用户对高速总线通信数据的传递速率和质量要求越来越高，在高速总线系统中，通信数据量的增加导致数据的处理更加复杂，同时也加大了通信数据之间的交互能力[1].传输介质是高速总线系统中一个重要的组成部分，决定着通信数据的传输速度和交互能力.通信数据交互是高速总线系统发展的关键问题，高速总线系统并没有形成一种广泛的互联形式，其主要目的是防止网络攻击，通信数据之间采用物理的方式进行隔离[2].目前，通信数据的交互方法存在一定差异，在交互的通信数据形式上也不同，导致通信数据共享性较差[3].由于通信数据的交互严重影响着高速总线系统的数据传输，研究高速总线通信数据实时交互具有重要的理论意义.
郭艳军等[4]以多尺度地质数据为研究对象，利用虚拟现实技术设计一种交互方法，在满足计算思维的同时，还符合地质专业的理论知识.通过构建多尺度地质数据的可视化模型，在虚拟现实技术的基础上，可视化处理了多尺度地质数据，在虚拟现实平台上，验证了该交互方法的有效性；王亭等[5]在物联网数据的基础上设计了数据存储框架，将大量物联网数据存储和集成，并利用BIM数字化技术搭建一个建筑设计管理云平台，以某设备管理为案例研究对象，验证了该方法的应用价值，在优化传统方法的同时，具有更高的交互性能.但是上述方法在信息交互过程中，未考虑脉冲和滤波的干扰，虽然在一定程度实现了交互，但是存在误码率较高的问题.
Docker容器具有较高的可移植性、隔离性和安全性，因此，本文利用Docker容器设计了一种高速总线通信数据实时交互方法，从而提高高速总线通信数据的交互能力，提高数据交互质量.
1 数据实时交互方法
1.1 采集高速总线通信数据
在采集高速总线通信数据时，通过计算系统发送的通信数据量，给出通信数据采集的最大化约束条件.利用高速总线节点接收通信数据量与跳数的关系，将通信数据采集指令转换为数据采集最短路径问题，建立通信数据采集的目标函数.通信数据的采集过程可以描述为：
假设通信数据采集总量为qtotal，则高速总线系统发送的通信数据量为
（1）
式中：edh为通信数据接收节点的数量；dt为通信数据在总线上的传输速率；ds为采集通信数据的速率；tsh为高速总线中通信数据节点的运行周期；ξssi为数据节点之间的通信长度.
利用Docker容器对高速总线进行虚拟化处理[6]，给出了通信数据采集的最大化约束条件为
（2）
式中：hdgh为通信数据传输能耗与数据传输距离的平方值；hsghj为总线节点发送通信数据能耗与数据传输距离的平方值；pwer为总线节点接收通信数据的能耗；psgh为总线节点发送通信数据的能耗；fiop为总线节点与通信数据之间的最短跳数.
根据式（2）给出的约束条件，在高速总线节点接收通信数据量与跳数之间，建立了如下关系式
（3）
式中：proto为通信数据传输的总能耗；fdhj为通信数据传输最小跳数；pery为任意一个总线节点的数据传输能耗；Eper为通信数据采集量的最大化范围；Ash为通信数据采集的波形图范围；yer为通信数据的物理量；αsg为总线节点对通信数据的下边界约束参数.
设通信数据的采样周期为λsg，在Docker容器下，将通信数据采集指令转换为数据采集最短路径问题[7]，其转换公式为
（4）
式中：mshki为通信数据采样窗口的宽度；Dshg为数据采集列表；Wdhk为通信数据在总线中的振幅变化参数；Ffj为通信数据在总线接口发生聚变的参数；zpo为通信数据在总线中的振幅值.
由于高速总线中的节点是均匀分布的[8]，将通信数据采集的时间间隔设置为udgh，构建了通信数据采集的目标函数为
（5）
式中：quip为通信数据的采集频率；mxj为数据采集窗口均值；ldkk为总线节点的能量资源.
如果通信数据在高速总线中的分布满足式（5）的目标函数，则可采集到通信数据，其获取表达式为
（6）
式中，Rwer为通信数据在高速总线运行周期内的采集总量.
