唐宏文

（扬州高等职业技术学校 江苏 扬州 225000）

0 引言

无线数据采集通常与组网关联存在较强的联系，在定向传感网络的环境之下，针对所设定的数据优化采集目标，进行多层级同步执行，最终完成数据采集任务[1]。通常情况下，传统的信任模型数据采集方法以及传统的物联网统计数据采集方法，对于无线数据的采集较为迅速、覆盖范围也十分广，一定程度上为相关工作人员减轻工作量，营造便利的工作环境[2]。但是在实际执行采集的过程中，仍然存在缺陷及问题，例如数据采集精度不高、采集模式单一、数据汇总及整合的环节复杂等。对于无线数据的处理形成或多或少的阻碍[3-5]。为此，对基于NB-IoT 技术的无线数据采集方法进行验证与分析。

1 无线数据NB-IoT控制采集方法

1.1 数据同步采集节点布设

基础的数据采集一般采用单向数据处理的形式，虽然可以完成预期的采集目标，但是在采集过程中存在较多问题，如数据整合及汇总效率不高，一定程度上会导致数据采集出现偏差[6]。因此，结合NB-IoT 技术，进行数据采集节点的布设[7]，将定向地控制网络与NB-IoT 窄带物联网相关联，形成一个循环式的采集空间[8-9]。

在系统的外侧安装两个数据采集传感器，对数据信息进行特征采样，在同步双向采集的模式下，设定采集指标，具体如下表1所示：

表1 数据同步采集节点指标布设表

根据表1，完成对数据采集节点基础指标的布设。随后，在标定的范围之内，整合采集的数据集，并测算出自适应采集距离，具体如下式（1）所示：

式（1）中：F表示数据自适应采集距离，ℑ 表示标定采集范围，β表示节点间距，α1和α2分别表示预设制衡采集覆盖范围和实测制衡采集覆盖范围。结合得出的自适应采集距离，明确相应的数据采集节点的布设位置，形成无线网络数据的均衡采集配置机制。采用SN、sink 技术，获取数据的采集跳数，结合间距的变化，调整同步采集节点的布设位置，实现多目标同步节点设定。

1.2 采集链路搭接

依据数据采集节点的布设位置，融合NB-IoT 技术，构建一个融合跟踪识别级自适应采集链路程序。在日常的数据采集工作执行过程中，针对不同范围内出现的数据，采集形式也存在差异。虽然可以实现采集目标，但是由于节点布设过于分散，一定程度上也增加了数据的采集工作量。

在无线传感器网络设定搭接一个均衡控制模型，采用三层采集体系结构，增设融合跟踪识别链路特征点，获取基础数值信息之后，测算出链路搭接间距，具体如下式（2）所示：

式（2）中：H表示链路搭接间距，m表示单向链路搭接距离，n表示链路重叠距离，i表示执行次数，π1和π2分别表示采集节点的预设矢量长度与实测矢量长度。根据链路搭接间距确定链路覆盖范围，结合数据采集关系程序或者模型，对重点区域的数据进行锚点异常标记，形成链路的搭接结构，完成对采集节点链路的搭接。

此外，所设定的数据采集链路之间也需要在执行的过程中根据数据特征作出分类，进一步形成多目标的数据采集识别程序，确保数据后续的传输。结合上述链路采集的数据及信息，针对所获取的基础数据，需要将其转换为特定的应用格式，测算出具体的无线数据转换速率，具体如下式（3）所示：

式（3）中：B表示无线数据转换速率，1ℜ 和ℜ2分别表示预设转换数据量和实测转换数据量，χ表示采集目标偏差，e表示转换采集次数。结合得出的无线数据转换速率，对采集链路作出多层级、多目标的搭接之后，调整不同阶段的无线数据转换速率，以此来优化完善链路的搭接效果。

1.3 自适应NB-IoT 分段采集阵列设计

在上述搭建的采集链路之上设定具有同步性的数据分流装置，同时针对数据包的转换及采集传输，进行自适应限制采集数值的布设，具体如下表2所示：

表2 自适应NB-IoT 分段采集阵列参数设定表

结合表2，对自适应NB-IoT 分段采集阵列的相关执行指标做出调整及更改。在矩阵之内构建一个自适应采集指令，在NB-IoT 技术的辅助之下，根据采集数量的变化程度，设定对应的数据处理阶段。

在这一过程中需要注意的是，每一个数据处理节阶段的采集标准均是不同的，且彼此之间存在较大的差异。在日常的采集执行过程中，需要结合NB-IoT 技术，在所布设的节点位置设计自适应能力较强的采集感应器，并将采集链路与自适应阵列相搭接，计算出阵列的采集识别率，具体如下式（4）所示：

式（4）中：Y表示采集识别率，ω表示采集范围，η表示标记采集距离，θ表示通信传输间距。结合得出采集识别率，进行采集阵列阶段性区域的划定，与所设定的采集链路相融合，利用NB-IoT 标记功能，完成自适应NBIoT 分段采集阵列的设计。

