LoRa無線通信技術下數據機房運行環境在線監測方法研究

摘要：文章提出了一種LoRa無線通信技術下數據機房運行環境在線監測方法，構建了LoRa無線通信網絡總體架構，利用擴頻通信技術完成了機房運行數據的收集；利用卡爾曼濾波器對數據進行了預處理；通過計算異常概率，實現了對機房環境變化的實時監測和預警。實驗結果表明，所提方法整體的信噪比最高可達94 dB，吞吐量最高達6197 bps，具有很好的實用性。

關鍵詞：LoRa無線通信技術；卡爾曼濾波器；機房運行環境

中圖分類號：TP202""文獻標志碼：A

0"引言

數據機房作為信息交換管理的核心場所，其運行環境的穩定性和安全性對于保障數據傳輸、存儲及系統運行的順暢至關重要^［1-2］。有學者對數據機房運行環境在線監測系統進行了研究，孫勇等^［3］設計并搭建了用于機房測溫的ROTDR分布式光纖傳感系統，實現了集成化直接測量，然而，該系統隨著光纖長度的增加，拉曼散射信號的強度會逐漸減弱，導致信號的信噪比降低，影響了測溫的精度和范圍。李苗等^［4］研究的系統能夠實時地將機房內設備的運行狀態通過網絡高效地傳輸至PC、手機等多種客戶端，物聯網系統通過傳感器等設備采集大量數據并傳輸到云平臺進行分析和存儲，由于數據傳輸通道未進行加密，導致用戶隱私泄露、數據被非法訪問。

因此，本文研究了基于LoRa無線通信技術的數據機房運行環境在線監測方法，以確保機房的安全、穩定運行，這對保障數據傳輸、存儲及系統運行的順暢具有重要意義，是推動信息化和數字化發展的重要研究支撐。

1"基于LoRa無線通信技術的機房運行數據采集

LoRa無線通信網絡總體架構由感知層、網絡層、應用層組成，具體如圖1所示。

在架構中，LoRa無線通信技術主要采用擴頻通信技術進行數據傳輸，其原理是在發射端使用擴頻編碼函數將信息調制為一個寬頻信號，在接收端使用對應的函數對接收到的寬頻信號進行壓縮解調^［5-6］。為了優化接收數據的信噪比，有效的方法是擴展傳輸信號的頻譜寬度。在極端環境下，即便噪聲功率接近甚至超過數據信號本身的功率，得益于先進的信號處理技術，接收設備仍能有效區分并鎖定信道中的有用信號，確保其不被噪聲掩蓋。這種能力顯著增強了信號接收的精確度和靈敏度，最終促使通信系統整體性能的提升。

通過合理的發射功率計算，可以確保信號在傳輸過程中具有足夠的能量克服信道衰減和干擾，從而確保通信的穩定性和可靠性。發射功率以增益為衡量標準，表達式為：

R=30+10lgP（1）

式（1）中，P表示功率；R表示增益。

在利用調制解調器進行數據傳輸時，有效負載即實際傳輸數據的量是靈活可調的，可依據具體應用的需求進行設定，因此它并不是一個固定的值。在顯性模式下操作，有效負載的長度和糾錯編碼的比率是依據數據包的報頭信息來動態確定的；在隱性模式下，這些參數則通過訪問和配置特定的寄存器來靜態設置。鑒于LoRa通信系統獨特的通信特性和廣泛的應用場景，合理設置有效負載并為其配置適當的CRC校驗碼顯得尤為重要。根據待傳輸數據的特性以及傳輸過程中的具體要求，精心選擇CRC校驗碼的配置，能夠有效地判斷數據在傳輸過程中是否發生錯誤，從而確保數據的完整性和準確性。

