舰船科学技术  2022, Vol. 44 Issue (23): 153-156    DOI: 10.3404/j.issn.1672-7649.2022.23.031   PDF    
基于无线网络的舰船实时导航数据采集与传输研究
熊志文1,2     
1. 广西船联网工程技术研究中心,广西 南宁 530007;
2. 广西感知物联网生产力促进中心,广西 南宁 530007
摘要: 研究基于无线网络的舰船实时导航数据采集与传输,满足舰船实时导航数据传输的多样性需求。利用GPS接收机、罗兰C接收机、多普勒计程仪等导航数据采集设备,采集舰船位置信息、航行速度等实时导航数据,所采集数据利用无线局域网传输至舰船导航系统。无线局域网编码处理舰船实时导航数据与通信信道,采用信道加密方法加密编码后数据,利用压缩感知算法重构加密后数据,完成无线局域网的数据接收;数据接收的反向操作即数据发送过程,通过数据接收与发送2个过程,实现舰船实时导航数据传输。实验结果表明,该方法利用平台罗经仪有效采集舰船首向角数据,不同类型的舰船实时导航数据传输均未存在丢包情况。
关键词: 无线网络     舰船     实时导航数据     采集与传输     压缩感知     数据接收    
Research on real-time navigation data acquisition and transmission of ships based on wireless network
XIONG Zhi-wen1,2     
1. Guangxi Ship Networking Engineering Technology Research Center, Nanning 530007, China;
2. Guangxi Perceived Internet of Things Productivity Promotion Center, Nanning 530007, China
Abstract: This paper studies the acquisition and transmission of ship real-time navigation data based on wireless network to meet the diverse requirements of ship real-time navigation data transmission. Navigation data acquisition devices such as GPS receiver, Roland C receiver and Doppler log are used to collect real-time navigation data such as ship position information and sailing speed. The collected data are transmitted to ship navigation system by wireless LAN. The real-time navigation data and communication channel are encoded by wireless LAN. The channel encryption method is used to encrypt the encoded data, and the compressed sensing algorithm is used to reconstruct the encrypted data to complete the wireless LAN data reception. The reverse operation of data receiving is the process of data sending. Through the two processes of data receiving and sending, real-time navigation data transmission is realized. Experimental results show that the proposed method can effectively collect ship heading angle data with the platform gyroscope, and there is no packet loss in real-time navigation data transmission of different types of ships.
Key words: wireless network     a ship     real-time navigation data     acquisition and transmission     compressed sensing     reception of data    
0 引 言

无线网络技术是结合众多领域知识高度交叉的多学科技术,是目前通信领域的研究重点[1]。舰船实时导航数据采集与传输是结合无线通信技术、传感器技术等众多技术的研究热点。无线局域网是无线网络技术中的重要技术,无线局域网是利用众多无线终端设备组成的通信网络[2-3]。无线局域网组网灵活、布线简单、可移动性强以及成本低,在舰船导航应用中占有重要地位。我国舰船趋于高速化以及大型化发展,导航数据提供多种保证舰船可靠运行的参数。通过高效的无线网络技术,实现实时导航数据的采集与传输,将导航数据作为舰船可靠航行的重要基础。采集舰船导航数据的传感器类型众多,实时导航数据传输的无线网络,需要满足可靠性与多样性需求。以往采用CAN总线和以太网传输实时导航数据,已无法满足数据通信的多样性需求,网络存在连接断开情况。无线局域网可以减少实时导航数据采集的通信接口,令实时导航数据传输更加便利。

目前已有众多学者针对无线网络数据传输技术进行研究。刘犇等[4]将实时性区分方法应用于船载网络中,该方法通过分析报文类型,利用战术数据链实现船载网络的传输优化,提升船载通信网络的时延增益;陈琪等[5]将混合多跳数据采集算法应用于无线传感器网络中,将节点分级思想应用于混合多跳数据采集中,所采集数据沿着无线传感器网络中的最短路径,实现数据传输,提升数据采集效率,实现无线传感器网络生命周期的有效延长。以上方法虽然可以实现无线网络的通信优化,但是并未考虑舰船导航数据的多样化特点,无法满足舰船导航数据采集与传输的多样化需求。针对以上方法在舰船导航数据采集与传输中存在的缺陷,研究基于无线网络的舰船实时导航数据采集与传输方法,提升舰船实时导航数据的采集与传输性能。