1.4 建立无线数据NB-IoT 采集模型

将构建的自适应NB-IoT 分段采集阵列设定在基础的数据采集模型执行程序之中，调整数据采集节点的位置，设计数据采集传输信道结构。提出均衡控制采集的无线数据采集程序，重新部署传感器节点的覆盖范围，计算数据输出节点的实际发射功率，具体如下式（5）所示：

式（5）中：J表示输出节点实际发射功率，f表示部署范围，v表示单向采集距离，q表示采集次数，α表示预设采集精准度，φ表示信道覆盖区域。结合得出的输出节点实际发射功率，调整模型内部节点的布设情况。

与此同时，依据不同的数据采集阶段，进行数据采集精度的量化传导处理。在日常的数据采集过程中，利用宽带距离的约束，设计载频频率编码，在模型中增设无线传感数据采集信道，依据传递函数的变化，调整数据采集信道的等效覆盖应用范围，完成无线数据采集模型的构建。

1.5 移动Sink 法实现数据动态化采集

利用数据采集模型，先对数据进行基础处理，构建3层的数据采集结构。顶层结合NB-IoT 采集技术设定移动Sink 采集标准点，设定中转范围，利用感知装置将数据与信息转换为负荷传输形式的数据信息包，在标记的信道之中发送至MULEs。而所采集的数据由于顶层Sink 逐渐向下属位置进行数据采集，设计数据采集轨迹，具体如下图1所示：

图1 移动Sink 数据采集轨迹图示

融合图1所示轨迹内容，根据移动Sink 定点与NBIoT 采集的处理效果，分阶段进行数据的采集。完成数据分类后，根据数据采集的轨迹，调整节点的单向采集量，以动态化的数据采集模式，增加实际的数据采集范围。通过数据包、信息包的形式，将数据采集节点相互关联，进行数据采集的移动优化。但需要注意的是，如果遇到复杂的数据处理环境，可以调整移动覆盖节点，并调整具体的采集环节，实现多维数据采集。

2 方法测试

本次测试主要是对本文设计方法的实际应用效果进行分析与研究。考虑到最终测试结果的真实可靠，需要选择Matlab 7，搭配NB-IoT 技术进行辅助设计，标记D 平台作为测试的主要目标对象对陈辉等[2]和庄锡钊等[4]设定的传统信任模型数据采集测试组、传统物联网统计数据采集测试组以及本文所设计的NB-IoT 无线数据采集测试组进行测试，测试最终得出的结果以对比的形式展开分析，结合无线数据的采集需求及标准进行测试环境的搭建。

2.1 测试准备

针对D 平台日常的数据传输及采集需求标准，结合NB-IoT 技术，对无线数据采集方法测试环境进行搭建。将Cloudsim 平台与预设的D 平台进行关联，建立数据导入和采集的执行关系。在标定的采集范围之内部署空间结构模型，设定对应数量的数据采集节点，依据覆盖范围，可以设定大概220 个节点形成关联。数据采集单向采样频率调整为15 kHz，依据获取的数值及信息，测定出此时数据采集范围内的码元误差，可以进一步确定数据采集误差极限标准，作为后续数据采集的限制。再根据数据采集的时域分布情况，布设对应的链路及信道，形成关联后确保在数据处理过程中的均衡配置处理，确定数据采集的实时误码率，分析数据采集输出的迭代状态，具体如下图2所示：

图2 数据采集输出迭代状态图示

根据图2，可以了解到数据采集输出的迭代状态，将迭代控制在合理的范围之内，确保数据采集过程中的均衡性与可靠性，尽量降低无线数据采集的能耗开销，完成测试环境的搭建。

2.2 测试过程及结果分析

首先开启平台的数据处理程序，下达运行控制指令，催动布设在各个区域节点对相应范围内的数据信息采集。采用Matlab 7 数据处理软件，将其转换为等效的数据包，并通过NB-IoT 标记技术，对所采集的各个位置作出逆向标定，通过预设的信道传输到对应的平台位置之上。测试针对同一区域进行数据采集误码率的测定计算，结合得出的测试结果，针对具体的数值作出分析与验证，具体如下表3所示：

表3 测试结果对比分析表

结合表3可知，采用NB-IoT 技术，无线数据采集的速度较快，采集的精准性较高，信道均衡性较高，具有实际的应用价值。

3 结语

在NB-IoT 技术辅助的环境下，无线数据采集工作得到了极大的创新和突破，逐渐打破了传统数据采集模式的束缚。利用监测传感器，对获取的数据进行筛选和定位，通过对监测区域数据的优化处理并结合实际需求，不断调整自身的数据采集标准。在整个采集过程中，蜂窝式的网络结构也最大程度避免了数据采集中存在的误差，便于后续的搭接部署。从整体上提高对目标环境的信息监测与控制能力，优化无线数据采集的结构体系，以传输节点加强控制程序、调节运行荷载频率、降低误码率的同时，推动数据采集技术迈向一个新台阶。