LoRa硬件可以配置不同的編碼率以優化通信效率和傳輸距離。為了確保數據傳輸速度達到最優水平，在本次LoRa通信試驗中，采取了將編碼率設定為恒定值4/5的策略。這一設定旨在預防因編碼率過低而導致的數據傳輸速率顯著下降，進而縮短測試周期，避免測試過程因耗時過長而降低效率。同時，根據應用需求和網絡環境選擇合適的帶寬，以確保數據能夠得到高效傳輸。計算公式如下：

w=f2-f1（2）

式（2）中，f2表示信號的上限頻率；f1表示信號的下限頻率。

2"數據機房運行環境在線監測設計

在數據機房環境監控體系中，傳感器節點作為數據采集的關鍵環節，其運行環境復雜多變，常受機房設備電磁輻射、制造工藝差異等多種因素影響，導致所收集的數據摻雜大量噪聲，直接傳輸這類數據往往會導致最終展示結果的顯著偏差，嚴重影響數據的精確度和可信度，進而削弱數據融合分析的實際參考價值。經典的卡爾曼濾波算法以其高效的數據處理能力著稱，即便在節點層面進行輕量級運算，也能有效剔除傳輸過程中的干擾因素，精準滿足數據機房環境監測的嚴苛需求。鑒于此，本文在數據傳輸的節點層面，引入卡爾曼濾波算法作為數據處理手段，對原始數據進行精細化過濾。數據機房環境監測中采集變量較多，傳感器的狀態方程和輸出方程如下：

x_k+1=Axk+wk

yk=Hkxk+vk（3）

式（3）中，x_k+1表示傳感器k的狀態；A表示單位矩陣；xk表示k時的實際環境溫度狀態向量；wk表示過程的噪聲；yk表示傳感器k的輸出；Hk為傳感器的轉換系數；vk表示測量噪聲，即各傳感器節點自身可能出現的噪聲，它們為互不相干的零均值高斯白噪聲。由于過程溫度隨時間緩慢變化，傳感器的狀態向量和誤差初始化方程如下：

x（00）=E（x0）

Px（00）=E［（x0-x（00））^T］（4）

式（4）中，x（00）表示傳感器的狀態向量；E表示當前溫度值；x0表示溫度的變化率；Px（00）表示傳感器誤差初始化；T表示初始誤差值。

卡爾曼濾波遞推如下。

（1）時間更新方程。

x（kk-1）=Ax（kk-1）

Px（kk-1）=AxP（kk-1）A_k-1（5）

式（5）中，x（kk-1）表示當前狀態估計；Ax表示狀態轉移矩陣；（kk-1）表示控制輸入；Px（kk-1）表示當前誤差協方差估計；Px表示協方差更新；A_k-1表示預測誤差協方差。

（2）測量更新方程。

kg（k）=Px（kk-1）H^T（k）H^T（k）Px（kk-1）H^T（k）（6）

式（6）中，kg（k）表示測量值；H^T表示測量矩陣。利用式（5）和式（6），卡爾曼濾波器通過迭代計算的方式，對傳感器節點所采集的觀測值進行精確處理，以計算出最優的估計值。這一過程實質上實現了對原始數據的降噪處理。在數據機房環境監測系統中，當環境參數采集節點因自身故障或環境干擾而產生異常或誤差過大的數據時，這些不準確的數據如果直接用于后續分析，將嚴重影響監測結果的可靠性。為了應對這一問題，通常在簇首節點對經過初步濾波處理的數據進行進一步的優化處理，在這一環節中，K-means算法因其算法復雜度相對較低且執行效率高的特點，成為了優選之一，用于簇內識別和異常數據剔除。因此，利用K-means算法在簇首節點進行數據處理，從而有效地剔除簇內的異常數據。數據誤差和函數是每一個節點采集數據到聚類中心的距離平方，公式如下：

F=∑ki=1∑p∈Xi‖p-m‖²（7）

式（7）中，F表示數據誤差和函數；p表示報警信號；m表示異常數據。在K-means算法中，誤差和函數是其核心公式。算法通過循環計算誤差和函數的值，尋求使其逐漸減小的方式來改進聚類效果。當誤差和函數的值在連續迭代中基本保持不變時，通常認為算法已經收斂到了一個穩定的狀態，此時可以停止循環計算過程。本文利用該算法主要看采集的環境數據是否正常，所以k取值為2，即優劣2種數據。

