率不高，一定程度上會導致數據采集出現偏差[6]。因此，結合NB-IoT 技術，進行數據采集節點的布設[7]，將定向地控制網絡與NB-IoT 窄帶物聯網相關聯，形成一個循環式的采集空間[8-9]。

在系統的外側安裝兩個數據采集傳感器，對數據信息進行特征采樣，在同步雙向采集的模式下，設定采集指標，具體如下表1所示：

表1 數據同步采集節點指標布設表

根據表1，完成對數據采集節點基礎指標的布設。隨后，在標定的范圍之內，整合采集的數據集，并測算出自適應采集距離，具體如下式（1）所示：

式（1）中：F表示數據自適應采集距離，? 表示標定采集范圍，β表示節點間距，α1和α2分別表示預設制衡采集覆蓋范圍和實測制衡采集覆蓋范圍。結合得出的自適應采集距離，明確相應的數據采集節點的布設位置，形成無線網絡數據的均衡采集配置機制。采用SN、sink 技術，獲取數據的采集跳數，結合間距的變化，調整同步采集節點的布設位置，實現多目標同步節點設定。

1.2 采集鏈路搭接

依據數據采集節點的布設位置，融合NB-IoT 技術，構建一個融合跟蹤識別級自適應采集鏈路程序。在日常的數據采集工作執行過程中，針對不同范圍內出現的數據，采集形式也存在差異。雖然可以實現采集目標，但是由于節點布設過于分散，一定程度上也增加了數據的采集工作量。

在無線傳感器網絡設定搭接一個均衡控制模型，采用三層采集體系結構，增設融合跟蹤識別鏈路特征點，獲取基礎數值信息之后，測算出鏈路搭接間距，具體如下式（2）所示：

式（2）中：H表示鏈路搭接間距，m表示單向鏈路搭接距離，n表示鏈路重疊距離，i表示執行次數，π1和π2分別表示采集節點的預設矢量長度與實測矢量長度。根據鏈路搭接間距確定鏈路覆蓋范圍，結合數據采集關系程序或者模型，對重點區域的數據進行錨點異常標記，形成鏈路的搭接結構，完成對采集節點鏈路的搭接。

此外，所設定的數據采集鏈路之間也需要在執行的過程中根據數據特征作出分類，進一步形成多目標的數據采集識別程序，確保數據后續的傳輸。結合上述鏈路采集的數據及信息，針對所獲取的基礎數據，需要將其轉換為特定的應用格式，測算出具體的無線數據轉換速率，具體如下式（3）所示：

式（3）中：B表示無線數據轉換速率，1? 和?2分別表示預設轉換數據量和實測轉換數據量，χ表示采集目標偏差，e表示轉換采集次數。結合得出的無線數據轉換速率，對采集鏈路作出多層級、多目標的搭接之后，調整不同階段的無線數據轉換速率，以此來優化完善鏈路的搭接效果。

1.3 自適應NB-IoT 分段采集陣列設計

在上述搭建的采集鏈路之上設定具有同步性的數據分流裝置，同時針對數據包的轉換及采集傳輸，進行自適應限制采集數值的布設，具體如下表2所示：

表2 自適應NB-IoT 分段采集陣列參數設定表

結合表2，對自適應NB-IoT 分段采集陣列的相關執行指標做出調整及更改。在矩陣之內構建一個自適應采集指令，在NB-IoT 技術的輔助之下，根據采集數量的變化程度，設定對應的數據處理階段。

在這一過程中需要注意的是，每一個數據處理節階段的采集標準均是不同的，且彼此之間存在較大的差異。在日常的采集執行過程中，需要結合NB-IoT 技術，在所布設的節點位置設計自適應能力較強的采集感應器，并將采集鏈路與自適應陣列相搭接，計算出陣列的采集識別率，具體如下式（4）所示：

式（4）中：Y表示采集識別率，ω表示采集范圍，η表示標記采集距離，θ表示通信傳輸間距。結合得出采集識別率，進行采集陣列階段性區域的劃定，與所設定的采集鏈路相融合，利用NB-IoT 標記功能，完成自適應NBIoT 分段采集陣列的設計。

1.4 建立無線數據NB-IoT 采集模型

將構建的自適應NB-IoT 分段采集陣列設定在基礎的數據采集模型執行程序之中，調整數據采集節點的位置，設計數據采集傳輸信道結構。提出均衡控制采集的無線數據采集程序，重新部署傳感器節點的覆蓋范圍，計算數據輸出節點的實際發射功率，具體如下式（5）所示：

式（5）中：J表示輸出節點實際發射功率，f表示部署范圍，v表示單向采集距離，q表示采集次數，α表示預設采集精準度，φ表示信道覆蓋區域。結合得出的輸出節點實際發射功率，調整模型內部節點的布設情況。

