基于多源数据融合的传感器数据智能分析系统

吴荣珍

(福建农业职业技术学院，福建 福州 353123)

0 引言

针对传感器所获取的数据在形式上的多样性和复杂性，分析了多源数据融合技术可以更好地分析其采集的数据，通过检测数据智能分析接口，以此解析系统配置数据，并根据性能评估结果调节数据智能运营模式，以此保证数据智能规划的效率.

文献[1]中，引入深度置信网络对医疗财务大数据进行智能化识别，实现对医院经营状态的自动化评估，但缺少对多源数据的结构化处理.文献[2]中，通过扩大数据信息的采集范围，针对数据应用的性能进行数据计量装置的配置，并针对数据计量装置信息化的系统深化应用进行分析，但数据信息采集的成功率较低.文献[3]中，分层设计数据集成的集合平台，通过检测数据集成结构，对数据智能分析的监测内容进行说明，并整合数据智能分析步骤，但是缺少对数据智能分析算法的设计.

为解决上述问题，本文根据多源数据融合技术，设计传感器数据智能分析系统，构建数据智能分析算法.并通过采集多源化智能传感数据信号，结构化处理多源数据，并利用智能传感数据信号采集数据信息，完成数据分析.

1 硬件设计

1.1 建立多源数据信号传感器

建立多源数据信号传感器，首先分析多源数据信号传感器的结构，并根据系统对于信号传感的性能要求，以及传感器架构设计数据流接口，通过数据流结构设计传感器结构[4-6].划分数据智能分析的框架，将数据智能分析多源数据信号传感器设置为层次结构[7]，存储并预处理多源数据信号[8].控制数据信号流向多源数据处理层，并在处理层经过数据监控存储后进行输出[9].由此构建传感器数据流接口，如图1所示.

图1 传感器数据流接口示意图

根据传感器数据流接口分析可知，数据信号流向多源数据处理层，并且通过云端服务器传递传感器数据[10].因此，对于多源数据信号传感器能够准确传输数据信号有硬性要求[11].据此计算数据状态信号的丢包率，并监测数据传输率[12].根据应用层的数据状态制定源数据传输参考标准，如表1所示.

表1 源数据传输参考标准

根据制定的数据状态对源数据传输标准，以及参考值确定数据传感内容，将传感内容与数据发送时延并行分析，组建多源数据信号传感器结构，如图2所示.

通过组建多源数据信号传感器，对多源数据信号进行预处理，并提取数据信号特征[13].针对多源数据融合的数据智能分析结果存储，并及时更新数据内容，从而达到判断智能分析数据迟延解调的目的.

1.2 构建数据智能分析电路

为了保证数据智能分析速率，更好地存储机器学习数据，调整数据智能分析电路的负荷.智能电路的历史数据分析输出过程较漫长，因此构建电路更新时序，如图3所示.

图2 多源数据信号传感器结构示意图

图3 电路更新时序

表2 电路传输的数据类型

图4 数据智能分析电路

根据电路更新时序图，智能划分电路传输的数据类型，并总结电路传输的数据类型如表2所示.

根据电路传输数据类型构建数据智能分析电路[14].为了保证数据智能分析对应的数据监听包涌入时，不超过数据智能分析电路的荷载范围，需要预先对数据分析包的大小进行计算，公式如下.

(1)

其中，设数据包中的参数pps前三个值分别为A1，A2，A3，n为数据传输首个数据包的长度，Si为数据智能分析电路的数据包传输字节[15].利用数据分析包的大小，对数据包涌入时的荷载波动范围进行计算，计算公式如下.

(2)

其中，q为线路荷载标准值，li为第i个数据包的长度，根据数据向量确立荷载波动范围，并据此选择数据智能分析电路的线路型号[16]，保证数据传输安全.据此，设计数据智能分析电路如图4所示.

利用数据智能分析电路，智能化分析多源数据融合的数据，分担数据传输主线路的传输压[17].并在数据向量荷载波动的范围内，确定数据传输的字节波动范围，同时避免数据包涌入超载造成数据线路短路.

2 软件设计

2.1 采集多源化智能传感数据信号

利用多源数据信号传感器，采集多源化智能传感数据信号.首先控制数据采集传输层，预处理多源化智能传感数据，通过信号预处理控制智能分析指令，并利用连接应用层间的多源化智能传感数据实现通讯连接，通过预处理信号算法传输数据[18].并利用上位机操纵数据传输顺序，进入第一步内在逻辑数据预先处理应用层.

分散处理多源化智能传感数据的数字化控制信息，并总结内在逻辑数据信号的规律，对传感数据进行内部命名，按照电路传输数据的类型调试处理[19].快速确定调试数据的查询位置，根据通用性查询并统计多源化智能传感数据，以便后续进行分析[20].据此得到多源化智能传感数据端接匹配报告，并截留报告，整理电路传输数据类型的端接匹配报告，如表3所示.

