【技术实现步骤摘要】
本专利技术涉及卫星物联网，尤其涉及一种基于高通量卫星物联网的数据压缩方法和装置。
技术介绍
1、卫星物联网是一种新兴的技术，它将物理设备与互联网连接起来，以实现设备之间的数据交换。根据gsma发布的《the mobile economy 2020》报告显示，2019年全球物联网总连接数达到120亿，预计到2025年，全球物联网总连接数将达到246亿，年复合增长率高达13％。目前，卫星物联网已得到广泛应用，包括但不限于野生动物保护、自然灾害防治、环境监测、物流追踪、农业监测等，随着技术的发展和需求场景的扩大，卫星物联网的应用将会越来越广泛。与此同时，卫星的带宽资源成为卫星物联网发展的重要制约因素之一，尽管全球主要卫星运营商都在大力发展hts通信卫星，带宽资源在可预见的未来仍将长期处于供不应求的状态。因此，更高效的无损数据压缩技术将成为解决带宽供需矛盾的主要技术途径之一。
2、然而，传统的无损数据压缩算法都是基于规则的，存在如下问题：①压缩速度慢，算法需要对数据进行多次扫描和分析，以便找到重复的数据和最优的编码方式，尤其是在处理大型数据时，压缩耗时会呈指数增长；②压缩率不够高，算法通常采用huffman变长编码来表示不同的数据元素，一般还存在优化空间；③不适用于物联网采集的时序数据，传统压缩算法需要对整个数据块进行分析和处理，因此不适用于流式数据的压缩。
技术实现思路
1、本专利技术所要解决的技术问题在于，提供一种基于高通量卫星物联网的数据压缩方法和装置，提高压缩效率，减少
2、为了解决上述技术问题，本专利技术实施例第一方面，公开了一种基于高通量卫星物联网的数据压缩方法,包括:
3、s1,获取高通量卫星物理网的采集数据和训练数据；
4、s2，利用所述训练数据，构建得到数据压缩模型；
5、s3，利用所述数据压缩模型，对所述采集数据进行处理，得到压缩数据。
6、所述利用所述训练数据，构建得到数据压缩模型，包括：
7、s21,初始化数据压缩模型；
8、s22，对所述训练数据进行预处理，得到压缩训练数据集合；
9、s23，利用所述压缩训练数据集合，对所述数据压缩模型进行训练处理，得到训练完毕的数据压缩模型；
10、s24，确定所述训练完毕的数据压缩模型，为构建得到的数据压缩模型。
11、所述数据压缩模型，包括编码网络、量化网络和解码网络；
12、所述编码网络，与量化网络相连接，包括第一处理模块、第二处理模块、第三处理模块和第四处理模块，用于对输入数据进行编码处理，得到特征图像数据；
13、所述第一处理模块，包括输入模块、第一二维卷积模块、第一激活模块、第一残差模块、第一归一化模块；所述第一处理模块的第一端口，为所述输入模块的输入端；所述第一处理模块的第二端口，为所述第一归一化模块的输出端；所述第一处理模块的第一端口，作为所述编码网络的输入端，用于接收得到输入数据；所述第一处理模块的第二端口，与所述第二处理模块的第一端口连接；在所述第一处理模块中，所述输入模块、第一二维卷积模块、第一激活模块、第一残差模块、第一归一化模块依次连接；
14、所述第二处理模块，包括第二二维卷积模块、第二激活模块、第二归一化模块；所述第二处理模块的第一端口，为所述第二二维卷积模块的输入端；所述第二处理模块的第二端口，为所述第二归一化模块的输出端；所述第二处理模块的第二端口，与所述第三处理模块的第一端口连接；在所述第二处理模块中，所述第二二维卷积模块、第二激活模块、第二归一化模块依次连接；
15、所述第三处理模块，包括第三二维卷积模块、第三激活模块、第三残差模块；所述第三处理模块的第一端口，为所述第三二维卷积模块的输入端；所述第三处理模块的第二端口，为所述第三残差模块的输出端；所述第三处理模块的第二端口，与所述第四处理模块的第一端口连接；在所述第三处理模块中，所述第三二维卷积模块、第三激活模块、第三残差模块依次连接；
16、所述第四处理模块，包括第四二维卷积模块、第四激活模块、第四残差模块；所述第四处理模块的第一端口，为所述第四二维卷积模块的输入端；所述第四处理模块的第二端口，为所述第四残差模块的输出端；所述第四处理模块的第二端口，作为所述编码网络的输出端，用于输出特征图像数据；在所述第四处理模块中，所述第四二维卷积模块、第四激活模块、第四残差模块依次连接；
17、所述量化网络，与编码网络和解码网络相连接，用于对所述特征图像数据进行量化处理，得到压缩数据；所述量化网络，包括第九二维卷积模块、第九激活模块和量化模块；在所述量化网络，所述第九二维卷积模块、第九激活模块和量化模块依次连接；