1.2 基于Docker容器控制数据传输效率
引入Docker容器对高速总线通信数据传输效率进行控制[9].排序k个通信数据的表达式为
wi（k）=μiHi[k]
（7）
式中：wi（k）为排序标准；μi为通信数据在Docker容器下的映射系数；Hi[k]为第i个通信数据的瞬时容量，其计算表达式为
（8）
式中：
为通信数据源与端之间的距离概率；σ为最佳传输总线数据量；
为第i个通信数据在第k个数据传输功率下的增益.
在通信数据的实时交互中，采用Docker容器求解最优通信数据点[10]，从而缩短通信时间，通信数据节点的传输时间为
（9）
式中：Tsize为通信数据在第i个总线节点传输的时间；bi为数据传输时总线节点i传输的通信数据大小.
通信数据在传输过程中，利用Docker容器可以解决总线拥塞产生的数据传输时延问题[11]，则通信数据在总线中的传输时间为
（10）
式中：Li为高速总线节点的负载；Twi为通信数据在处理时产生的时延；Gi为通信数据的传输时延.
对高速总线通信数据传输效率的控制主要是采用Docker容器将节点数字串分配给通信数据，与通信数据的传输特点相结合[12]改进Docker容器的映射方式.将Docker容器的最优检索节点rbesti作为通信数据的初始位置，即
（11）
式中：C为通信数据集；χ为取值在0～1之间常数；
为变异函数；φbest为通信数据节点的位置.
1.3 高速总线通信数据实时交互建模
通信数据的交互建模是将数据的安全传输与收发作为目标，利用数据传输、通信数据实时交互请求、模块分割等[13]流程实现通信数据的实时交互.将通信数据ai与aj之间的输入和输出看成一个集合，即
B1（ai，aj）={（infTypeijr，Qijr|rN）}
（12）
式中：infTypeijr为通信数据ai与aj之间的第r个输入输出依附的信息类型；Qijr为通信数据ai与aj之间的第r个输入输出依附的信息强度；N为通信数据ai与aj输入输出的信息数量.
通信数据ai与aj输入输出依附大小为
（13）
式中，αijr为通信数据ai与aj之间的第r个输入输出依附权重.
输入输出依附是指两个通信数据共享相同的信息资源[14]，通信数据ai与aj依附的是一个集合，可以描述为
B2（ai，aj）={（sTypeijk，sQijk）|NDs}
（14）
式中：sTypeijk为通信数据ai与aj输入输出依附类别；sQijk为通信数据ai与aj输入输出依附重要性；NDs为通信数据ai与aj的依附数量.
通信数据ai与aj依附性表达式为
（15）
式中，βijk为通信数据ai与aj之间第k个依附权重.
根据以上推导，可以得到通信数据ai与aj在高速总线中的依附性为
B（ai，aj）=〈B1（ai，aj），B2（ai，aj）〉
（16）
基于依附推导过程[15]，将通信数据ai与aj之间的依附性推导式描述为
|B（ai，aj）|=γ（|B1（ai，aj）|+|B1（aj，ai）|）+
μ（|B2（ai，aj）|+|B2（aj，ai）|）
（17）
式中，γ和μ为依附权重，两者关系为γ+μ=1，且满足0≤γ和μ≤0.
按照通信数据的交互请求与模块间的相互关联，将通信数据传输模块组合成数据交互过程，实现高速总线通信数据的实时交互.
2 实验分析
2.1 设置实验参数
为了验证Docker容器高速总线通信数据实时交互方法在实际应用中的交互能力，设计了相关实验，实验参数设置如表1所示.
表1 实验参数
Tab.1 Experimental parameters
调制方式编码方式均衡器类型带宽kHz载频MHzMSKRS（31,15）LMS6.80987
在表1实验参数的基础上，设定通信数据ai与aj之间的依附权重γ和μ分别为3和-2，引入基于VR技术的交互方法和基于BIM与IoT的交互方法作为对比.由于高速总线非常容易受到脉冲和滤波的干扰，测试了3种方法在不同干扰模式下的通信数据误码率.
2.2 结果分析
在高速总线通信过程中，存在着单点和多点脉冲干扰，其中又以双脉冲为主，因此，本文分别测试单、双脉冲干扰下的通信数据误码率.在单脉冲干扰下，3种方法的通信数据误码率如图1所示.