1 舰船实时导航数据采集与传输 1.1 多类型舰船实时导航数据采集

舰船实时导航数据中,包含众多不同类型数据。舰船实时导航数据包含的数据类型如表1所示。

表 1 舰船实时导航数据类别 Tab.1 Categories of ship real-time navigation data

量测数据是舰船实时导航数据的重要组成部分。利用量测传感器,采集舰船实时导航数据中的量测数据。采集舰船导航数据中的量测数据时,需要保障量测传感器的持续、稳定以及可靠工作,量测传感器采集的量测数据来源需要有冗余度,保障舰船实时导航数据处理时,可以自动取舍,提升舰船实时导航数据处理的可靠性。采用量测传感器采集的舰船实时导航数据,包括利用平台罗经仪采集的舰船首相角以及纵横切角;利用电磁计程仪提供的以海水为参照物的舰船相对航行速度;利用多普勒计程仪采集的舰船绝对航速;利用GPS接收机、北斗卫星接收机和罗兰C接收机等卫星以及无线电设备,采集舰船实时经度、纬度信息等导航数据;舰船所在位置的气象信息和风向、风速信息,利用舰船气象仪提供;利用测深仪,测量舰船航行的水下深度信息;舰船的操舵信息利用操舵仪提供。

采用不同设备,采集不同类型的舰船实时导航数据。不同类型的舰船承担的任务存在差异,所采集舰船实时导航数据的组成以及规模存在差异。利用舰船实时导航数据采集结果,为舰船综合导航系统的导航数据处理,提供可靠的数据基础。

1.2 舰船实时导航数据传输的无线网络

利用数据采集设备采集舰船实时导航数据,所采集数据利用无线网络传输至舰船导航系统。选取无线局域网作为舰船实时导航数据传输的无线网络。无线局域网利用物理层为舰船实时导航数据传输提供无线通信链路。利用无线局域网传输舰船实时导航数据的传输过程如图1所示。分析图1舰船实时导航数据传输过程,无线局域网的物理层,将待传输舰船实时导航数据作为通信的信源。将舰船实时导航数据与通信信道编码处理,完成信道编码后,进行信道编码的冗余设计,令舰船实时导航数据在节点接收端发现数据错误时,及时纠正错误。对于待传输的舰船实时导航数据,需要进行交织处理。无线局域网传输的数据,需要实施保护加密处理,保证数据传输具有较高的安全性。加密后的舰船实时导航数据,需要调制处理。由于舰船实时导航数据中包含数据类型众多,利用压缩感知算法重构通信数据,满足舰船实时导航数据传输的多样化需求。无线局域网通过设置通信频率和通信功率传输数据。无线局域网发射端需要传输多组数据时,选取多路复用技术处理传感器采集的舰船实时导航数据。无线局域网物理层的数据接收过程与数据发送过程为相反状态。无线局域网接收数据时,可能存在相位失真以及信号幅度失真情况,利用多路复用技术处理失真数据。

图 1 舰船实时导航数据传输过程 Fig. 1 Real-time navigation data transmission process of ships
1.3 基于压缩感知算法的舰船实时导航数据重构