表3 整理电路传输数据类型的端接匹配报告

已知匹配结果中存在数据类型端接不匹配的情况时，剔除端接匹配报告的端接数据类型，并整理匹配的电路数据类型，根据匹配结果设定多源化智能传感数据信号采集类别集合为Ci(i=1,2,…,C)，筛选总数为Ni的数据类别集合，并针对部分筛选数据集合进行初始熵值计算，公式如下.

(3)

其中，t为传感数据信号采集时间，Pt为电路匹配端接功率.利用筛选数据集合的初始熵值，判断多源化智能传感数据的聚类中心，并对传感数据的采集区间进行计算，公式如下.

(4)

图5 多源数据信号结构化伪代码

2.2 设计多源数据信号结构化分析算法

根据多源化智能传感数据信号，设计多源数据信号结构化分析算法.首先，设定多源数据信号结构化分析算法的分析程序，伪代码如图5所示.

利用多源数据下游自查并划分数据属性结构，并通过链接关系逆向推理多源数据信号结构，当出现逆向逻辑反馈时，提取数据信号，并进行结构化分析，此时链接关系的表达式如下.

(5)

通过修改多源数据传感信号，得到多源数据信号结构化的关系矩阵，公式如下.

(6)

通过多源数据信号结构的关系矩阵，确立多源数据信号链接关系，并通过链接关系标注信号数据，据此控制多源数据信号在数据信号结构中的位置，通过链接跳转分析多源数据信号，并读取多源数据信号内容，分析多源数据信号结构.

2.3 完成数据智能化分析

利用多源数据融合建立数据智能化分析架构，通过增添数据浏览接口，连接数据分析两端的服务器，据此整理用户分析数据，同时提供数据参数，并处理数据智能化分析趋势，同时收集整理数据智能应用层，根据端接报告展示数据分析结果，如图6所示.

图6 端接报告数据分析展示

根据端接报告数据分析展示内容，进行数据智能化分析重组，并智能化分析多源数据.当出现数据包整体分析进度解压结果后，按照预定的内在逻辑导出多源数据信号内容，并独立分析自检数据类型，导出预先设定好的处理逻辑.同时分离不匹配端接报告的数据类型，利用后台压缩文件数据信号重新匹配端接报上传，以完成数据智能化分析.至此，完成对基于多源数据融合的传感器数据智能分析系统的设计.

3 系统测试

3.1 测试准备

测试开始前搭建测试环境，并采集测试传感数据，通过网络爬虫挖掘测试传感数据，并按照指定源数据传输参考标准划分数据类型，将整理好的电路传输的数据类型按照端接匹配报告的顺序进行排列.将实验数据分为8组，分别应用文献[1]、文献[2]、文献[3]与本文设计系统进行测试，分别测得文献[1]、文献[2]、文献[3]与本文设计系统的传感数据分析迟延解调率，对测试结果进行整理.

3.2 对比传感数据分析迟延解调率

测试得到文献[1]、文献[2]、文献[3]与基于多源数据融合的数据智能分析的传感数据分析迟延解调率结果，如图7所示.

分析图7中数据可知，在分析传感数据的过程中，当解调时间达到100 ms时，文献[1]、文献[2]、文献[3]的解调率达到最高，分别为70%，50%，25%，相较于设计系统的传感数据分析迟延解调率75%均更低.当解调时间达到2 000 ms时，文献[1]、文献[2]、文献[3]的解调率达到最低，分别为12.5%，6.2%，12.5%，相较于设计系统的传感数据分析迟延解调率30%均更低.因此，基于多源数据融合的传感器数据智能分析系统实用性更好.

考虑到数据分析过程中会存在大量干扰数据，数据智能分析系统的抗干扰性能极为重要，统计采用四种系统传感器数据智能分析过程中在加入不同大小白噪声情况下的分析精度，分别加入大小为5～40 dB的白噪声，统计结果如图8所示.

图7 传感数据分析迟延解调率结果

图8 干扰情况下分析精度对比

图8实验结果可以看出，采用本文设计系统在不同白噪声干扰下仍具有较高的分析精度.本文设计系统在加入白噪声大小为40 dB情况下，分析精度仍高于98.5%.设计系统在不同白噪声情况下分析精度均明显高于另三种方法，验证本文设计系统具有较高的抗干扰性能.

4 结束语

通过本文设计系统，提升了数据分析的迟延解调率，解决了传感数据分析迟延线路过载的问题，并通过端接匹配报告划分传感数据类型，实现数据智能化精准分析.今后应当继续研究传感数据的迟延率，从电能计量大数据的多维角度，集成数据智能分析挖掘内容，并整合智能数据分析结果，以此得到数据智能化分析的最优解.