基于压缩感知和稀疏重构算法的区块链系统数据处理方法技术领域
本发明涉及区块链系统数据的处理方法，特别是一种基于压缩感知和稀疏重构算
法的区块链系统数据处理方法。
背景技术
2009年比特币的出现带来了一种颠覆性的成果--区块链技术，区块链是一个安全
的帐簿类数据库，由一个个数据区块组成，使用者可以在这个不断更新升级的平台查找数
据，对于金融机构来说，区块链能加快交易处理过程、降低成本、减少中间人、提高市场洞察
力，增加业务透明度。
区块链作为加密货币比特币的底层技术，是一个伟大的创新，区块链技术可以用
于打击欺诈和非法交易，目前很多行业都开始使用区块链技术，如何得到更快的交易处理
速度，是影响私有区块链大范围应用的主要因素。例如金融领域中，NASDAQ处理交易的速度
达到100万次每秒，VISA交易处理顶峰处理速度是45000次每秒。从中可以看出提高区块链
系统的交易处理能力非常重要。目前市场上出现的私有区块链的交易速度都比较低。
因此，交易处理速度是一个非常重要的问题。在大多数应用中，大量的交易是在一
瞬间产生的，这种大规模应用也是blockchain的重要特征。为了提高交易处理速度，各国研
究者已经进行了大量的工作。Juan Eduardo 等人提出了一个简单的竞争分析方
法，通过分割区块链系统节点的计算数量以减少交易验证时间。还有学者搭建了一种安全
的高速率的分布式应用平台，能够促进区块链的网络交易处理。这些研究都已经取得了一
定的效果，然而，私有链的交易高速处理问题仍没有得到有效解决。
压缩感知理论的诞生是的采样速率与信号的结构和内容相关，并以低于奈奎斯特
采样定理要求的频率采样、编码和重构，该理论原本大多用于传统行业，如机械，电子，航
空，光学领域，然而针对目前区块链数据处理速度很慢，产生数据冗余和资源浪费的瓶颈问
题严重的技术问题，该理论为其发展提供了新的契机，显著影响了区块链数据融合的发展。
稀疏重构算法的提出是基于传统的信号分解方法都是将信号分解到一组完备的正交基上，
具有很大的局限性，在表达任意信号的时候，需要更有效的非正交算法提出。信号在冗余字
典下稀疏分解，在稀疏基或字典构造过程中，确保信号的表示稀疏足够稀疏，从而确保直接
与非零系数相关压缩测量数目足够少，高概率的重构数据。
发明内容
本发明的目的在于提供一种基于压缩感知和稀疏重构算法的区块链系统交数据
处理方法，包括如下步骤：(1)将区块链系统交易数据转换为多时空多维数据，然后将转换
后的数据进行压缩和稀疏表示，即将多时空多维数据进行线性分解；(2)构造一个与稀疏变
换矩阵不相关的M*N稀疏对算矩阵，对多时空多维数据进行线性投影，获取感知数据对算
值，从而使得交易数据对象将维，其中M远远小于N，并且感知数据对算值为M*1阶矩阵；(3)
交易信息重构，利用压缩感知获取的低维交易数据采用稀疏算法精确重构多时空多维原始
交易数据，即利用M维感知测量值重建N维交易数据。
优选的，步骤(1)的所述稀疏表示具有如下多种方法中的一种：稀疏变换，Fourier
变换，小波变换，Gabor变换，Curvelet变换，Bandelet变换，Contourlet变换。
优选的，步骤(1)的稀疏表示算法包括追踪算法，贪婪匹配追踪算法，正交匹配追
踪算法。
优选的，步骤(2)中稀疏对算矩阵需要满足非相干性和限制等容性条件，即使用稀
疏变换基于不相关的稀疏对算矩阵对信号压缩提取，则原始获取的交易数据信号可以经过
某种变换后稀疏表示。
优选的，步骤(2)中稀疏对算矩阵可以从随机高斯稀疏测量矩阵，随机贝努力测量
矩阵，部分正交矩阵以及稀疏随机矩阵中选择。
优选的，步骤(3)重构算法有三种：基于L1范数的凸优化算法，基于L0范数的贪婪
算法以及组合算法。
优选的，基于L1范数的凸优化算法包括基追踪算法，梯度投影法，凸集交替投影算
法和内点迭代法。
优选的，基于L0范数的贪婪算法包括匹配追踪算法，正交匹配追踪算法，分段式正
交匹配追踪算法。
优选的，组合算法包括链式追踪算法，HHS追踪算法和I-wen算法。
采用本发明的数据处理方法，有效解决了区块链数据处理速度慢，产生数据冗余
和资源浪费的技术问题。
根据下文结合附图对本发明具体实施例的详细描述，本领域技术人员将会更加明
了本发明的上述以及其他目的、优点和特征。
附图说明
后文将参照附图以示例性而非限制性的方式详细描述本发明的一些具体实施例。
附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解，这些
附图未必是按比例绘制的。本发明的目标及特征考虑到如下结合附图的描述将更加明显，
附图中：
图1为根据现有技术的私有区块链网络模型；
图2为根据本发明实施例的基于压缩感知和稀疏重构算法的区块链系统数据处理
方法流程图。
具体实施方式
在进行具体实施方式的说明之前，为了更为清楚的表达所论述的内容，首先定义
一些非常重要的概念。
交易：交易的实质是个关系数据结构，这个数据结构中包含交易参与者价值转移
的相关信息。这些交易信息被称为记账总账簿。交易需经过三个创建、验证、写入区块链。交
易必须经过数字签名，保证交易的合法性。
区块：所有的交易信息存放于区块中，一条交易信息就是一条记录，作为一个独立
