[发明专利]惯性数据压缩方法、服务器及计算机可读存储介质

权利要求书

1.一种惯性数据压缩方法，其特征在于，所述惯性数据压缩方法包括：

服务器获取惯性传感器中的待压缩惯性数据，所述待压缩惯性数据包括加速度数据、倾斜数据、冲击数据、震动数据、旋转数据中的至少一种；

通过预设主成分映射模型对所述待压缩惯性数据进行特征提取，获得映射特征值，所述预设主成分映射模型反映惯性数据与特征值的映射关系；

对所述映射特征值进行线性预测编码，获得预测编码结果；

使用格雷码对所述预测编码结果进行压缩编码；

其中，所述通过预设主成分映射模型对所述待压缩惯性数据进行特征提取，获得映射特征值，具体包括：

通过所述预设主成分映射模型将所述待压缩惯性数据映射至预设映射矩阵中，获得所述映射特征值；

其中，所述对所述映射特征值进行线性预测编码，获得预测编码结果，具体包括：

使用预设线性预测模型对所述映射特征值进行线性预测编码，获取所述预测编码结果；

获取所述预设线性预测模型的模型类型，根据所述模型类型获取对应的预测误差值；

根据所述预测误差值对所述预测编码结果进行调整，将调整后的所述预测编码结果作为新的预测编码结果；

其中，所述使用预设线性预测模型对所述映射特征值进行预测编码，获取所述预测编码结果之前，所述惯性数据压缩方法还包括：

获取目标时间段内多个目标特征值，将各目标特征值代入不同步长的线性预测模型中进行训练，所述目标时间段为预先设置的对待选的预设线性预测模型进行训练的时间段，所述不同步长的线性预测模型包括多种不同步长的线性预测模型及将所述多种不同步长的线性预测模型进行加权融合得到的融合预设线性预测模型；

获取训练结果，依据均方误差最小准则求取各线性预测模型对应的预测系数，根据训练结果及所述预测系数确定各模型对应的预测误差值；

根据所述各模型对应的预测误差值确定预测误差最小值，将所述预测误差最小值对应的线性预测模型作为所述预设线性预测模型。

2.如权利要求1所述的惯性数据压缩方法，其特征在于，所述通过所述主成分映射模型将所述待压缩惯性数据映射至预设映射矩阵中，获得所述映射特征值之前，所述惯性数据压缩方法还包括：

获取训练数据，将所述训练数据切分为长度一致的多个训练向量；

将各训练向量进行封装，生成数据矩阵；

根据所述数据矩阵生成协方差矩阵，并对所述协方差矩阵进行特征分解，获得特征向量；

根据所述特征向量构建所述预设映射矩阵。

3.如权利要求1所述的惯性数据压缩方法，其特征在于，所述根据所述预测误差值对所述预测编码结果进行调整，将调整后的所述预测编码结果作为新的预测编码结果，具体包括：

对所述预测误差值进行差分预测，获得差分预测结果；

对所述差分预测结果进行压缩编码，生成压缩编码结果；

根据所述压缩编码结果对所述预测编码结果进行调整，将调整后的所述预测编码结果作为新的预测编码结果。

4.如权利要求3所述的惯性数据压缩方法，其特征在于，所述对所述预测误差值进行差分预测，获得差分预测结果，具体包括：

对所述预测误差值进行一维离散正弦变换，获得变换系数；

将所述变换系数进行差分预测，生成所述差分预测结果。

5.如权利要求4所述的惯性数据压缩方法，其特征在于，所述将所述变换系数进行差分预测，生成所述差分预测结果，具体包括：

获取所述变换系数的当前时刻，根据预设时间间隔获取与所述当前时刻对应的目标时刻；

获取所述目标时刻的目标变换系数，根据所述目标变换系数和所述变换系数进行差分预测，生成所述差分预测结果。

6.一种服务器，其特征在于，所述服务器包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的惯性数据压缩程序，所述惯性数据压缩程序配置为实现如权利要求1至5中任一项所述的惯性数据压缩方法的步骤。

7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有惯性数据压缩程序，所述惯性数据压缩程序被处理器执行时实现如权利要求1至5中任一项所述的惯性数据压缩方法的步骤。