[發明專利]一種數據序列構建方法、裝置及電子設備

有效

• 申請號: 201810402253.X
• 申請日: 2018-04-28
• 公開（公告）號: CN108845759B
• 公開（公告）日: 2021-08-24
• 發明（設計）人: 王兵
• 申請（專利權）人: 北京獵戶星空科技有限公司
• 主分類號: G06F3/05
• 分類號: G06F3/05;G06N3/04;G06N3/08
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 丁蕓;項京

1.一種數據序列構建方法，其特征在于，所述方法包括：

獲取原始數據序列；

將所述原始數據序列輸入至預設神經網絡，構建采樣頻率為目標采樣頻率的數據序列，其中，所述目標采樣頻率為所述原始數據序列采樣頻率的k倍，k為大于1的有理數，所述預設神經網絡為預先訓練完成的用于提高數據序列的采樣頻率的神經網絡；

其中，所述預設神經網絡包括：特征提取子網絡、特征映射子網絡和構建子網絡；

所述將所述原始數據序列輸入至預設神經網絡，構建采樣頻率為目標采樣頻率的數據序列，包括：

利用所述特征提取子網絡，獲取第一原始數據特征，所述第一原始數據特征為原始數據序列的數據特征；

利用所述特征映射子網絡，對所述第一原始數據特征進行預設次數的非線性映射，得到第一非線性數據特征，所述預設次數大于1，所述第一非線性數據特征為所述原始數據序列的非線性數據特征；

利用所述構建子網絡，基于所述第一非線性數據特征，構建采樣頻率為目標采樣頻率的數據序列；

其中，所述利用所述特征映射子網絡，對所述第一原始數據特征進行預設次數的非線性映射，得到第一非線性數據特征，包括：

利用所述特征映射子網絡中的卷積層，對所述第一原始數據特征進行非線性映射，得到本次非線性映射所輸出的非線性數據特征；

將所述第一原始數據特征和上次非線性映射所輸出的非線性數據特征輸入至所述卷積層，得到本次非線性映射所輸出的非線性數據特征；

返回執行所述將所述第一原始數據特征和上次非線性映射所輸出的非線性數據特征輸入至所述卷積層，得到本次非線性映射所輸出的非線性數據特征的步驟，直至進行了預設次數的非線性映射；

將每次非線性映射所輸出的非線性數據特征，作為第一非線性數據特征。

2.根據權利要求1所述的方法，其特征在于，所述預設神經網絡預先經過多個樣本數據組的訓練，所述多個樣本數據組中每個樣本數據組，包括第一樣本數據序列和第二樣本數據序列，所述第一樣本數據序列為所述第二樣本數據序列的子序列，并且所述第一樣本數據序列中相鄰數據的時間間隔相等，所述第一樣本數據序列的采樣頻率等于所述原始數據序列的采樣頻率，并且所述第二樣本數據序列的采樣頻率等于所述目標采樣頻率。

3.根據權利要求2所述的方法，其特征在于，通過以下方法對所述預設神經網絡進行預先訓練：

利用所述特征提取子網絡，獲取第二原始數據特征，所述第二原始數據特征為所述第一樣本數據序列的數據特征；

利用所述特征映射子網絡，對所述第二原始數據特征進行非線性映射，得到第二非線性數據特征，所述第二非線性數據特征為所述第一樣本數據序列的非線性數據特征；

利用所述構建子網絡，基于所述第二非線性數據特征，構建采樣頻率等于所述第二樣本數據序列的采樣頻率的數據序列，作為所述第一樣本數據序列的目標數據序列；

根據所述目標數據序列和所述第二樣本數據序列，訓練所述特征提取子網絡、所述特征映射子網絡以及所述構建子網絡。

4.根據權利要求1所述的方法，其特征在于，所述利用所述構建子網絡，基于所述第一非線性數據特征，構建采樣頻率為目標采樣頻率的數據序列，包括：

利用所述構建子網絡，分別基于所述每次非線性映射所輸出的非線性數據特征，構建得到多個待輸出數據序列；

將所述多個待輸出數據序列加權平均，得到采樣頻率為目標采樣頻率的數據序列。