[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

本發明實施例提供了一種數據序列構建方法、裝置及電子設備。方法包括：獲取原始數據序列；將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，目標時間采樣頻率為原始數據序列采樣頻率的k倍，k為大于1的有理數，預設神經網絡為預先經過訓練完成的用于提高數據序列的采樣頻率的神經網絡。可以利用神經網絡的強大學習能力，實現構建得到更準確的數據序列。

技術領域

本發明涉及數據處理技術領域，特別是涉及一種數據序列構建方法、裝置及電子設備。

背景技術

各種應用場景中所使用的數據序列，通常是沿著時間軸在各個采樣時刻采集數據得到的。數據序列的采樣頻率由采樣間隔決定，采樣間隔越大，所采集數據的采樣頻率越低，相反，采樣間隔越小，所采集數據的采樣頻率越高。一些測量設備出于自身設計的限制，或者，實際應用場景的限制，采集到的數據序列的采樣頻率可能較低，無法滿足用戶的實際需求。為了滿足用戶的實際需求，可以基于低采樣頻率數據序列，構建高采樣頻率數據。

現有技術中，可以是在低采樣頻率數據序列中相鄰數據之間，插入經由插值得到的數據，以降低相鄰數據之間的時間間隔，示例性的，假設低采樣頻率數據序列包含有3個數據，對應的采樣時刻分別為t＝0ms、t＝10ms、t＝20ms，可以是利用插值法得到采樣時刻為t＝5ms和t＝15ms的數據，并將插值得到的數據插入低采樣頻率數據序列中，得到相鄰數據之間的時間間隔為5ms的高采樣頻率數據序列。

但是，由于低采樣頻率數據序列中包含的數據有限，無法準確地反映出低采樣頻率數據序列的實際變化趨勢，因此基于低采樣頻率數據序列中的數據插值得到的數據，與實際變化趨勢之間可能相差較大，導致該方法得到的高采樣頻率數據序列的準確性較差。

發明內容

本發明實施例的目的在于提供一種數據序列構建方法、裝置及電子設備，以實現更準確地將低采樣頻率數據序列重建為采樣頻率更高的高采樣頻率數據序列。具體技術方案如下：

在本發明實施例第一方面，提供了一種數據序列構建方法，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。

結合第一方面，在第一種可能的實現方式中，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。

結合第一方面，在第二種可能的實現方式中，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非線性映射，得到第一非線性數據特征，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。

結合第一方面的第二種可能的實現方式，在第三種可能的實現方式中，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；