图1 单脉冲干扰下通信数据误码率测试结果
Fig.1 Test results for bit error rate of communication data under mono-pulse interference
从图1可以看出，在单脉冲干扰下，当通信数据信噪比为-8 dB时，基于VR技术的交互方法和基于BIM与IoT的交互方法得到的误码率是相同的，但是随着通信数据信噪比的增加，基于BIM与IoT的交互方法得到的误码率在迅速下降，当通信数据信噪比为5 dB时，误码率达到最低值；而Docker容器下的交互方法在测试初期得到的误码率为25%，比其他两种方法的误码率低，当通信数据信噪比为0 dB时，通信数据误码率达到了最低值4%，可以看出，所提交互方法得到的通信数据质量更高.
在双脉冲干扰下，3种方法的通信数据误码率如图2所示.
图2 双脉冲干扰下通信数据误码率测试结果
Fig.2 Test results for bit error rate of communication data under dipulse interference
从图2结果可以看出，3种交互方法的误码率受双脉冲干扰的影响比较大，但是Docker容器的交互方法仍然比其他两种交互方法的误码率低.在实验初期，所提方法的误码率为25%，当通信数据信噪比为3 dB时，通信数据误码率达到最低值10%，所提方法在双脉冲干扰下的通信数据质量也是最高的.
在高速总线通信过程中，为保证数据通信的完整性，通常使用扩频通信系统完成数据交互，但该系统易受非线性滤波的干扰，因此在滤波干扰下，测试了3种方法的通信数据误码率，结果如图3所示.
图3 滤波干扰下通信数据误码率测试结果
Fig.3 Test results for bit error rate of communication data under filtering interference
从图3结果可以看出，3种方法受到滤波干扰的影响程度比较小，当通信数据信噪比为-8 dB时，所提方法得到的误码率只有12.5%，而其他两种方法的误码率都超过了30%，说明所提方法可以通过降低通信数据的误码率，提高通信数据的质量.
传输速率在一定程度上反映了相应方法的数据交互性能，本文设置了不同的集成节点，测试了3种方法的传输速率，如图4所示.
图4 传输速率对比结果
Fig.4 Transmission rate comparison results
不同集成节点数量下，Docker容器下的交互方法数据传输速率高于1 410 Mbit/s，相较于对比的2种方法而言，传输速率更高.其主要原因是Docker容器下的交互方法通过计算高速总线系统发送的通信数据量，给出通信数据采集的最大化约束条件，利用高速总线节点接收通信数据量与跳数的关系，将通信数据采集指令转换为数据采集最短路径问题，提高了传输速率.
3 结 论
通信技术是促进工业发展、丰富人类日常生活的关键技术.为了满足高速总线通信的数据传输需求，提高数据传输质量，本文基于Docker容器设计一种高速总线通信数据实时交互方法.借助Docker容器能够快速部署数据资源的优势，所提算法提高了通信数据利用率，降低了不同干扰下的通信数据误码率.经过实验测试发现，该方法受脉冲和滤波干扰的影响较小，可以提高通信数据的质量.在今后的研究中，将进一步深入挖掘高速总线中的通信数据特征，保证通信数据传输的安全性.
[1]王洪彬，张友强，童晓阳，等.基于PAT包含告警信号的智能变电站保护信息交互建模与验证 [J].电力系统保护与控制，2019，47（13）：124-132.
（WANG Hong-bin，ZHANG You-qiang，TONG Xiao-yang，et al.PAT based modeling and verification of interaction for protection system in intelligent substation using alarming signals [J].Power System Protection and Control，2019，47（13）：124-132.）
[2]曹锦丹，兰雪，邹男男.健康风险认知与信息交互行为关联模型研究 [J].图书情报工作，2019，63（6）：12-19.
（CAO Jin-dan，LAN Xue，ZOU Nan-nan.Correlation model of health risk perception and information interaction behavior [J].Library and Information Service，2019，63（6）：12-19.）
[3]张磐，丁一，葛磊蛟，等.新型配电自动化主站应用功能设计与信息交互技术 [J].电力电容器与无功补偿，2020，41（3）：126-134.
（ZHANG Pan，DING Yi，GE Lei-jiao，et al.Study on application function design and information interaction technology of new distribution automation master station [J].Power Capacitor & Reactive Power Compensation，2020，41（3）：126-134.）
[4]郭艳军，张进江，陈斌，等.基于VR技术的多尺度地质数据3D沉浸式可视化与交互方法 [J].地学前缘，2019，26（4）：146-158.