利用压缩感知算法重构舰船实时导航数据,令无线网络满足多类型舰船实时导航数据的传输需求。无线局域网中的随机通信数据,均可以视为有限的一维离散向量。设无线局域网中存在实域 $ {\Re ^N} $ ,其中包含大小为 $ N \times 1 $ 的列向量 $ x = {\left[ {{x_1},{x_2}, \cdots ,{x_N}} \right]^T} $ 。依据标准正交基,展开实域 $ {\Re ^N} $ 内的随机舰船实时导航数据 $ x $ ,展开后的向量 $ \eta = {\left[ {{\eta _j}_1,{\eta _j}_2, \cdots ,{\eta _j}_N} \right]^{\rm{T}}} $ 的大小为 $ N \times N $ $ {\eta _j} $ 为基矩阵 ${\boldsymbol{ \eta}} $ 的列向量。无线局域网中通信数据 $ x $ 的表达式如下:

$ x = \sum\limits_{i = 1}^N {{s_i}} {\eta _i}。$ (1)

由式(1)可知,无线局域网中的通信数据,在时间、空间域以及 $ \eta $ 域中,分别用 $ x $ $ s $ 表示。

无线局域网中存在由 $ K $ 个基向量线性组合形成的数据 $ x $ 时,通信数据 $ x $ $ K $ 项稀疏。此时,式(1)中的系数 $ {s_i} $ 中存在 $ K $ 个非零数据, $ K < < N $ 时,且 $ s $ 内较大值系数所占比例较小时,无线局域网中的通信数据 $ x $ 为可压缩数据。

设无线局域网内,存在一个欠定方程组:

$ y = \varGamma x $ (2)

式中: $ \varGamma $ $ x $ 分别为随机投影矩阵以及无线局域网内项稀疏的通信数据。引入基矩阵 $ {\boldsymbol{\eta}} $ ,将式(2)转 $ K $ 化如下:

$ y = \varGamma \eta s,$ (3)

依据压缩感知理论,设存在满足 $ {\left\| s \right\|_0} \leqslant K $ 条件的积矩阵 $\varTheta = \varGamma \eta$ ,用 $ \xi $ 表示矩阵 $ \Theta $ 的等距常量, $ \xi $ 为满足式(4)的最小值:

$ \left( {1 - \xi } \right)\left\| s \right\|_2^2 \leqslant \left\| {\Gamma \eta s} \right\|_2^2 \leqslant \left( {1 + \xi } \right)\left\| s \right\|_2^2,$ (4)

$ \xi < 1 $ 时,矩阵 $ \Theta $ 满足 $ K $ 阶有限等距条件。

将无线局域网传输的舰船实时导航数据 $ x $ 重构问题,转化为 $ {l_1} $ 最小化问题如下:

$ \left\{ {\begin{array}{*{20}{l}} {\mathop {\min }\limits_{s \in {\Re ^N}} {{\left\| s \right\|}_{{l_1}}}} ,\\ {{\rm{s.t.}}\quad y = \varGamma x,x = \eta s} 。\end{array}} \right.$ (5)

当无线局域网传输的舰船实时导航数据,满足稀疏特性时,通过求解式(5),实现舰船实时导航数据传输过程中的源数据重构,满足舰船实时导航数据传输的多样性需求。

2 实例分析

为了验证本文方法对舰船实时导航数据的采集以及传输性能,采用Matlab仿真软件搭建仿真测试平台,模拟某总吨位为10000 t的驱逐舰航行状况。构建无线局域网,用于采集该舰的实时导航数据,无线局域网采用1主20从模式,20个节点分别与GPS接收机等导航数据采集设备连接。利用导航数据采集设备,采集并发送舰船实时导航数据。利用无线局域网的主节点,处理并存储从节点采集的实时导航数据,实时导航数据传输至导航系统的存储模块中。

利用平台罗经仪,采集该舰航行的首向角,将数据采集结果利用无线局域网,传输至舰船导航系统。本文方法采集舰船首向角数据的采集结果如图2所示。可以看出,本文方法利用平台罗经仪,可以有效采集舰船航行过程中的首向角信息,将平台罗经仪采集的舰船航行首向角,利用无线局域网传输至舰船导航系统中,作为舰船导航系统导航的数据基础。

