论文部分内容阅读
[摘 要]随着光纤传感技术的迅猛发展以及光纤传感器性能的提高，大数据的不断发展，通过云存储和云计算方式进行数据的分布式网格计算，以及对云存储空间的合理规划，对提高大规模光纤激光传感云数据的数据收发以及集成调度能力具有重要意义，更给研究大规模光纤激光传感云数据的有效存储方法带来巨大挑战。基于此，本文提出一种基于冗余数据删除和特征空间降维压缩的大规模光纤激光传感云数据优化存储方法。实现存储结构模型构建和存储过程中的冗余数据删除及特征压缩等算法的优化，可以有效降低存储开销，提高大规模光纤激光传感云数据的存储效率，具有高应用价值。
[关键词]光纤激光传感器；云数据；存储方法
中图分类号：TM835 文献标识码：A 文章编号：1009-914X（2017）26-0281-01
1 光纤激光传感云数据存储体系的构建
1.1 光纤激光传感数据存储的原理
建立大规模光纤激光传感云数据云存储系统的数据融合模型，如图1所示。在上述存储模型的总体构架的基础上，对大规模光纤激光传感云数据云存储系统网络数据信息进行建模，客户端上传文件前，通过连通图对激光传感数据进行全文件分块，设大规模光纤激光传感云数据云存储系统的文件切片节点之间的间距，在一个时间片内，使用同态标签，可以使大规模光纤激光传感云数据不受到待检测文件的基本块文件干扰，不需要对所有的数据块进行检测，从而降低了大规模光纤激光传感云数据的存储通信开销和计算开销。
1.2 激光光栅云数据的特征抽取
在云计算环境下，采用自顶向下的分析方法进行存储过程的块结构构建，假设云数据的特征抽取的过程向量X和Y为抽象语法树属性集合，形如XY的ascii字符集合关联规则，添加四元组：（VT，VN，S，φ），得到云服务器对每个基本块mi，j（i≤n，j≤k）进行数据抽取的无向图用G表示，假设i为多个文件子块的聚集相空间轨迹，vi={vi1，…，vip}为数据语法标签识别所需时间。大规模光纤激光传感云数据长文件子块的标签信息的时间序列为{x（t0+iΔt）}，i=0，…，N-1，采用分散控制进行大规模光纤激光传感云数据{x（t0+iΔt）}，i=0，…，N-1的离散控制，过载数据信息流矢量长度为K，进行采样抽取，文件块的标签信息关联到S-Table上，得到大規模光纤激光传感云数据存储空间状态矢量。
2 大规模光纤激光传感云数据存储方法改进
2.1 激光光栅失效冗余数据的删除
本文提出一种基于冗余数据删除和特征空间降维压缩的大规模光纤激光传感云数据优化存储方法，给出在第k个时间片内大规模光纤激光传感云数据的分离统计特性为：E[V（k）]=0，E[V（k）VT（k）]=R（k）其中，V（k）为大规模光纤激光传感云数据的多散点云集矩阵，VT（k）为V（k）取转置矩阵，R（k）为冗余数据的分布特征子空间，结合数据抽取结果，采用匹配投影滤波对给出的大规模光纤激光传感云数据执行自适应匹配塔形分解，计算大规模光纤激光传感云数据的离散样本频谱特征Xp（u），主特征量为：
其中，sc（t）表示度数较大的节点数据的标量时间序列，ej2πf0t表示右邻存储节点的指针域，f0为的冗余过载边的数据采样频率，T表示数据的时间采样间隔。光纤传感云数据存储系统的后代节点在冗余数据过载下存储的负荷度矩阵为：
其中，i=1，…，N表示云数据云存储系统节点，假设V=[v1，…，vn]表示动态云存储的调度向量，即一个数据存储和调度方案，客户端上传的数据块采用匹配投影方法进行主特征匹配，结合冗余数据在存储特征空间中的多普勒频移进行相位修正和冗余滤波，在無限维的云数据存储空间L2（R）中，采用循环堆栈控制的索引表记录数据库的指标集为：
上式中的a表示存储节点发出的过载反馈信息参量，以此确定数据块中存储Sink节点的过载边β，而β正是要求取低负荷存储的指标γ0。采用匹配投影检测方法进行冗余数据的特征提取，结合对大规模光纤激光传感云数据的数据索引表得到最佳的投影基f和基底函数dγ0之间的匹配程度，在每次投影前都在当前节点的负载空间和剩余存储空间D中进行均衡调度，通过很多次最佳基搜索，得到最佳的基底函数为λn（dγ0），实现对大规模光纤激光传感云数据存储系统的中冗余数据的删除和滤波。
2.2 云光栅数据特征压缩及优化存储
在大规模光纤激光传感云数据的存储空间中，由于特征的高维性，导致存储空间的开销较大，需要进行特征压缩实现存储空间降维，对大规模光纤激光传感云数据，采用Dopplerlet自适应特征压缩方法进行特征压缩，Dopplerlet变换表达式：X=Rα·x；其中，Rα是N×N维矩阵，表示光传感云数据的多线程的信息流特征编码采用“负荷评价器”构建模糊隶属函数进行负荷程度的预估，设计K-L特征压缩器，对大规模光纤激光传感云数据的Doppler加权信息进行局部性交叉项调制，大规模光纤激光传感云数据的特征空间嵌入状态向量U∈Rm×m表示为正交矩阵，V∈RM×M，其中UT=U-1，VT=V-1，D∈Rm×M，且D=[∑0]表示云数据在存储空间融合的聚类中心，基于Dopplerlet自适应匹配塔形，得到大规模光纤激光传感云数据存储特征分区网格，由此遍历存储任务节点，实现对大规模光纤激光传感云数据的特征压缩，优化存储性能。
参考文献
[1] 敖莉，舒继武，李明强.重复数据删除技术[J].软件学报，2010，21（5）：916-929.
