[发明专利]一种融入小波变换和主成分的农业无线传感数据流压缩方法

权利要求书

1.一种融入小波变换和主成分的农业无线传感数据流压缩方法，其特征在于：所述压缩方法包括以下步骤：

1)数据节点阈值过滤：先将农业无线传感数据流中不断到来的数据作为第1层，即在相同的时间内到来的数据序列表示为X＝{x₁，x₂，...，x_n}，该序列由n个数据组成，假设序列中平均数据个数为n′，将这n′个数据组成为一个数据节点，则第1层的数据节点数有其中M为数据流的总数据个数；

2)数据预处理：假设数据序列X中数据x_i的属性个数为m，如果空缺属性个数则认为该条数据流是噪声，直接过滤；反之，将空缺属性补充为所有该属性的加权平均；

3)压缩处理：将第1层每n′个数据组成的子序列进行压缩，构成第2层的一个数据节点，记该子序列为d_i，该数据节点为p_i，则p_i中保存了d_i的概要信息。随着新数据的不断到来，第2层上的数据节点不断增加，当第2层上的数据节点个数时，将最老的p_i个数据节点进行归并，合并成第3层上的1个数据节点，并计算数据节点的概要信息，以此逐层向上，从而使得该农业无线传感数据流总是被压缩成一组分层次的数据节点，最后构造一棵能够存储小波系数的误差树；

误差树中，节点c_i对应小波系数，叶节点x_ij对应原始数据，对一给定的误差树T和T中的内节点c_k，令leaves_k表示以c_k为根的子树的叶节点集合，leftleaves_k表示c_k的左子树的叶节点集合，rightleaves_k表示c_k的右子树的叶节点集合，path_k为T中从c_k或x_ij到根的路径上全体非零系数的集合，设a_k是leftleaves_k中数据的均值，b_k是rightleaves_k中数据的均值，则c_k＝(a_k-b_k)/2，而c₁是全部数据的均值；

首先：数据流x_i＝{x_i1，x_i2，Λ，x_iq}，将x_i＝{x_i1，x_i2，Λ，x_iq}中的数据两两分对求其均值和均值与第二个数据的差值，则差值就是第2层的数据节点，也是相应的小波系数c_2k；

其次：计算误差树中第3层的小波系数。令leaves_k表示以c_k为根的子树的叶节点集合，leftleaves_k表示c_k的左子树的叶节点集合，rightleaves_k表示c_k的右子树的叶节点集合，设a_k是leftleaves_k中数据的均值，b_k是rightleaves_k中数据的均值，则c_3k＝(a_k-b_k)/2；

最后：依次继续计算，直至误差树的最高层的小波系数，它也等于全部数据的平均值；

4)小波系数的筛选：运用误差平方和：来进行小波系数的筛选，其中D表示压缩之前的数据序列，D′表示压缩之后的数据序列，x_i是数据序列D的第i个数据，x′_i是数据序列D′的第i个数；

设对子序列x_i＝{x_i1，x_i2，Λ，x_iq}，提取得到的数据节点p_i概要信息表示成四元组其中t为该数据节点的时间戳，表示d中最后一个数据的到达时刻，n为d中数据个数，为d中数据的均值；对d进行DWT变换，Γ分量中保存变换得到的r＜n个最重要的小波系数，r取使最小的前r个，对子序列x_i进行小波变换，对小波系数进行规范化，Γ分量中保存得到的n个系数的r个绝对值最大的系数。

5)二次压缩：对上述求出的小波序列X′＝(X₁′，X₂′，...，X_p′)^T，求其协方差矩阵∑的p个特征值，并按大小顺序排列：λ₁≥λ₂≥...≥λ_p≥0，以及对应的正交单位化特征向量为e₁，e₂，...，e_p；

其次求出k个主成分Yk=ekTX′=ek1X1′+ek2X2′+...+ekpXp′,k=1,2,...,p;]]>计算第k个主成分Y_k对总信息的贡献率前m个主成分的累计贡献率最后依据累计贡献率确定m值，A为设定阈值，70≤A≤95，m为主成分的个数；所述{Y₁，Y₂，...，Y_m}为农业无线传感数据流压缩后得到的有效信息。