與此同時，依據不同的數據采集階段，進行數據采集精度的量化傳導處理。在日常的數據采集過程中，利用寬帶距離的約束，設計載頻頻率編碼，在模型中增設無線傳感數據采集信道，依據傳遞函數的變化，調整數據采集信道的等效覆蓋應用范圍，完成無線數據采集模型的構建。

1.5 移動Sink 法實現數據動態化采集

利用數據采集模型，先對數據進行基礎處理，構建3層的數據采集結構。頂層結合NB-IoT 采集技術設定移動Sink 采集標準點，設定中轉范圍，利用感知裝置將數據與信息轉換為負荷傳輸形式的數據信息包，在標記的信道之中發送至MULEs。而所采集的數據由于頂層Sink 逐漸向下屬位置進行數據采集，設計數據采集軌跡，具體如下圖1所示：

圖1 移動Sink 數據采集軌跡圖示

融合圖1所示軌跡內容，根據移動Sink 定點與NBIoT 采集的處理效果，分階段進行數據的采集。完成數據分類后，根據數據采集的軌跡，調整節點的單向采集量，以動態化的數據采集模式，增加實際的數據采集范圍。通過數據包、信息包的形式，將數據采集節點相互關聯，進行數據采集的移動優化。但需要注意的是，如果遇到復雜的數據處理環境，可以調整移動覆蓋節點，并調整具體的采集環節，實現多維數據采集。

2 方法測試

本次測試主要是對本文設計方法的實際應用效果進行分析與研究。考慮到最終測試結果的真實可靠，需要選擇Matlab 7，搭配NB-IoT 技術進行輔助設計，標記D 平臺作為測試的主要目標對象對陳輝等[2]和莊錫釗等[4]設定的傳統信任模型數據采集測試組、傳統物聯網統計數據采集測試組以及本文所設計的NB-IoT 無線數據采集測試組進行測試，測試最終得出的結果以對比的形式展開分析，結合無線數據的采集需求及標準進行測試環境的搭建。

2.1 測試準備

針對D 平臺日常的數據傳輸及采集需求標準，結合NB-IoT 技術，對無線數據采集方法測試環境進行搭建。將Cloudsim 平臺與預設的D 平臺進行關聯，建立數據導入和采集的執行關系。在標定的采集范圍之內部署空間結構模型，設定對應數量的數據采集節點，依據覆蓋范圍，可以設定大概220 個節點形成關聯。數據采集單向采樣頻率調整為15 kHz，依據獲取的數值及信息，測定出此時數據采集范圍內的碼元誤差，可以進一步確定數據采集誤差極限標準，作為后續數據采集的限制。再根據數據采集的時域分布情況，布設對應的鏈路及信道，形成關聯后確保在數據處理過程中的均衡配置處理，確定數據采集的實時誤碼率，分析數據采集輸出的迭代狀態，具體如下圖2所示：

圖2 數據采集輸出迭代狀態圖示

根據圖2，可以了解到數據采集輸出的迭代狀態，將迭代控制在合理的范圍之內，確保數據采集過程中的均衡性與可靠性，盡量降低無線數據采集的能耗開銷，完成測試環境的搭建。

2.2 測試過程及結果分析

首先開啟平臺的數據處理程序，下達運行控制指令，催動布設在各個區域節點對相應范圍內的數據信息采集。采用Matlab 7 數據處理軟件，將其轉換為等效的數據包，并通過NB-IoT 標記技術，對所采集的各個位置作出逆向標定，通過預設的信道傳輸到對應的平臺位置之上。測試針對同一區域進行數據采集誤碼率的測定計算，結合得出的測試結果，針對具體的數值作出分析與驗證，具體如下表3所示：

表3 測試結果對比分析表

結合表3可知，采用NB-IoT 技術，無線數據采集的速度較快，采集的精準性較高，信道均衡性較高，具有實際的應用價值。

3 結語

在NB-IoT 技術輔助的環境下，無線數據采集工作得到了極大的創新和突破，逐漸打破了傳統數據采集模式的束縛。利用監測傳感器，對獲取的數據進行篩選和定位，通過對監測區域數據的優化處理并結合實際需求，不斷調整自身的數據采集標準。在整個采集過程中，蜂窩式的網絡結構也最大程度避免了數據采集中存在的誤差，便于后續的搭接部署。從整體上提高對目標環境的信息監測與控制能力，優化無線數據采集的結構體系，以傳輸節點加強控制程序、調節運行荷載頻率、降低誤碼率的同時，推動數據采集技術邁向一個新臺階。