舰船监控网络异构监控数据自适应存储方法

为快速有效存储舰船监控网络异构监控数据,提出舰船监控网络异构监控数据存储方法。此方法主要用于优化舰船监控网络监控数据云存储平台的存储效果,多个舰船监控设备,经多个虚拟网关在数据接口层统一接口的使用下,将异构监控数据发送至数据处理层;数据处理层使用基于聚类的异构监控数据分类方法,将异构监控数据按照来源分类;分类后数据发送至分布式数据存储层,使用基于自适应分配的异构监控数据存储方法,结合分布式数据存储模型的可用容量与带宽状态,将分类后监控数据以自适应分配方式,存储于性能最优的存储模型,完成自适应分配存储。实验结果表明,此方法具备舰船监控网络异构监控数据自适应存储能力,存储效率、成功率显著提高。     

基于K-means聚类的舰船通信网络异常数据检测

为了解决海上通信环境中的干扰和传输问题,提升舰船通信网络通信质量和可靠性,提出基于Kmeans聚类的舰船通信网络异常数据检测方法。构建舰船通信网络通信多径信道模型,利用该模型获取舰船通信网络数据。使用基于超窄带滤波的舰船通信网络数据滤波处理方法去除舰船通信网络数据内的干扰噪声,将无噪声的舰船通信网络数据作为输入,使用K-means聚类算法输出舰船通信网络异常数据检测结果。结果表明,该方法采集舰船通信网络数据较为准确,并可有效去除数据内含有的干扰噪声,降低舰船通信网络数据幅值区间,同时可用聚类方式准确检测舰船通信网络异常数据,应用效果较为显著。     

链路层舰船通信光纤网络被动数据存储方法研究

为了提高链路层舰船通信光纤网络被动数据存储的容量,提出一种基于分层融合机制的链路层舰船通信光纤网络数据存储模型。首先采用交叉分布式云存储结构模型构建光纤网络被动数据存储的数据库模型,在数据库中进行被动数据的聚类处理,然后根据聚类属性进行分层融合,对海量的舰船通信光纤网络被动数据进行特征压缩,从而提高存储空间的容量。最后进行数据存储的仿真实验分析,结果表明,采用该方法构建舰船通信光纤网络被动数据存储模型,数据库的吞吐量得到明显提升,同时提高了对目标数据的查准率和查全率。     

舰船通信网络大数据的存储机制设计

受数据库存储容量的影响,传统的舰船通信网络大数据存储机制存在存储误差高的问题。针对这一问题设计舰船通信网络大数据存储机制,存储架构分为前置通信平台数据库、生产数据库、关系数据库、分析数据库,建立检索机制,标记通信函数,确定初级编码函数值,明确特征信息,通过路由服务器、配置服务器、数据分片优化设计存储机制私有云。实验结果表明,相较于常规的存储机制,给出的舰船通信网络大数据存储机制信息存储误差降低了37.32%,更适用于舰船通信。     

物联网环境下远程舰船通信网络数据安全存储方法

常规的数据存储方法存在数据丢失的问题,导致通信网络数据安全性降低,因此研究物联网环境下,远程舰船通信网络数据安全存储方法。该方法设计了一个数据虚拟存储空间,经拆分平面拆分后重置数据置乱规则,通过建立分级混合加密机制,实现远程舰船通信网络数据的安全存储。实验测试表明,与常规的数据存储相比,应用该方法网络数据丢失量骤减,存储安全得到提升。     

基于数据驱动的舰船通信网络异常行为检测方法

为了提高对舰船通信网络异常识别能力,提出基于数据驱动的舰船通信网络异常行为检测方法。采用最短路径和最大覆盖范围寻优方法构建舰船通信网络的节点覆盖模型,通过最小间隔均衡技术对舰船通信网络的信道均衡控制,提取舰船通信网络的信道传输信息特征。对舰船通信网络的行为特征参数分析,结合谱分量融合和融合聚类处理方法,实现对舰船网络异常行为的数据驱动控制。根据数据驱动的图模型参数识别和异常谱特征聚类分析,实现对舰船通信网络异常行为检测。测试结果表明,该方法能够进行舰船通信网络异常行为检测处理,提高信道均衡性能     

云计算环境下舰船通信数据深度挖掘方法

舰船通信设备的复杂化,使得通信数据量级增大,受到噪声、背景等多种因素的影响,潜在的数据很难被发现,而云计算可以提供并行编程服务,因此,进行云计算环境下舰船通信数据深度挖掘方法研究。基于云计算MapReduce并行编程模式,引入数据聚类技术,将通信数据划分为多个数据集,根据节点计算资源分配通信数据集,通过KNN分类挖掘算法计算每个节点数据之间的欧式距离,基于确定阈值分类通信数据,实现了通信数据的深度挖掘。实验数据表明:当数据量大于200万条,提出方法数据挖掘执行时间较低,更适用于舰船通信数据深度挖掘。     

