[發明專利]一種基于自回歸模型幀預測的雷達數據壓縮方法

有效

• 申請號: 201810136664.9
• 申請日: 2018-02-09
• 公開（公告）號: CN108390871B
• 公開（公告）日: 2020-05-22
• 發明（設計）人: 侯興松;張燕;王小瑞
• 申請（專利權）人: 西安交通大學
• 主分類號: H04L29/06
• 分類號: H04L29/06
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 高博

1.一種基于自回歸模型幀預測的雷達數據壓縮方法，其特征在于，首先確定各原始幀數據的參考幀，將參考幀進行AR模型幀間預測后得到預測幀，然后用原始幀數據和前一幀重構數據進行差分建立差分模型，將當前幀與其預測幀的差值做BAQ的壓縮及解壓得到恢復的差值數據，最后將恢復的差值數據與預測幀相加得到重構的數據，包括以下步驟：

S1、取深空探測雷達的M幀道數據，對每組幀道數據進行N個點的采樣，并將采樣數據量化為16位存儲的數據，將其作為原始幀數據；

S2、對于原始幀數據中的當前幀，將其與之前的多項幀數據做差值；

S3、對步驟S2中得到的各個差值數據求其1-范數和小數據占比，將1-范數和小數據占比的乘積作為評定參考幀的指標，評定參考幀具體為：分別對差值求1-范數norm1(A)和小數據占比Small_data_ratio(A)，1-范數norm1(A)用于判斷數據動態范圍，小數據占比Small_data_ratio(A)用于判斷量化誤差，最后將兩個指標乘積作為最終預測指標，1-范數norm1(A)數值越小，動態范圍越小，對于數組A＝[a₁,a₂,...,a_m]，1-范數定義如下：

norm1(A)＝|a₁|+|a₂|+...+|a_m|

其中，a表示數組A中的元素，m表示數組A中的元素個數，將差值數據進行歸一化處理，取歸一化后數據最大值與最小值的二分之一為閾值，將歸一化后小于閾值的數據定義為小數據，小數據占比定義如下：

small_data_ratio＝N1/N2

其中，N1為小數據的數量，N2為總數據量，小數據占比Small_data_ratio(A)中數值小的數據越多，量化誤差越小；

S4、根據步驟S3得到的乘積指標確定預測過程中所需要的參考幀；

S5、重復步驟S2到S4，依次得到各幀數據對應的參考幀；

S6、建立AR模型，將步驟S5各組參考幀數據經過AR模型預測后，分別選擇其最優預測系數，經計算得到各幀數據的預測幀；

S7、對當前幀和由步驟S6得到的預測幀做差分，得到差值數據；

S8、將步驟S7得到的差值數據經分塊自適應量化算法過程進行壓縮、解壓后，得到恢復差值；

S9、將步驟S1原始幀數據與步驟S8恢復差值相加得到重構幀數據，由重構幀數據和原始幀數據計算峰值信噪比PSNR和逼真度K共同判斷重構數據的重構度，完成數據重構。

2.根據權利要求1所述的一種基于自回歸模型幀預測的雷達數據壓縮方法，其特征在于，步驟S2具體如下：

取消遍歷的過程，對當前幀之前的n-1幀數據做一差值遍歷；分別確定各個幀數據的最優參考幀距當前幀位置距離的最大值d₁和各個幀數據的次優參考幀距當前幀的位置距離的最大值d₂，將當前幀與之前的d₁項幀數據做差值計算得到最優參考幀；將當前幀與之前的d₂項幀數據做差值計算得到次優參考幀。

3.根據權利要求1所述的一種基于自回歸模型幀預測的雷達數據壓縮方法，其特征在于，步驟S6中，進行AR模型預測其預測階數p≥2，且進行AR預測選取的幀數據必須與當前幀具有相關性，參考幀包括最優參考幀及次優參考幀，具體為：定義最優參考幀和次優參考幀分別為當前幀相關性最強的一幀數據及相關性次強的一幀數據。

4.根據權利要求1所述的一種基于自回歸模型幀預測的雷達數據壓縮方法，其特征在于，步驟S6中，AR模型具體如下：

其中，為預測幀數據，x為原始幀數據，n為預測幀數據的位置數，a為預測系數，p為預測階數。

5.根據權利要求1所述的一種基于自回歸模型幀預測的雷達數據壓縮方法，其特征在于，步驟S8具體為：對差值數據進行分塊，計算塊內均值、方差，將每個數據塊進行歸一化處理符合均值為0，方差為1的高斯分布，以(0，1)高斯分布為基礎進行量化，計算輸出電平，將輸出電平進行編碼并傳輸，由數據塊、數據塊方差及輸出電平恢復出重構差值數據。

6.根據權利要求1所述的一種基于自回歸模型幀預測的雷達數據壓縮方法，其特征在于，步驟S9重構過程中，對于16位存儲的數據，定義峰值信噪比PSNR如下：

PSNR＝s/e

其中，s＝65535²，

定義逼真度K如下：

其中，f(i,j)為壓縮后數據，g(i,j)為未壓縮的原始數據。