的记录存放于区块链中。区块由区块头部和数据部分组成，区块头字段包含区块本身的各
种特性，例如前一区块信息，merkle值及时间戳等。其中区块头哈希值和区块高度是标识区
块最主要的两个指标。区块主标识符是它的加密哈希值，一个通过SHA算法对区块头进行二
次哈希计算而得到的数字指纹。产生的32字节哈希值被称为区块哈希值，或者区块头哈希
值，只有区块头被用于计算。区块哈希值可以唯一、明确地标识一个区块，并且任何节点通
过简单地对区块头进行哈希计算都可以独立地获取该区块哈希值。
区块链：由区块按照链式结构有序链接起来的数据结构。区块链就像一个垂直的
堆栈，第一个区块作为栈底的首区块，随后每个区块都被放置在其他区块之上。当区块写入
区块链后将永远不会改变，并且备份到其他的区块链服务器上。
本发明优选实施例所涉及的方法和算法是在私有区块链的基础上提出的。
Bitcoin采用的是公共区块链技术，它运行于p2p网络，每台接入的PC机都可以参与，这在实
际应用过程中带来了许多弊端，例如，效率低、产生区块慢、交易处理不及时等。在某些具体
应用中是不被允许的。私有区块链节点运行于高速网络中，传输速率快，记账即时，安全性
更高。这些特点保证了私有区块链技术应用于大规模的交易处理中。
图1为私有区块链的网络模型，其实质是一个多客户端—多服务器模型。在多服务
器模式下，存在3x+1个节点，其中有一个或者多个leader节点。实质上它是一个分布式处理
系统，BC节点之间的通信机制十分繁琐。由于多节点共同执行一个任务，需要有消息机制进
行沟通，而消息在发送过程中可能会出现丢失、乱序、重复等情况，这种结构我们称之为
Client/Multi-Server模式，简称C/MS模式。多服务器的模式保证了系统的安全性、扩展性
和容错性。该网络模型包括：客户端节点:交易的发起者；多服务器集群:分布式的任务系
统，由里面的多个节点组成，节点中的任务通过彼此间的消息通信进行协作，一致的完成任
务；领袖节点:主节点，负责从client nodes接收任务，并分发给其它节点；区块链节点，负
责接收并完成Leader派发的任务，同时，如果主节点出现故障，多个BC node可以自发的选
出一个新的主节点；交易：需要验证并计入区块的交易；节点间通信使用的消息。
通过系统节点利用率，正在处理的交易平均数，系统中的平均交易数，系统中等待
的平均交易数，交易平均逗留时间，交易平均等待时间来评估区块链交易数据处理速度和
效率。
因此该算法从如下三个方面着手：(1)稀疏表示；(2)稀疏测量；(3)信号重构。
根据图2，由于系统中会存在两种数据，一种是客户端用户所有的交易数据，这种
数据将汇总到区块链节点服务器中，第二种数据是区块形成后的区块数据，区块数据往往
较大，并在形成之后在全网广播，将极大的占用带宽资源。因此所使用的基于压缩感知和稀
疏重构算法的区块链系统交易数据处理方法，包括如下步骤：(1)将区块链系统交易数据转
换为多时空多维数据，然后将转换后的数据进行压缩和稀疏表示，即将多时空多维数据进
行线性分解；(2)构造一个与稀疏变换矩阵不相关的M*N稀疏对算矩阵，对多时空多维数据
进行线性投影，获取感知数据对算值，从而使得交易数据对象将维，其中M远远小于N，并且
感知数据对算值为M*1阶矩阵；(3)交易信息重构，利用压缩感知获取的低维交易数据采用
稀疏算法精确重构多时空多维原始交易数据，即利用M维感知测量值重建N维交易数据
实施例：
区块链应用环境为电网电量交易。由客户端的应用程序产生交易。由虚拟局域网
内部的BC服务器处理交易。影响交易处理速度的瓶颈在于BC服务器的网络状况和计算能
力。集群内部BC服务器的数目为3x+1个。我们分别将BC节点的数目分别在10、20，30，40，50，
60等下面进行测试，将每10个节点采集的交易数据进行傅立叶及小波变换，构造稀疏字典
为冗余字典，对于交易信息本身的固有特征，字典的各个元素全部匹配，并且选择的稀疏字
典使得稀疏足够稀疏，直接与非零系数相关的压缩交易数量足够少，采用区块链数据库自
身机构特征，采用稀疏分解正交匹配追踪算法进行稀疏表示。将信号进行QR分解、正交变换
改进的随机稀疏对算矩阵a的方法，从而构建与区块链交易数据本征符合的在稀疏对算矩
阵，为交易信息重构奠定基础。构造的稀疏对算矩阵为y＝af，其中y是M*1矩阵，使得测量对
象降维，稀疏对算过程是非自适应的，即稀疏对算矩阵a的选择不依赖于交易信息f，构造的
稀疏对算矩阵要求交易信息从f转换为y的过程中获得的K个交易信息值能够保留原始交易
的全部信息，保证交易信息的精确重构，其中K数量的获取只要满足有限等距性质即可，其
中常数的选择根据区块链交易数据规模而定，采用凸优化方法，重建交易信息，在大数据交
易信息获取后，采用交替方向算法和贪婪追踪算法同步迭代进行，选择适当的迭代初值和
阈值，将分离结构考虑在内。
然后分别进行分别记录在不同服务器数目下节点对交易处理的速度，可以看出延
迟性能得到明显的提高，时间节约，每秒处理交易数量大大提高。
虽然本发明已经参考特定的说明性实施例进行了描述，但是不会受到这些实施例
的限定而仅仅受到附加权利要求的限定。本领域技术人员应当理解可以在不偏离本发明的
保护范围和精神的情况下对本发明的实施例能够进行改动和修改。