[發明專利]基于狀態及殘差的觀測數據無損壓縮方法

有效

• 申請號: 201710833151.9
• 申請日: 2017-09-15
• 公開（公告）號: CN107608932B
• 公開（公告）日: 2020-09-01
• 發明（設計）人: 周樂韜;黃丁發;馮威
• 申請（專利權）人: 西南交通大學
• 主分類號: G06F17/11
• 分類號: G06F17/11;G06F17/18;G06F17/16;H03M7/30;G01S19/39
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 梁田

1.基于狀態及殘差的觀測數據無損壓縮方法，其特征在于，將觀測量轉化為狀態量和殘差量，并對狀態量和殘差量進行時空域差分；

將觀測量轉化為狀態量和殘差量，并對狀態量和殘差量進行時空域差分的步驟如下：

a、通過觀測量與各元素相互獨立的狀態量的函數關系建立觀測模型并線性化，根據觀測量的觀測精度獲取觀測噪聲方差；

b、通過狀態量的時間相關性建立狀態預測線性模型，根據狀態預測量的精度獲取狀態噪聲方差；

c、用最小二乘法或卡爾曼濾波估計狀態量，并將狀態量估值代入觀測模型計算殘差量；

d、將狀態量和殘差量的空間鄰域差值和時間鄰域差值替代原始觀測量。

2.根據權利要求1所述的基于狀態及殘差的觀測數據無損壓縮方法，其特征在于，所述步驟a中，建立觀測模型的具體方法為：

a1：將觀測量L_k表達為各元素相互獨立的狀態量X_k的函數：

L_k＝F_k(X_k)+V_k (1)；

a2：建立線性觀測模型：利用泰勒級數對式(1)在狀態向量近似值X_0k處線性化，忽略二階及更高階項，形成線性觀測方程：

l_k＝B_kx_k+V_k (2)

其中，k＝0，12…表示觀測歷元序號，X_0k是第k歷元的n行1列的狀態向量初值，使用上一歷元的狀態向量估值，l_k＝L_k-F_k(X_0k)，l_k為m行1列的偽觀測值向量，L_k為m行1列的觀測數據向量，F_k(X_0k)為m行1列的常數向量，為m行n列的系數矩陣，x_k為n行1列的狀態向量改正數，V_k為m行1列的殘差向量，m為觀測量的個數，n為狀態量的個數；

a3：根據觀測量的觀測精度獲取l_k的m行m列觀測噪聲方差陣D_k。

3.根據權利要求2所述的基于狀態及殘差的觀測數據無損壓縮方法，其特征在于，所述步驟b中，建立狀態預測線性模型的具體方法為：

b1：前后歷元的狀態具有時間相關性，可以建立狀態線性模型：

Φ_k-1，kX_0k-X_0k＝x_k+W_k (3)

其中，Φ_k-1，k是狀態轉移矩陣，X_0k-1是第k-1歷元的狀態向量初值，為第k-1歷元狀態向量改正數最優估值，W_k為狀態轉移噪聲；

b2：根據狀態預測量的精度獲取狀態轉移噪聲W_k的n行n列狀態轉移噪聲方差陣R_k。

4.根據權利要求3所述的基于狀態及殘差的觀測數據無損壓縮方法，其特征在于，所述步驟c中，用最小二乘法或卡爾曼濾波估計狀態量，并將狀態量估值代入觀測模型計算殘差量的具體方法為：

c1：觀測模型準確時，認為殘差向量V_k是零均值高斯白噪聲，利用最小二乘估計狀態向量x_k：

其中，上標“T”是轉置運算符，上標“-1”是求逆運算符，為x_k的最優估值，n_k＝Φ_k-1，kX_0k-X_0k，當k＝0時，狀態模型不存在，最優估值為式(2)的最小二乘解；

c2：將(4)式代入(2)，解算得到殘差向量V_k：

通過式(4)、式(5)，可解算各歷元的狀態向量和殘差向量V_k。

5.根據權利要求4所述的基于狀態及殘差的觀測數據無損壓縮方法，其特征在于，所述步驟d中，狀態量和殘差量進行時空域差分的方法如下：

d1：分布式傳感器節點的狀態量之間若具有空間相關性，則對其進行空間域壓縮，首先建立各分布式節點間的距離最小生成樹作為其拓撲關系，其次存儲樹中某個度最大的節點的狀態量作為基準，最后根據最小生成樹建立差分方陣Z，利用該矩陣進行壓縮的公式為：

S＝ZY (6)

其中，設基準節點序號為i，則Z第i行第i列元素為1，Z矩陣第i行其他元素都為零，假設最小生成樹某邊對應于第j行、邊的起點序號為b、終點序號為e，則Z_je＝1、Z_jb＝-1，第j行其他元素都為零，S為m行1列的壓縮后的狀態量空間序列，存儲的是1個基準狀態量和m-1個最小生成樹有向邊對應節點的狀態量的差值，Y為m行1列的狀態量空間序列，存儲的是各節點的同類狀態量，對(6)式進行逆操作則為解壓縮過程；

d2：單獨傳感器的狀態量S或者空間域差分壓縮后的狀態量S若具有時間相關性，則進行時間域壓縮，設是狀態向量或S_k中的一個狀態量，上標表示差分階次，則t+1階差分量可以用t階差分量表示：

由低階到高階遞推計算各階的差分時間序列，可以將狀態量時間序列壓縮為后者的值域范圍小于前者的值域范圍，因此數據量得以壓縮，其中v為最大差分階次，式(7)進行逆操作為解壓縮過程。