[发明专利]一种基于特征自降维标记的整车云测试数据在线封装方法

说明书

本发明公开了一种基于特征自降维标记的整车云测试数据在线封装方法，是在整车云测试服务端实时截取多源测试数据流，建立广义高阶瞬态数据矩阵；通过构建特征自降维网络进行数据空间维度变换，获得低阶数据特征矩阵；在此基础上利用余弦相似性辨识与归一化处理自动标记低阶数据特征矩阵中每个特征向量；最终将标记符号与对应的特征向量进行封装，构建具有标记特征的结构化数据包输出。本发明能够高效实现整车云测试多源数据的自我降维压缩以及异常数据的标识，降低数据传输带宽和存储空间的占用，为整车测试的云端化、智能化提供了重要手段。

技术领域

本发明属于整车云测试领域，具体的说是一种基于特征自降维标记的整车云测试数据在线封装方法；

背景技术

随着汽车智能化网络化的发展，车载电子设备越来越多，同时对汽车的安全要求也越来越严格，随即带来的是汽车电性能数据采集方式的多样化和采集的高频化。为了测试整体性能和节约测试时间，常常采用多通道协同测试的方法，数据维度高。在特殊情况下，电性能采样频率可达5k/s，数据量惊人，测试数据的传输、存储与后期的处理将消耗大量的资源。

在整车测试云端化的今天，云测试不仅不仅仅是将海量测试数据简单的传输到云端存储，还需要对数据进行实时解析处理，并将数据传到客户端实时显示，不论是服务端还是客户端都将面临极大的挑战。特别是在带宽较小或网络较差的情况下，大量测试数据的网络传输将受到极大的限制，降低测试的实时性，增加了丢包的风险。

目前，整车云测试尚未对测试数据做统一的封装处理，多路通道测试数据往往是单独传输，存在带宽占用大、传输速度慢等问题，无法满足整车云测试的性能要求。同时针对异常数据的识别与处理往往依赖于测试人员的经验和后期的手动计算，不能够快速准确捕捉到问题，从而给汽车埋下了安全隐患。此外，由于整车协同测试组合的不同，数据的特点往往差别较大，每个组合单独设计封装方法过去繁琐，灵活性差，急需一种统一的封装方法，以适应不同类型的测试数据。

所以，在带宽和存储空间一定的情况下，针对不同的测试类型，如何在线快速的对测试数据进行压缩和异常标记并进行统一封装已经成为了一个急需解决的问题。该问题对现代汽车测试研究具有重要的实践意义。

发明内容

本发明为了克服以上现有技术的不足，提出一种基于特征自降维标记的整车云测试数据在线封装方法，以期对多源云测试数据进行有效压缩辨识封装，降低传输带宽，减小存储空间占用以及后期数据分析处理工作量，从而为整车测试的云端化、智能化提供……。

为实现上述目的，本发明采用了以下技术方案：

本发明一种基于特征自降维标记的整车云测试数据在线封装方法的特点是应用于由云服务器、客户端、测试终端所构成的整车云测试环境中，并按如下步骤进行：

步骤1、所述云服务器建立整车云测试数据的广义高阶瞬态数据矩阵：

利用所述测试终端获取由多源参数组成的整车测试数据并实时传输至所述云服务器；