图 2 舰船首向角采集界面图 Fig. 2 Interface diagram of vessel heading angle acquisition

采用本文方法传输舰船实时导航数据,所采用无线局域网的数据帧形成参数如表2所示。可以看出,采用本文方法可以利用无线局域网,选取合适的调制方式,针对舰船实时导航数据类型存在的差异,为无线局域网设置合适的传输速率参数。利用数据帧参数设置结果,提升无线局域网对舰船实时导航数据的传输性能。

表 2 无线局域网形成数据帧的参数 Tab.2 Parameters of wireless LAN data frame formation

为了进一步验证本文方法对舰船实时导航数据的传输性能,通过子节点校验方式校验舰船实时导航数据的传输正确性,记录舰船实时导航数据传输的数据丢失次数,确定无线局域网传输舰船实时导航数据的丢包率。统计无线局域网传输不同舰船实时导航数据时的网络负载能力,统计结果如表3所示。可以看出,本文方法可以利用无线网络,选取最优的通信节点。利用无线局域网传输舰船实时导航数据,数据传输速率较高,数据传输丢包率较低。本文方法所采用无线网络的数据传输具有较高的稳定性,满足舰船实时导航数据的多样性传输需求。

表 3 无线局域网负载能力测试结果 Tab.3 WLAN load capacity test results
3 结 语

针对舰船实时导航数据传输的多样性需求,选取无线网络技术作为舰船实时导航数据的通信技术。利用传感器采集舰船实时导航数据,将所采集数据传输至导航系统,导航系统依据实时导航数据,完成舰船路径规划等。通过实验验证,无线网络技术可以满足舰船实时导航数据传输的多样性需求。

参考文献
[1]
张志强, 徐泉, 刘文庆, 等. 分布式实时数据采集与传输系统的研究[J]. 控制工程, 2020, 27(9): 1582-1588.
ZHANG Zhiqiang, XU Quang, LIU Wenqing, et al. Research on Distributed Real-time Data Acquisition and Transmission System[J]. Control Engineering of China, 2020, 27(9): 1582-1588. DOI:10.14107/j.cnki.kzgc.20180479
[2]
火元莲, 徐晓鹏, 郑海亮. 基于无线能量采集的多跳网络安全传输中的路径选择[J]. 计算机工程与科学, 2021, 43(12): 2150-2156.
HUO Yuanlian, XU Xiaopeng, ZHENG Hailiang. Path selection of multi-hop network secure transmission based on wireless energy harvesting[J]. Computer Engineering and Science, 2021, 43(12): 2150-2156. DOI:10.3969/j.issn.1007-130X.2021.12.008
[3]
胡琳娜, 蒋益锋, 蔡雪. 基于分簇协作频谱感知的认知无线网能量效率研究[J]. 数据采集与处理, 2019, 34(6): 1086-1093.
HU Linna, JIANG Yifeng, CAI Xue. Research on Energy Efficiency of Cognitive Radio Network Based on Cluster Coop- erative Spectrum Sensing[J]. Journal of Data Acquisition & Processing, 2019, 34(6): 1086-1093. DOI:10.16337/j.1004-9037.2019.06.015
[4]
刘犇, 熊雄, 李金鹏, 等. 基于实时性区分的舰载网络传输优化算法[J]. 中国舰船研究, 2020, 15(S1): 157-165+179.
LIU Beng, XIONG Xiong, LI Jinpeng, et al. Real-time identification based shipborne network transmission optimization algorithm[J]. Chinese Journal of Ship Research, 2020, 15(S1): 157-165+179. DOI:10.19693/j.issn.1673-3185.01693
[5]
陈琪, 陈宏滨. 无线传感器网络中移动节点辅助的数据采集效率优化研究[J]. 计算机应用研究, 2020, 37(11): 3467-3471.
CHEN Qi, CHEN Hongbin. Research on optimization of data collection efficiency assisted by mobile collector in wireless sensor network[J]. Application Research of Computers, 2020, 37(11): 3467-3471. DOI:10.19734/j.issn.1001-3695.2019.06.0303