分布式雷达信号级融合检测的数据压缩与组网架构设计

分布式探测是雷达领域热点问题,信号级融合探测比数据级融合探测能力更强,但通常需要的通信带宽较大。为此文中针对分布式非相参信号级目标融合探测,提出了基于雷达压缩数据的信号级融合目标检测方法。所提方法通过可并行化计算的信号级融合算法实现不同雷达量测值之间的去耦,通过双门限检测避免传输局部低能量的噪声信号,通过二次量化对过门限信号进行再次压缩,最终实现以点迹通信带宽逼近信号级融合检测的能力。基于4雷达组网的数值仿真结果验证表明,通信带宽缩减至原来的1/1 000,信噪比损失不超过0.7 dB,并据此探索雷达组网的体系架构设计问题,可支撑不同场合下的信号级协同探测工程应用。

基于目标特征的数据压缩预处理方法

随着水下自动监测技术的不断发展,对于数据的实时传输效率和测量精度的要求也越来越高,而高质量无损数据压缩传输技术还存在严重不足。文章利用在广西西江航道上建立的侧扫声呐船舶吃水自动监测系统,提出了一种基于目标特征的数据压缩预处理方法。该方法根据散货船的船体结构和声图成像特点,在进行数据压缩前分别在时间和空间两个维度上实现对目标信号的识别和提取,完成对无关冗余数据的剔除。该预处理方法不仅可以大幅提高数据压缩的压缩比,提高传输效率,节省存储空间,还可以保证用于测量计算的目标关键特征信息不丢失,为进一步突破无损数据压缩的压缩比限制提供新思路。

基于北斗三号短报文的共视数据压缩传输方法

共视时间比对通过交换两地共视数据完成远距离高精度的时间比对。针对无地面通信网地区,本文提出了一种基于北斗短报文的共视数据压缩传输方法,该方法通过将共视数据进行压缩,利用北斗的短报文功能对压缩后的共视数据进行实时传输,在无地面通信网的地区进行了共视时间比对试验。试验结果表明,本文设计的共视数据压缩方法具有较好的压缩效果,可以通过北斗短报文实现无地面通信网的情况下的实时共视时间比对。

智慧楼宇环境下基于数据压缩和改进灰狼算法的边缘计算卸载方法

智慧楼宇的边缘计算环境中,为了在资源受限且环境复杂的情况下最小化系统的整体时延和能耗,提出了一种结合数据压缩和改进灰狼算法(CLGWO)的边缘计算卸载方法。该方法首先采用差分字典编码压缩技术对数据进行压缩,预估数据压缩率及其产生的开销;随后引入莱维飞行算法和螺旋渐近狩猎方式对灰狼算法进行改进,以增强其全局搜索能力;最后结合预估压缩效果和改进灰狼算法求得最佳卸载方案。实验结果表明,CLGWO方法能够显著降低计算任务卸载的整体延迟和能耗,证实了该方法的有效性和可行性,为楼宇中边缘计算卸载问题提供了一种新的解决方案。

气象信息网络传输中数据压缩与传输效率优化研究

气象信息传输是气象监测的前提,气象监测对气象数据的准确性、实时性等要求严格。面对海量气象数据,必须对数据进行有效压缩与传输,才能发挥气象信息数据的价值。以气象信息网络传输中的数据压缩与传输效率优化为中心,运用理论研究法与文献分析法拓展数据压缩与传输效率优化路径,以期为未来工作研究提供参考。

基于生成对抗网络的超声数据压缩方法研究

近年来中国工业超声检测发展迅速,几乎涵盖了所有工业领域,然而随着超声检测的不断发展,超声检测的数据量也变得越来越大,这对于数据的传输和存储造成了一定的困扰。针对以上问题论文利用卷积神经网络,长短期记忆网络和生成对抗网络相结合的一种新的网络框架,对超声数据进行特征提取、编码、传输,在生成器中完成对压缩数据的重建,实现比传统超声数据压缩方法更高的压缩比率,同时保证高的还原度。从而减轻数据传输和存储过程中的负载。仿真结果表明,该方法能过实现比传统压缩方法具有更低的压缩率,同时保证较高的还原度。

基于北斗卫星导航系统的数据压缩算法

传统通用航空器定位导航和通信系统通常采用GPS定位导航系统和电台等手段。但电台有着费用高,偏远地区覆盖情况不佳等问题。近年来,随着我国拥有完全自主知识产权的北斗卫星导航系统的成功组网,各种相关产业的合作也逐渐活跃。使用北斗无源定位功能获取位置信息,使用北斗短报文功能实现通信功能,从而使通用航空器的定位、导航、监控、调度、通信等功能不受区域限制变成可能。由于北斗短报文限制,导致上报时间间隔过长,单次发送位置信息数据量过少等问题。本文开发一种基于北斗短报文功能的数据压缩算法,通过压缩数据量、增加补偿点的方法解决以上问题。

