0 引　言

随着海上运输业务的飞速发展，水面交通状况日益复杂，这对船舶的信息化系统提出了更高要求，因此船舶对周围环境以及自身状态信息的实时获取以及分析能力的提升，并对船舶海上交通状态做出准确的预测和及时的调整，已经成为船舶智能化方向发展的必然趋势^[1]。船舶广泛地采用多通道数据传输技术，船员能够通过多功能交互的方法以及并行合作的方法完成船舶的自动化操作，与单通道数据传输技术相比较，多通道系统要求整合多个信息源传送过来的数据，因为通信延时导致的数据异步、缺失等问题一直存在，当延时达到一定程度的时候，不但会使得船员和设备之间的交互产生不稳定，并且会极大地降低船舶的现代化信息能力^[2]。例如，在船舶密集的航道上航行，由于数据传输延时太大对船舶控制系统产生影响，使得船舶的控制命令混乱、数据传输产生错误等问题，船员无法对船舶的真实状态进行判断，最终可能使得船舶失控，产生事故，因此对多通道通信时延的研究具有重要意义。

1 船舶多通道数据系统技术 1.1 多通道数据传输技术

多通道数据传输也被称为多源数据传输、多传感器设备信息传输，是一种利用现代化信息技术以某种既定的规则，对以时间为顺序、以通道为分类的多组数据进行传输、存储、处理、分析以及显示等处理，最终达到识别、评估、关联以及决策等目标的过程^[3]。

多通道数据传输首先对各种数据源的数据进行综合处理，包括对数据信息的整合、编码等预处理，然后是对综合后的数据进行提炼，包括对数据信息的优化以便得到相关有效信息，多通道数据传输模型如图1所示。

1.2 多通道数据系统架构

船舶多通道数据系统融合了信息传输、数据加工、人机交互等技术，系统由通信链路、信息关联、目标帧别、开发平台构成。由于多通道数据源头的位置、工作内容、仪器测量精度各不相同，因此多通道数据系统中的数据信息加工中心必须要把所有通道的数据信息全部集中起来，对数据进行帧别，以提升多通道数据系统的性能，多通道数据系统架构如图2所示。

1.3 多通道数据处理结构

随着多通道数据传输技术的广泛应用，根据处理对象和使用环境的不同，对多通道数据处理结构进行通用化处理，当前数据处理结构主要为混合式处理结构。

混合式处理结构如图3所示，混合式处理结构中传输给数据加工中心的信息，一方面是来自数据采集系统采集到的原始信息，另一方面是经过采集系统自身处理平台处理后的数据，2种数据在数据加工中心进行筛选、合并、再加工。

2 多通道数据通信时延问题 2.1 多通道时延产生机制

多通道传输时延是某个信号采集系统从采集到数据信息开始到完全将数据信息存储起来并通过人机交互进行显示的时间，数据信息丢失是某些采集系统采集的数据信息未能在正常的传输周期内传送给存储器并通过人机交互进行显示^[4]。

根据多通道数据传输机制，任何数据信息（信息用m表示）的传输时延均由数据传输时延以及传输错误恢复时延两部分构成，其表达式如下：

$ {\tau _m} = {R_m} + {E_m} \text{。} $

式中：τ_m为消息m的传输时延；R_m为消息m的传输过程时延；E_m为消息m传输错误恢复时延。消息的传输过程时延是指数据传输正常的情况下，数据信息在各个部件之间流动所消耗的时间以及等待时延。传输错误恢复时延是指数据采集系统传输数据失败所使用的时间。

传输过程时延如图4所示，传输过程时延主要由消息编码、等待写入buff、写入buff、等待传输、传输过程、等待读取buff、读取buff以及消息解码8个部分构成，其表达式如下：

$ {R_m} = {\tau _{ecd}} + {\tau _{wb}} + {\tau _{cib}} + {\phi _m} + {C_m} + {\tau _{wr}} + {\tau _{cob}} + {\tau _{dcd}} \text{。} $

式中：τ_ecd为消息编码时延；τ_wb为等待写入buff时延；τ_cib为消息写入buff时延；Φ_m为等待总线传输时延；C_m为消息传输时延；τ_wr为消息等待读取buff时延；τ_cob为读取buff时延；τ_dcd为消息解码时延。

2.2 多通道时延模型分析

在实际情况下，船舶在多通道传输过程中链路时延非常复杂^[5]，因此对时延的研究需要借助相应的数据链路时延模型来分析研究，常用的链路时延模型主要有固定链路时延模型以及Markov时延模型2种。

根据船舶多通道数据传输系统的构成以及数据链路所采用的TDMA协议，固定链路时延模型中采用的分配算法是时隙法，则多通道系统可以抽象成为一种排队系统，则可以采用排队论的M/D模型来计算数据传输链路时延，最终数据传输链路的平均时延可以用下式表示：

$ E(D) = \frac{1}{\mu } + \frac{\rho }{{2\mu (1 - \rho )}} \text{。} $

式中：E(D)为数据传输系统的平均时延；μ为数据传输系统的信息服务率；ρ为数据消息的服务强度。固定链路延时模型根据多通道数据传输系统算出数据传输时延的平均值，该方法将随机时变的延时量转变成了一个固定数，因此固定链路时延模型一般用于对数据传输系统进行时延的定性分析，例如分析多通道数据传输时延对船舶航迹指令的影响。

马尔科夫链时延模型将多通道数据传输系统进行了简化、抽象处理，该模型通常假设多通道数据传输量小，数据传输正常，无丢包现象，因此可以获得数据采集系统、人机交互界面、信息处理系统、动力系统的时序图，如图5所示。