（GUO Yan-jun，ZHANG Jin-jiang，CHEN Bin，et al.Method development of 3D immersive visualization and interaction of multi-scale geological data based on VR technology [J].Earth Science Frontiers，2019，26（4）：146-158.）
[5]王亭，王佳.基于BIM与IoT数据的交互方法 [J].计算机工程与设计，2020，41（1）：283-289.
（WANG Ting，WANG Jia.Interaction method based on BIM data and IoT data [J].Computer Engineering and Design，2020，41（1）：283-289.）
[6]孙克雨，张雪梅.基于结构洞理论的财务共享服务中心信息交互中介性研究 [J].情报科学，2020，38（11）：64-69.
（SUN Ke-yu，ZHANG Xue-mei.Research on the intermediary of information interaction in financial shared service center based on structure hole theory [J].Information Science，2020，38（11）：64-69.）
[7]张青.接触式健康监测系统资源库信息交互设计 [J].沈阳工业大学学报，2019，41（3）：304-308.
（ZHANG Qing.Information interaction design for resource database of contact health monitoring system [J].Journal of Shenyang University of Technology，2019，41（3）：304-308.）
[8]尹慧子，张海涛，马婷婷，等.智慧医疗情境下信息交互行为及拓扑结构研究 [J].现代情报，2020，40（3）：137-147.
（YIN Hui-zi，ZHANG Hai-tao，MA Ting-ting，et al.Research on information interaction behavior and topological structure in the context of intelligent medical treatment [J].Journal of Modern Information，2020，40（3）：137-147.）
[9]钟麟，佟明安，张世清，等.不确定环境下编队协同信息交互优先权模型 [J].火力与指挥控制，2020，45（9）：12-16.
（ZHONG Lin，TONG Min-an，ZHANG Shi-qing，et al.Study on information interactive prioritization model for team cooperative air combat under conditions of uncertainty [J].Fire Control & Command Control，2020，45（9）：12-16.）
[10]郭冰菁，毛永飞，韩建海，等.步态康复训练机器人人机交互信息感知系统 [J].工程设计学报，2019，26（3）：252-259.
（GUO Bing-jing，MAO Yong-fei，HAN Jian-hai，et al.Human-robot interactive information sensing system for gait rehabilitation training robot [J].Chinese Journal of Engineering Design，2019，26（3）：252-259.）
[11]严朝阳，方飞，曹傧，等.基于LoRa的物联网数据传输系统研究与设计 [J].重庆邮电大学学报（自然科学版），2021，33（3）：354-363.
（YAN Chao-yang，FANG Fei，CAO Bin，et al.Research and design of internet of things data transmission system based on LoRa [J].Journal of Chongqing University of Posts and Telecommunications（Natural Science Edition），2021，33（3）：354-363.）
[12]黄宏程，廖强，胡敏，等.基于知识图谱波纹网络的人机交互模型 [J].电子与信息学报，2022，44（1）：221-229.
（HUANG Hong-cheng，LIAO Qiang，HU Min，et al.Human-computer interaction model based on know-ledge graph ripple network [J].Journal of Electronics & Information Technology，2022，44（1）：221-229.）
[13]李浩若，何锋，郑重，等.基于强化学习的时间触发通信调度方法 [J].北京航空航天大学学报，2019，45（9）：1894-1901.
（LI Hao-ruo，HE Feng，ZHENG Zhong，et al.Time-triggered communication scheduling method based on reinforcement learning [J].Journal of Beijing University of Aeronautics and Astronautics，2019，45（9）：1894-1901.）
[14]何凯彦，李维波，许智豪，等.基于双CPU的双以太网与双RS-422交互通信技术 [J].中国舰船研究，2020，15（3）：177-184.
（HE Kai-yan，LI Wei-bo，XU Zhi-hao，et al.Dual Ethernet and dual RS-422 interactive communication technology based on dual CPU [J].Chinese Journal of Ship Research，2020，15（3）：177-184.）
[15]毕文瑾，李亚龙.柔性直流换流阀控制系统架构与通信安全性设计 [J].电测与仪表，2019，56（17）：26-30.
（BI Wen-jin，LI Ya-long.Research on architecture and communication security design of flexible DC converter valve control system [J].Electrical Mea-surement & Instrumentation，2019，56（17）：26-30.）