基于数据挖掘的船舶通信网络失效节点自动识别方法

目前提出的舰船通信网络失效节点自动识别方法耗时时间较长,冗余节点关闭率较低。为了解决上述问题,提出基于数据挖掘的舰船通信网络失效节点自动识别方法。确定目标数据集,得到特征提取最优解集合和整体最优解集合,识别提取异常数据特征,建立异常数据聚类集合,引入数据密度系数计算i节点数据聚类结果优化数值。构建失效节点自动识别函数,得到检索半径的适应目标函数,深入挖掘数据,通过统一化处理实现网络失效节点自动识别。实验结果表明,基于数据挖掘的舰船通信网络失效节点自动识别方法的识别准确率在99%以上,耗时时间低于4 s。     

基于区块链的舰船通信数据防篡改模式研究

现有舰船通信数据存储模式存在易被篡改等缺陷,结合具备防篡改特性的区块链技术设计通信数据防篡改模式,构建该模式中的舰船通信区块链结构,通过区块链共识机制由所构建的舰船通信区块链中选取最佳区块,以分层数字签名的方式向最佳区块内加密上传舰船通信数据,完成舰船通信数据的加密防篡改存储。结果表明,该模式在上传舰船通信数据过程中,可保持平稳的签名加密与最佳区块选取运算开销,并有效避免各类篡改攻击,具有较高的防篡改性能。最终存储的数组舰船通信数据中,最高被篡改与缺失数据量的占比仅为0.004%与0.02%,存储数据的整体安全性与完整性较为理想,可为舰船通信数据的安全存储提供保障。     

基于知识图谱的舰船通信网络安全风险评价研究

为了保证舰船在海上安全运行,提出基于知识图谱的舰船通信网络安全风险评价方法。采集舰船通信数据、预处理,根据实体间的联系建立舰船通信网络安全的知识图谱;采用图数据库对舰船通信网络数据的知识图谱进行储存与查询;建立知识图谱注意力网络的舰船通信网络安全风险评价模型。实验结果表明：该方法可准确评价舰船通信网络安全风险等级,具有较高的安全风险评价能力;能够提升舰船通信网络保密性、完整性和可用性。     

稠密度聚类在舰船网络微弱信号自适应增强中的应用

提升舰船网络信号及整体通信质量,提出基于稠密度聚类的舰船网络微弱信号自适应增强方法.应用稠密度聚类算法检测出舰船网络微弱信号,通过经验模态分解法分解微弱信号,结合小波变换法与奇异谱分析法去除的噪声,实现舰船网络微弱信号增强信.结果表明,该方法能够有效分解所检出微弱信号,并进行分量去噪处理,去噪后各信号分量不仅保留原有细...     

舰船虚拟维修仿真应用系统的设计与实现

虚拟维修技术对于舰船、航行器等复杂装备的维修性设计与分析具有重要意义。详细分析舰船维修性设计对于虚拟维修仿真的应用需求,在此基础上提出一种面向舰船维修仿真应用系统的架构,设计该系统的组成及各模块功能。该应用系统架构包括数据层、功能层、接口层及用户界面层4个层次:在数据层,可实现数据的数据库存储和本地存储;在功能层,设计了多个仿真数据管理功能、运动捕获数据处理功能以及可视性、可达性和舒适性等多个高级分析功能;在接口层,提供了与Teamcenter(TC)平台的数据集成功能,可实现从TC下载舰船JT模型至仿真系统中,以及将仿真结果和场景文件等上传至TC;在用户界面层,设计了人性化的系统操作界面,可实现客户与系统之间的友好交互和操作。最后,结合Jack仿真软件,实现舰船虚拟维修仿真应用系统的原型,该原型系统为开展舰船虚拟维修仿真数据的管理与应用以及运动捕获技术在虚拟维修中的应用奠定了基础。     

基于聚类算法的舰船通信数据深度挖掘方法

传统挖掘方法无法考虑众多通信因素的多层次特征,造成数据挖掘效果不理想,为此设计一种基于聚类算法的舰船通信数据深度挖掘方法。利用聚类算法,对通信数据的多层次特征进行筛选,从而为通信数据的深度挖掘提供依据,结合聚类挖掘粗糙集,生成数据深度挖掘的关联规则并进行聚类计算,对每个通信数据执行交叉变换逻辑,实现舰船通信数据的深度挖掘。实验结果表明,利用聚类算法进行通信数据的深度挖掘,能够提高数据的挖掘速度,且准确率较传统方法高27.15%。     