設 t時刻有m+n個同質傳感器組成的傳感器數據，經上一步剔除了m個異常數據，集合X=｛X1，X2，…Xm｝。最后，將集合中的數據作為有效的測量數據繼續進行下一步監測處理。

采用最小二乘法對集合X進行線性擬合及回歸分析法的值預測，即數據點的實際值與模型預測值之差：

γ=a^x-b^（8）

式（8）中，γ表示殘差；a^x表示數據點的實際值；b^表示模型預測值。根據殘差計算每個數據點的異常概率，統計產生報警信號：

p=∑（special）/∑all（9）

式（9）中，p表示產生的報警信號；∑（special）表示異常概率；∑（all）表示所有值。設定閾值τ，若pgt;τ，則產生報警信號，表示該數據點可能是異常的。

基于上述流程，實現基于LoRa無線通信技術的數據機房運行環境在線監測。

3"實驗分析

為驗證所提方法的實際應用性能，將孫勇等^［3］方法和李苗等^［4］方法作為對比方法，與本文方法共同參與實驗。選擇兼容LoRaWAN標準的LoRa網關和LoRa節點設備，LoRa網關用于接收來自LoRa節點的數據并將其轉發到Mongodb數據庫。采用信噪比、吞吐量作為實驗指標，信噪比越高，說明信號的質量越好，受噪聲的干擾越小；吞吐量越高，說明網絡傳輸數據的效率越高，能夠更快地完成數據傳輸任務。信噪比與吞吐量驗證結果如圖2—3所示。

在圖2中，所提方法的整體信噪比表現更為優越，最高值達到了94 dB，最低時也保持在86 dB的高水平，遠高于對比的另兩種方法。在圖3中，當時間達到1 s時，所提方法的吞吐量高達6197 bps，而孫勇等^［3］方法僅達到4813 bps，李苗等^［4］方法只有4452 bps，本文所提方法傳輸效率更高。由此可以說明，所提方法在抑制噪聲、提升信號質量方面表現更為出色，同時在網絡數據傳輸效率和速度上也具有明顯的優勢，應用效果較好。

4"結語

本文提出了基于LoRa無線通信技術的數據機房運行環境在線監測方法，不僅構建了高效穩定的通信網絡架構，而且通過卡爾曼濾波器和異常概率計算實現了對機房環境變化的精準監測和預警。實驗結果的高信噪比和吞吐量充分證明了該方法的可行性和實用性，能夠為機房的安全運行提供有力保障，具有較高的應用價值。

參考文獻

［1］夏祥.基于物聯網的電力通信機房監測系統設計［J］.中國寬帶，2023（5）：92-94.

［2］蒲成雷.基于NodeMCU和OneNET的設備機房環境監測系統設計［J］.現代信息科技，2023（20）：80-83.

［3］孫勇，王宇，李杉山，等.基于ROTDR分布式光纖傳感的機房溫度監測系統設計［J］.中國新通信，2024（1）：23-26.

［4］李苗，史懷利，吳建輝.基于物聯網技術的機房動力環境監測系統的研究與應用［J］.技術與市場，2022（4）：119-120.

［5］蔣鵬.基于LoRa無線通信的煤礦礦井環境智能監測系統設計［J］.煤炭技術，2023（7）：206-208.

［6］盛亞杰，赫樹開，曾曉哲，等.基于LoRa無線通信技術的變電站環境感知節點設計［J］.現代信息科技，2023（2）：161-163，166.

（編輯"沈"強）

Research on online monitoring method for operating environment of data room under LoRa wireless communication technology

XU "Lei

（Liaoning University of International Business and Economics， Dalian 116023， China）

Abstract： The article proposes an online monitoring method for the operating environment of data centers under LoRa wireless communication technology. Constructed the overall architecture of LoRa wireless communication network and utilized spread spectrum communication technology to collect operational data from the data center; The data was preprocessed using a Kalman filter; By calculating the probability of anomalies， realtime monitoring and early warning of changes in the computer room environment have been achieved. The experimental results show that the proposed method has an overall signaltonoise ratio of up to 94 dB and a throughput of up to 6197 bps， demonstrating good practicality.

Key words： LoRa wireless communication technology; Kalman filter; operating environment of the computer room