基于IMU模块的数据压缩系统设计

随着信息社会的发展,日常交互的信息量逐渐增加,数据压缩技术受到了日益广泛的关注。然而传统的数据压缩技术,通常为有损压缩,即在解压后会存在数据丢失的现象,并且在压缩与解压缩的过程中需要损耗大量时间,大大增加了系统运行的资源成本。为了解决上述问题,提出了一种基于IMU模块的无损数据压缩系统,该系统通过数据的独特性、数据的结构以及占用内存三种角度来对IMU数据进行压缩处理。在确保数据解压后仍保持完整性的前提下,通过观察数据的压缩比例以及数据的压缩时间,来选择最佳的数据压缩方式。最终要求数据的压缩比例达到压缩前的三倍,压缩所需的时间不能高于压缩前即为最佳方案。

一种基于二阶差分和Chimp算法的旋转机械振动数据压缩方法

在边缘计算环境中,旋转机械持续振动信号的庞大监测数据面临着上传至云带宽压力大、传输时间长等问题,须对其进行压缩。分析了国内外旋转机械振动数据压缩的研究进展,提出了一种基于二阶差分和Chimp算法的旋转机械振动数据压缩方法:首先对时间戳部分采用改进二阶差分编码压缩,其次对数据值部分采用改进Chimp算法进行压缩,最后与传统压缩算法进行对比试验,验证所提方法在旋转机械振动数据压缩方面的有效性,可显著提升数据压缩率。

一种基于位深度变换的无线电频谱数据压缩方法

电磁频谱数据是刻画电磁频谱态势的量化数字集合,频谱数据具有空间相关性、时间相关性以及频率相关性,在局部范围内的频谱数据和相邻频率上的数据存在冗余。针对上述问题,提出了一种基于位深度变换的无线电频谱数据压缩方法,首先将未经处理的无线电频谱监测数据经过数据转换模块转换成可便于后续压缩的频谱子图,然后采用传统编码方法压缩最高有效字节(HSB)频谱子图,最后设计了一种自回归熵模型来实现最低有效字节(LSB)频谱子图的高性能压缩并引入波前并行操作来加快解码速率。实验结果表明,其压缩率为39.05%,与已有的HUffman等传统无损压缩方法和无损图像压缩方法相比,所提出的方法在保证数据准确性的同时有着更好的压缩性能。

基于稀疏学习的电力数据压缩与高精度重建

数据压缩过程中容易出现缺失问题,因此提出基于稀疏学习的电力数据压缩与高精度重建方法。对电力信号进行稀疏表示,并根据其稀疏特点选取交换基。考虑到数据的非适应线性测量过程,将交换基作为约束等距条件,通过串行写入实现电力数据压缩,从而解决数据压缩时出现缺失的问题。构建电力数据分块稀疏重建目标函数,求解稀疏约束项并获取合适的参量,从而实现电力数据高精度重建。实验结果表明,该方法的数据压缩最大耗时仅为0.3 ms且能够重建全部的缺失数据。

随钻方位成像测井数据压缩与还原方法

在地质导向施工中,随钻数据实时上传是保障导向精准的关键。目前受限于MWD传输速度,随钻成像测井数据难以实时传输到地面,影响导向过程中地层特征的实时获取,制约导向实施效果。对此,提出了一种随钻成像测井数据高效压缩与还原方法,利用随钻方位成像在层界面位置成等值线特征,建立等高线方程;采用函数映射关系代替图像数据,通过传输函数关系所对应的图像映射关系参数大大降低数据量,再通过反函数解压,获取高质量成像图像,减轻泥浆脉冲数据传输带宽限制的压力。该技术试验结果表明,对井下随钻方位伽马测量数据压缩率达92.9%,大大减少了地质导向时井底数据实时上传量,实现了随钻成像数据的实时上传,可为岩性、层界面等地层关键信息实时解释提供数据支撑,助力精准地质导向。

采用位域的PLC上位机数据压缩方法及实现

针对当前工业控制系统中系统数据与PLC数据不匹配问题,提出一种采用位域的PLC上位机数据压缩方法。该方法接收系统其他数据,分析系统数据与PLC数据的差异性,定义相应的限制位域的结构体,借助于位域完成系统数据到PLC数据的压缩工作,最后将压缩后的用户数据组包发送给PLC设备。将所提方法应用于PLC上位机软件中,并成功在某飞机舱门训练器中得到实践。结果表明,该方法具有良好的实用价值,比传统数据压缩方法更加简单、高效和易操作。

低功耗无线智能设备在线监测数据压缩方法

为释放数据存储空间,提升数据压缩率,提出低功耗无线智能设备在线监测数据压缩方法。分析低功耗无线智能设备在线监测数据采集过程,并传输至控制单元内。采用卡尔曼滤波算法,抑制所采集监测数据内的噪声。通过二乘规划与线性特征拟合的过程,获取滤波后低功耗无线智能设备在线监测数据的特征约束点,实现低功耗无线智能设备在线监测数据压缩。实验结果表明,该方法滤波后的监测数据更贴近实际数据,可最大限度释放数据存储空间。