多源信息融合的舰船通信网络可靠性分析

随着通信网络技术不断优化,船舶通信网络得到快速的发展,链路容量越来越高,通信网络可靠性研究逐渐成为人们关注的热点问题。当前,多使用舰船通信网络可靠性分析方法完成此部分研究过程,但此方法的数据分析能力较差,造成数据融合度不高的问题。因此,设计基于多源信息融合的舰船通信网络可靠性分析方法。根据多源信息融合层级使用Bayes估计法完成数据处理部分,实现通信网络数据融合分析。根据以上分析结果,使用完全状态枚举法,构建通信网络可靠性分析算法。将以上设计部分融入目前使用方法中,基于多源信息融合的舰船通信网络可靠性分析方法设计完成。根据实验结果可知,此方法的数据融合能力更为优秀,可靠性分析能力优于当前使用方法,可使用此方法弥补当前使用方法的不足,提升通信网络可靠性分析能力。     

基于SDHC卡的舰船天线数据存储技术

介绍一种在嵌入式系统中基于SPI协议实现在SDHC上进行数据存储的方法。该方案以STM-32F407微处理器为主控制器,采用SPI总线通信方式,与SDHC卡之间进行数据通讯与存储。结合FATFS文件系统,可方便地实现数据的存储与导出,成功地解决了舰船天线日常使用数据量大、记录和保存困难的问题。     

基于大数据的舰船通信网络信息资源提取方法分析

常规通信网络信息资源提取方法应用于舰船通信网络信息资源提取中,存在信息资源提取误差较大的不足,为此提出基于大数据的舰船通信网络信息资源提取方法分析。依托大数据标记函数,搭建舰船通信网络信息标记规则,对目标函数建立索引;依托高性能检索机制,实现舰船通信网络信息资源提取,完成基于大数据的舰船通信网络信息资源提取方法分析。试验数据表明,提出的通信网络信息资源提取方法较常规信息资源提取方法,信息资源提取误差降低38.64%,适合舰船通信网络信息资源的提取。     

大数据驱动和分析的舰船通信网络流量智能估计

以准确估计舰船通信网络流量为研究核心,提出基于大数据驱动与分析的舰船通信网络流量智能估计方法。该方法以大数据驱动和分析领域中的经验模态分解、卷积神经网络为技术核心,使用基于改进集合经验模态分解的舰船通信网络信号降噪方法,去除舰船通信网络信号中噪声;构建去噪后舰船通信网络信号中的流量时间序列图,凸显通信网络流量在各个时间段的变化特征之后,将舰船通信网络流量时间序列图中的时间序列,作为基于卷积神经网络的网络流量预测方法的预测样本,提取舰船通信网络细节信号的时间序列,估计流量的趋势信息与时间信息,实现舰船通信网络流量智能估计。经测试：该方法对舰船通信网络流量智能估计后,估计结果与实际流量基本一致。     

基于5G通信技术的船舶网络系统设计

设计基于5G通信技术的船舶网络系统,以提升船舶航行过程中与地面控制站的连通性。该系统以B/S架构为基础,通过通信终端层中的船载终端通信装置,采集船舶航行相关数据后,连接控制传输层内的5G基站;控制传输层利用SDN控制器,按照ZigBee通信协议,控制通信终端内的船载终端通信装置向5G基站发送船舶航行数据,5G基站连接5G核心网络后,利用其将船舶航行数据传输到地面站的云数据中心层。该层使用云管门户、运营门户和运维门户对舰船航行相关数据进行管理,实现海上船舶与地面控制站之间的通信网络连接。实验结果表明,该系统具备较好的稳定性,其传输船舶数据时,传输速度较快,且网络节点接收功率损耗较小,应用效果较佳。     

聚类算法下舰船短波通信数据隐写研究

传统的舰船短波通信数据隐写算法无法对发生畸形的数据进行隐写计算,影响后续多波通信数据隐写稳定性的问题。为此,提出聚类算法下舰船短波通信数据隐写方法。首先构建神经卷积层,对发生结构异变的短波通信数据的结构进行恢复计算,然后重组计算短波通信信号的隐写密钥结构,对重组密钥的短波信号数据进行相邻信号组的融合计算。最后,对融合数据进行聚类差异的计算。通过对数据隐写能力差异的计算,为保证研究的客观有效,设计一组仿真实验对提出隐写方法进行对比。实验结果表明,所提方法在短波通信数据隐写方面,具有提升隐写计算稳定性的作用。     

水上通信网络海量多维数据弱关联识别方法

随着网络通信技术的发展,水上通信数据呈现出多元化与复杂化,多维数据交互并行,造成海量数据中部分多维数据出现关联程度差,无法及时被调度交互,致使网络冗余数据量增加,影响网络数据交互识别效率。对此提出水上通信网络海量多维数据弱关联识别方法。首先,通过引入多维聚类算法对网络中的数据进行聚类中心量的计算;然后,根据得到的聚类规则,引入弱关联挖掘算法,对海量数据进行多维度关联计算;接着,通过引入的弱关联定位算法对挖掘出来的数据进行识别定位计算,实现海量数据中弱关联多维数据的精准识别;最后,通过仿真对比实验对提出方法进行验证,证明提出方法具有较强的识别能力,且识别准确性高、稳定性好、可行性强。