[2] 程海英，王浩.基于PSO-RVM的光传感器参数标定算法[J].激光杂志，2016，37（2）：12-15.
[关键词]光纤激光传感器；云数据；存储方法
中图分类号：TM835 文献标识码：A 文章编号：1009-914X（2017）26-0281-01
1 光纤激光传感云数据存储体系的构建
1.1 光纤激光传感数据存储的原理
建立大规模光纤激光传感云数据云存储系统的数据融合模型，如图1所示。在上述存储模型的总体构架的基础上，对大规模光纤激光传感云数据云存储系统网络数据信息进行建模，客户端上传文件前，通过连通图对激光传感数据进行全文件分块，设大规模光纤激光传感云数据云存储系统的文件切片节点之间的间距，在一个时间片内，使用同态标签，可以使大规模光纤激光传感云数据不受到待检测文件的基本块文件干扰，不需要对所有的数据块进行检测，从而降低了大规模光纤激光传感云数据的存储通信开销和计算开销。
1.2 激光光栅云数据的特征抽取
在云计算环境下，采用自顶向下的分析方法进行存储过程的块结构构建，假设云数据的特征抽取的过程向量X和Y为抽象语法树属性集合，形如XY的ascii字符集合关联规则，添加四元组：（VT，VN，S，φ），得到云服务器对每个基本块mi，j（i≤n，j≤k）进行数据抽取的无向图用G表示，假设i为多个文件子块的聚集相空间轨迹，vi={vi1，…，vip}为数据语法标签识别所需时间。大规模光纤激光传感云数据长文件子块的标签信息的时间序列为{x（t0+iΔt）}，i=0，…，N-1，采用分散控制进行大规模光纤激光传感云数据{x（t0+iΔt）}，i=0，…，N-1的离散控制，过载数据信息流矢量长度为K，进行采样抽取，文件块的标签信息关联到S-Table上，得到大規模光纤激光传感云数据存储空间状态矢量。
2 大规模光纤激光传感云数据存储方法改进
2.1 激光光栅失效冗余数据的删除
本文提出一种基于冗余数据删除和特征空间降维压缩的大规模光纤激光传感云数据优化存储方法，给出在第k个时间片内大规模光纤激光传感云数据的分离统计特性为：E[V（k）]=0，E[V（k）VT（k）]=R（k）其中，V（k）为大规模光纤激光传感云数据的多散点云集矩阵，VT（k）为V（k）取转置矩阵，R（k）为冗余数据的分布特征子空间，结合数据抽取结果，采用匹配投影滤波对给出的大规模光纤激光传感云数据执行自适应匹配塔形分解，计算大规模光纤激光传感云数据的离散样本频谱特征Xp（u），主特征量为：
其中，sc（t）表示度数较大的节点数据的标量时间序列，ej2πf0t表示右邻存储节点的指针域，f0为的冗余过载边的数据采样频率，T表示数据的时间采样间隔。光纤传感云数据存储系统的后代节点在冗余数据过载下存储的负荷度矩阵为：
其中，i=1，…，N表示云数据云存储系统节点，假设V=[v1，…，vn]表示动态云存储的调度向量，即一个数据存储和调度方案，客户端上传的数据块采用匹配投影方法进行主特征匹配，结合冗余数据在存储特征空间中的多普勒频移进行相位修正和冗余滤波，在無限维的云数据存储空间L2（R）中，采用循环堆栈控制的索引表记录数据库的指标集为：
上式中的a表示存储节点发出的过载反馈信息参量，以此确定数据块中存储Sink节点的过载边β，而β正是要求取低负荷存储的指标γ0。采用匹配投影检测方法进行冗余数据的特征提取，结合对大规模光纤激光传感云数据的数据索引表得到最佳的投影基f和基底函数dγ0之间的匹配程度，在每次投影前都在当前节点的负载空间和剩余存储空间D中进行均衡调度，通过很多次最佳基搜索，得到最佳的基底函数为λn（dγ0），实现对大规模光纤激光传感云数据存储系统的中冗余数据的删除和滤波。
2.2 云光栅数据特征压缩及优化存储
在大规模光纤激光传感云数据的存储空间中，由于特征的高维性，导致存储空间的开销较大，需要进行特征压缩实现存储空间降维，对大规模光纤激光传感云数据，采用Dopplerlet自适应特征压缩方法进行特征压缩，Dopplerlet变换表达式：X=Rα·x；其中，Rα是N×N维矩阵，表示光传感云数据的多线程的信息流特征编码采用“负荷评价器”构建模糊隶属函数进行负荷程度的预估，设计K-L特征压缩器，对大规模光纤激光传感云数据的Doppler加权信息进行局部性交叉项调制，大规模光纤激光传感云数据的特征空间嵌入状态向量U∈Rm×m表示为正交矩阵，V∈RM×M，其中UT=U-1，VT=V-1，D∈Rm×M，且D=[∑0]表示云数据在存储空间融合的聚类中心，基于Dopplerlet自适应匹配塔形，得到大规模光纤激光传感云数据存储特征分区网格，由此遍历存储任务节点，实现对大规模光纤激光传感云数据的特征压缩，优化存储性能。
参考文献
[1] 敖莉，舒继武，李明强.重复数据删除技术[J].软件学报，2010，21（5）：916-929.
[2] 程海英，王浩.基于PSO-RVM的光传感器参数标定算法[J].激光杂志，2016，37（2）：12-15.