[发明专利]一种基于主分量信噪比的遥测数据压缩批处理方法

说明书

本发明涉及一种基于主分量信噪比的遥测数据压缩批处理方法，包括：实时获取遥测数据信息；循环导入遥测数据；计算导入数据的冗余度，根据冗余度判断是否需要压缩处理；否，无需压缩直接存储；是，采用主分量分析法对导入数据进行压缩处理后实时输出；所述主分量分析法以主分量信噪比为目标函数。该方法针对遥测数据海量存储的问题，提出采用冗余度判断是否需要压缩，以主分量信噪比为目标函数，直观地提取主分量，在最大化保留数据信息的前提下，最有效地实现数据压缩。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于主分量信噪比的遥测数据压缩批处理方法。

背景技术

遥测系统中，需要对被测对象无人机的压力、温度、湿度、角度等多参数进行采集并无线通讯传输至地面，通过数据分析处理对无人机的状态进行评价及监测。遥测试验中需要对反映各部分工作状态及环境多个参数进行测量，并且会持续较长时间，将产生海量的遥测数据，而且遥测系统也正朝着高精度的方向发展，这也势必会增加数据量。假设遥测时间为1400s时，遥测码率仅以320kb/s的较慢速度计算，考虑到数据传输处理时的冗余量，最终存储数据约为600M。若遥测码率提高10倍到兆级别，那么总数据量将多达几G甚至十几G或更多，对数据判读分析提出很大的挑战。遥测数据参数众多、数据量庞大，如何进行数据压缩保留有效信息，成为遥测数据分析处理中首要解决的问题。

由于遥测数据具有多样性特征，在实际应用中，如何在不损失数据信息的前提下，最有效地进行数据压缩及信息提取，是亟需解决的问题。实际遥测过程中，大多依旧人工分析判读数据，这种方法存在效率低下、耗费大量的人力物力的问题，尤其是测试过程较长时更为明显。现有的数据压缩方法中，主分量分析是适应这一需求的统计分析方法，通过提取出不相关的特征变量，降低原有数据的维数及冗余度，实现数据的压缩及特征提取。其往往根据经验确定分量贡献率的阈值，例如分量贡献率阈值通常设定为90％，进行主分量提取，其余低阶分量判定为噪声进行截断。由于遥测数据种类繁多，具有多样性及复杂性，基于阈值的主分量分析难以有针对性地调整贡献率阈值，因此很可能会损失有效信息，对遥测数据压缩产生不良影响。

发明内容

鉴于上述的分析，本发明旨在提供一种基于主分量信噪比的遥测数据压缩批处理方法，该方法针对遥测数据巨大、人工分析效率低，而当前数据压缩方法又难以有效地进行数据批处理压缩的问题，在最大化保留数据信息的前提下，最有效地实现海量遥测数据的压缩存储。

本发明的目的主要是通过以下技术方案实现的：

一种基于主分量信噪比的遥测数据压缩批处理方法，包括以下步骤：

步骤1、实时获取遥测数据信息；

步骤2、循环导入遥测数据；

步骤3、计算导入数据的冗余度，根据冗余度判断是否需要压缩处理，是则进入步骤4；否，无需压缩直接存储；

步骤4、采用主分量分析法对导入数据进行压缩处理后实时输出；所述主分量分析法以主分量信噪比为目标函数，主分量信噪比为相邻两阶分量的特征值比值；

步骤5、判断循环是否结束，否，则返回步骤2继续处理。

进一步，所述步骤3包括如下子步骤：

步骤301、计算导入数据数据x＝[x₁,x₂,…,x_m]^T的协方差矩阵C_x及相关系数矩阵R_x；

其中，m为导入遥测数据维数，上标T代表转置，各个行向量x_i包含等量的数据点，i＝1,…m；

步骤302、根据下式计算协方差矩阵的各个元素，组成协方差矩阵；