18、所述解码网络，与量化网络相连接，包括第五处理模块、第二处理模块、第三处理模块和第四处理模块，用于对所述压缩数据进行解码处理，得到还原的输入数据；
19、所述第五处理模块，包括输入模块、随机排列模块、第五二维卷积模块、第五激活模块、第五残差模块；所述第五处理模块的第一端口，为所述输入模块的输入端，用于接收得到压缩数据；所述第五处理模块的第二端口，为所述第五残差模块的输出端，与所述第六处理模块的第一端口连接；在所述第五处理模块中，所述输入模块、随机排列模块、第五二维卷积模块、第五激活模块、第五残差模块依次连接；
20、所述第六处理模块，包括第六二维卷积模块、第六激活模块、第六残差模块；所述第六处理模块的第一端口，为所述第六二维卷积模块的输入端；所述第六处理模块的第二端口，为所述第六残差模块的输出端；所述第六处理模块的第二端口，与所述第七处理模块的第一端口连接；在所述第六处理模块中，所述第六二维卷积模块、第六激活模块、第六残差模块依次连接；
21、所述第七处理模块，包括第七二维卷积模块、第七激活模块、第七归一化模块；所述第七处理模块的第一端口，为所述第七二维卷积模块的输入端；所述第七处理模块的第二端口，为所述第七归一化模块的输出端；所述第七处理模块的第二端口，与所述第八处理模块的第一端口连接；在所述第七处理模块中，所述第七二维卷积模块、第七激活模块、第七归一化模块依次连接；
22、所述第八处理模块，包括第八二维卷积模块、第八激活模块、第八残差模块、第八归一化模块；所述第八处理模块的第一端口，为所述第八二维卷积模块的输入端；所述第八处理模块的第二端口，为所述第八归一化模块的输出端；所述第八处理模块的第二端口，是所述解码网络的输出端，用于输出计算得到的还原的输入数据；在所述第八处理模块中，所述第八二维卷积模块、第八激活模块、第八残差模块、第八归一化模块依次连接。
23、所述对所述训练数据进行预处理，得到压缩训练数据集合，包括：
24、s221,对所述训练数据的维度进行判别，得到数据维度信息；当所述数据维度信息为一维时，执行s222；当所述数据维度信息本文档来自技高网...
【技术保护点】
1.基于高通量卫星物联网的数据压缩方法,其特征在于，包括:
2.如权利要求1所述的基于高通量卫星物联网的数据压缩方法,其特征在于，所述利用所述训练数据，构建得到数据压缩模型，包括：
3.如权利要求2所述的基于高通量卫星物联网的数据压缩方法,其特征在于，所述数据压缩模型，包括编码网络、量化网络和解码网络；
4.如权利要求2所述的基于高通量卫星物联网的数据压缩方法,其特征在于，所述对所述训练数据进行预处理，得到压缩训练数据集合，包括：
5.如权利要求2所述的基于高通量卫星物联网的数据压缩方法,其特征在于，所述利用所述压缩训练数据集合，对所述数据压缩模型进行训练处理，得到训练完毕的数据压缩模型，包括：
6.如权利要求5所述的基于高通量卫星物联网的数据压缩方法,其特征在于，所述参数更新模型为：
7.一种基于高通量卫星物联网的数据压缩装置，包括：低轨卫星星座、信关站及用户终端；
8.一种基于高通量卫星物联网的数据压缩装置，其特征在于，所述装置包括：
9.一种计算机可存储介质，其特征在于，所述计算
10.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现权利要求1-6任一项所述的基于高通量卫星物联网的数据压缩方法。
...【技术特征摘要】
1.基于高通量卫星物联网的数据压缩方法,其特征在于，包括:
2.如权利要求1所述的基于高通量卫星物联网的数据压缩方法,其特征在于，所述利用所述训练数据，构建得到数据压缩模型，包括：
3.如权利要求2所述的基于高通量卫星物联网的数据压缩方法,其特征在于，所述数据压缩模型，包括编码网络、量化网络和解码网络；
4.如权利要求2所述的基于高通量卫星物联网的数据压缩方法,其特征在于，所述对所述训练数据进行预处理，得到压缩训练数据集合，包括：
5.如权利要求2所述的基于高通量卫星物联网的数据压缩方法,其特征在于，所述利用所述压缩训练数据集合，对所述数据压缩模型进行训练处理，得到训练完毕的数据...
【专利技术属性】
技术研发人员：阮晓刚，董飞鸿，贾亦真，郭磊，叶虎，
申请(专利权)人：中国人民解放军军事科学院系统工程研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。