基于云计算的船舶大规模数据融合技术

发布时间：2021-02-20 07:53

　　现有的船舶数据融合技术存在较大的网络时延,因此研究一种云计算船舶大规模数据融合技术。建立数据融合结构模型,根据数据融合的程度划分3个层次,分析每个层次对应的传感器节点之间的关联性,采用动态组簇法平衡簇首能量,保证数据的传输效率,设计云计算融合算法,给各个监测值赋予合适的权值,完成云计算船舶大规模数据融合技术研究。对比实验结果表明,本文设计技术的网络时延比现有技术平均减少2.66 s。 

【文章来源】：舰船科学技术. 2020,42(10)北大核心

【文章页数】：3 页

【部分图文】：

数据融合过程示意图Fig.1Schematicdiagramofdatafusionprocess

白?态和环境参数，如何确定这些数据的权值是一个重要问题。假设有若干个传感器节点对船舶进行监测，其中第个传感器的测量方程为：Xi=x+vi。(3)xXivi式中：表示船舶的实际信息数据；表示船舶的测量值；为量测噪声。各个节点之间的量测噪声互不相关。其加权融合算法如图4所示。X1,X2,...,Xnω1,ω2,...,ωn图4中，对应了各个传感器节点，相对应的各传感器节点的权值为，经过本文图1数据融合过程示意图Fig.1Schematicdiagramofdatafusionprocess图2数据融合的结构模型Fig.2Structuremodelofdatafusion图3声呐定位动态组簇过程Fig.3Sonarpositioningdynamicclusteringprocess图4加权云计算融合算法Fig.4Weightedcloudfusionalgorithm·152·舰船科学技术第42卷

偕栌腥舾筛龃?衅鹘诘愣源?敖?屑嗖猓??中第个传感器的测量方程为：Xi=x+vi。(3)xXivi式中：表示船舶的实际信息数据；表示船舶的测量值；为量测噪声。各个节点之间的量测噪声互不相关。其加权融合算法如图4所示。X1,X2,...,Xnω1,ω2,...,ωn图4中，对应了各个传感器节点，相对应的各传感器节点的权值为，经过本文图1数据融合过程示意图Fig.1Schematicdiagramofdatafusionprocess图2数据融合的结构模型Fig.2Structuremodelofdatafusion图3声呐定位动态组簇过程Fig.3Sonarpositioningdynamicclusteringprocess图4加权云计算融合算法Fig.4Weightedcloudfusionalgorithm·152·舰船科学技术第42卷

【参考文献】：
期刊论文
[1]技术融合距离的聚类特征与影响因素——基于大规模专利数据的实证研究[J]. 冯科,曾德明.  管理评论. 2019(08)
[2]基于时空相似性的大规模轨迹数据融合技术[J]. 熊文,周钱梅,杨昆,代浩,孙黎.  集成技术. 2019(05)
[3]大数据、人工智能与容器云计算走向深度融合的数据云时代[J]. 孙元浩.  信息技术与标准化. 2019(05)



本文编号：3042470