基于时间窗口聚类的电力时序数据压缩研究

为节约电力时序数据的存储空间,有效实现对电力网络的扩容处理,提出了基于时间窗口聚类的电力时序数据压缩方法。根据时间窗口聚类条件,分别求解时间子序列与窗口子序列条件,从实时存储库中提取电力时序数据样本。定义压缩性能指标,通过稀疏变换数据矩阵的方式,实现对电力时序数据的压缩处理。对比实验结果表明,时间窗口聚类模型可将电力时序数据存储空间控制在3.0×10~7bit内,对于节约数据存储空间、实现电力网络的扩容起到了一定的促进性作用。

联合数据压缩和安全保护的协同计算任务迁移策略

针对端边云协同计算系统中的任务迁移问题,建立一个联合数据压缩和安全保护的任务迁移模型,并提出一种基于改进鲸鱼算法的迁移算法以获得最佳的任务迁移策略。该模型利用数据压缩技术对需要传输的任务数据进行压缩,以降低任务的传输时延。同时,引入隐私熵对任务迁移的隐私风险进行量化,实现数据可用性与安全性之间的平衡。所提迁移算法引入自适应概率阈值同时使用粒子群算法中的惯性权重,以平衡全局搜索和局部开发的能力。实验结果表明:任务迁移模型可以有效地降低任务处理时延并保护任务数据安全;与现有迁移算法相比,所提迁移算法具有更快的收敛速度且能够得到更优的目标值。

微波数据压缩及定标测试方法的研究

针对星载合成孔径雷达系统回波数据容量大、难以满足星地链路间传输速率要求的问题,根据max⁃lloyd量化方法获得了回波数据量化压缩的门限,提出星载SAR数据自适应量化编码压缩和解压缩的具体实现方法。同时,以理想调频连续波信号为发射定标信号,对星载合成孔径雷达系统数据压缩及解压缩过程中的误差进行了详细的分析,并且根据雷达系统压缩后的回波数据在数据高速传输过程中的帧格式,对雷达回波数据进行了二进制的解码及解压缩操作,获得了数据的真实大小。最后,通过Matlab/GUI编程设计了能够对雷达回波数据进行定标分析、解码及解压缩的软件演示系统。通过人机交互的设计,将数据处理过程中的实验结果以dat数据、图片数据和word文档数据等形式进行了存储和显示。

数据压缩在大规模存储中的应用研究

在当前大规模分布式数据密集型应用需求快速增长的背景下,诸如Ceph等底层存储服务正面临着日益增加的输入/输出(I/O)压力,即使在数据量巨大且高并发的情况下,存储服务也必须具备高吞吐量的I/O性能。为了满足日益扩大的并行数据传输需求,急需进一步提高带宽的利用率。随着云存储的普及,以视频和图像存储为基础的对象存储服务越来越受到资源有限的用户的青睐,特别是中小型企业和个人用户。这类用户的特点是存储读取操作较少,但对存储价格更为敏感。由于这些资源通常按照使用量付费,因此最大限度地减少存储空间占用并提高带宽利用率变得尤为重要。基于此,本文评估了通过数据压缩来节省存储空间和带宽的潜在优势,并提出了基于深度学习的压缩层技术,尽管数据压缩会增加一定的计算开销,但相对于其带来的成本优势而言,这些开销是可以忽略不计的。

基于数据压缩的超快速区域生长的图像分割算法

介绍了一种基于数据压缩的超快速区域生长图像分割算法,旨在显著提高图像分割的效率和准确性。传统的区域生长算法在处理大规模图像时通常受计算复杂度和时间方面的限制。为解决该问题,引入数据压缩策略,通过降低数据维度来实现更快速的区域生长。首先,采用先进的数据压缩算法处理图像数据,在有效减小数据体积的同时保持图像质量,为后续的区域生长提供了高效的数据基础。随后,设计了一种快速而准确的整合区域生长算法,考虑了图像特征和邻域关系,实现了对目标区域的迅速和精准识别。实验证明,该方法在提高处理速度的同时保持了分割准确性,尤其在大规模图像处理方面表现显著。基于数据压缩的超快速区域生长方法具有广泛的应用潜力,特别在半导体检测领域,为图像分析和处理提供了高效可行的解决方案,进而为图像分割技术的进一步发展提供了宝贵的见解和方法。

电子信息工程中的数据压缩与传输优化

在电子信息工程领域,数据压缩与传输优化是提高系统效率和处理速度的关键。文中系统地研究了数据压缩和传输优化的理论基础、实现方法及实际应用。首先,概述了数据压缩技术的基本理论和常用算法,分析了其在电子信息处理中的应用及优势。其次,详细探讨了数据传输优化技术,包括传输协议优化和网络资源管理策略。特别地,强调了数据压缩与传输优化技术的结合应用,展示了如何通过这种技术组合提高数据处理效率和传输质量。最后,探讨了这些技术面临的挑战和未来发展趋势,为电子信息工程领域提供了新的研究视角。