3 多通道数据识别技术 3.1 多通道数据识别系统

多通道数据识别系统包含多种传感系统、数据预加工、特征提取等部分，如图6所示。

传感系统通过自身的传感器将外部模拟环境信息转化成数据信号，常用的传感器有方向器、磁力计、加速度计等，但是由于传感器自身精度以及外部环境的原因，采集到的原始数据存在各种噪声，因此该数据无法直接应用，需要进行预加工处理，然后对预处理之后的数据进行特征提取等环节，以避免数据冗余降低系统整体性能；模型训练可以利用加工处理过的数据进行各类算法的模型训练，最终选择出满足需求的数据^[6]。

3.2 数据匹配识别算法

AC和BM两种算法是目前最常用的2种数据匹配识别算法。AC算法可以对多个模式进行匹配，这是对以前的单模式匹配算法的提升，属于多模匹配算法。BM算法的特点在于模式串的匹配方向和移动过程是相同的，BM算法的核心在于，在数据匹配过程中极大地避开了大量无效数据，降低匹配次数，提高数据匹配识别效率^[7]，属于单模式匹配算法。

4 数据分析及优化方法 4.1 数据预处理

常用的数据预处理算法包括平滑滤波、互补滤波、自相关、支持向量回归等。

平滑滤波是一种线性滤波算法，其核心思想是数据去中心化，其公式可以简单地描述成如下：

$ g[x,y] = \frac{1}{M}\sum {f[x,y],} (x,y) \in N \text{。} $

式中：g[x,y]为滤波处理之后的结果；f[x,y]为处理之前的数据；M为数据量之和；N为数据的集。

互补滤波是利用不同数据权重的不同，最终达到修正数据误差的目的，其公式可以表示如下：

$ g = (1 - K)*(a + Rdt) + K*X \text{。} $

式中：g为最终的估值；1−k和K为数据的权重；dt为采样周期。

自相关是一种测量2次数据之间相似度的函数，假设存在信号f(t)，其自相关函数R_ff(τ)一般和信号自身时延相关联，其公式如下表示，公式中f^*是共轭复数。

$ {R_{ff}}(\tau ) = \int_{ - \infty }^\infty {f(u + \tau ){f^*}(u){\rm{d}}u = \int_{ - \infty }^\infty {f(u){f^*}(u - \tau ){\rm{d}}u} } \text{。} $

支持向量回归的目标是在大量数据信息中寻找内在的相关关系，该算法不关心数据的类型，最终目的是找到数据之间的函数关系，在给定新坐标数据的情况下，能够通过函数关系获得新数据，该算法可以简化成如下公式：

$ {\min _{w,b}}\frac{1}{2}||w|| + C\sum\limits_{i = 1}^m {{l_\varepsilon }(f({x_i}) - {y_i})} \text{，} $

式中：C为回归常数；l_ε为损失函数，可表示为：

$ {l}_{\epsilon }=\left\{\begin{array}{*{20}{c}}0\text{，}&\text{|z|}\leqslant \varepsilon ，\\ \left|Z\right|-\varepsilon , & {\rm{others}}\text{。} \end{array} \right.$

4.2 数据特征提取

常见的特征提取有时域特征和频域特征2种特征。

数据的时域特征是与连续时间相关的一种特征。由于传感系统采集到的数据是离散的，因此假设传感系统采集到的数据单维度为x=[x₁,x₂,···x_n]^T，其中n为数据的个数，常用的时域特征可以用标准差来表示，其公式可以表示如下：

$ {x_{{var} }} = \frac{1}{N}\sum\limits_{i = 1}^N {{{({x_i} - {x_{mean}})}^2}} \text{，} $

数据的频域特征是对数据信号的周期特征进行描述，最常见频域变换函数是FFT，数据经过FFT算法之后可以表示成f=[f₁, f₂,···f_N]^T ，其中N为数据个数，常用的频域特征可以用偏度来表示，其公式表示如下：

$ {f_{ske}} = \frac{1}{N}\sum\limits_{i = 1}^N {\frac{{{f_i} - f_{mean}^2}}{{{f_{std}}}}} \text{。} $

5 船舶多通道时延仿真及测试

根据船舶多通道数据传输系统结构、时延产生机制、多通道时延模型搭建船舶多通道数据传输时延仿真模型，仿真结果如图7所示。可以看出，当多通道传输系统传输传输文件数量逐渐变大时，系统时延就会逐渐增大。

根据船舶多通道时延测试原理，对船舶多通道传输系统进行延时测试，示波器实际测试结果如图8所示。可以看出，在特定情况下，通信时延可达200 ms。

6 结　语

随着现代信息技术的快速发展，信息数据的处理效率得到了极大的提高，船舶通过各种传感器设备能够收集的数据类型多种多样，因此对多通道的数据传输的准确性提出了更高的要求，根据每种数据自身的特点和船舶种类的实际情况选择合适的多通道数据传输系统尤为重要。多通道数据传输系统的关键技术主要包括：数据信息预处理、目标帧别、信息关联等。信息预处理是一种将多通道的、多形式的数据进行归一化处理的方法，使得多通道数据形成统一的标准。信息关联的目标是将多通道传输的数据和目标信息之间建立映射关系，信息关联技术是多通道数据信息传输的基础。本文对船舶多通道数据传输系统及其通信时延相关技术进行研究，有利于促进船舶信息化的发展。