CN101895298A - 一种智能服装用的gps数据压缩方法 - Google Patents

Abstract

本发明涉及一种智能服装用的GPS数据压缩方法，包括以下步骤：(1)对标准GPS数据进行预处理，去除冗余信息，留下时间及经纬度等对智能服装有用的数据；(2)对已经去除冗余信息的GPS数据进行移位霍夫曼数据压缩。本发明在对数据压缩前先对数据进行预处理，去除了冗余信息，仅保留对于智能服装有用的数据，大大减少了编码长度，并采用移位霍夫曼方法对其进行压缩，兼顾了压缩速度与压缩效果，在压缩率上具有良好表现，对于智能服装的远程监控应用有着积极而现实的意义。

Description

一种智能服装用的GPS数据压缩方法

技术领域

本发明涉及无线通信数据压缩领域，特别是涉及一种智能服装用的GPS数据压缩方法。

背景技术

随着科技的进步和生活水平的提高，人们对于服装的要求也越来越高，希望服装除了保温和美观外还应具有更多的功能。由此，可穿戴系统监控人体成为一个研究热点，可穿着的电子智能服装是多学科交叉技术的融合，在服装设计理念上是一次大胆的创新，它是在计算机硬件技术不断发展，各种高集成、超微型的元器件的不断出现以及新的计算机理论与技术不断成熟的背景下应运而生的，是计算“以人为本，人机合一”这一理念的必然产物。通过调研发现人们对于智能服装需求主要在于下面几个方面：1)定位——穿着者或监护人能够实时或按需地获取穿着者的位置、位移、速度等信息；2)健康监控——监护人能够实时或按需地获取穿着者的生理健康信息；3)辅助——获取穿着者所处环境或者是辅助一些智障及老人的出行。就定位而言，服装嵌入式GPS一般体积较小，无存储量大的硬盘设备，系统的程序一般都装在FLASH或者ROM等介质上，因此在开发时，程序所占用的空间应限制在一定范围内，然而标准的GPS数据量是非常庞大的，对GPS数据进行压缩在面向智能服装的应用中显得十分必要。

如今，各种数据压缩方法已经广泛用于图像压缩、视频传输以及Internet网络上，而在嵌入式系统应用中，只有中兴通讯股份有限公司于2009年申请的嵌入式数据压缩方法。常用的数据压缩方法主要有行程编码、LZW字典编码和霍夫曼编码等，而用在GPS数据上的压缩方法主要集中在动态霍夫曼压缩方法、LZW字典编码与霍夫曼编码相结合方法以及小波变换压缩方法上。其中，前两种方法都是一种无损数据压缩方法，而后一种则是有损数据压缩方法。目前，智能服装的应用处于探索发展阶段，针对智能服装用的GPS数据压缩方法尚无任何专利及论文发表。

发明内容

本发明所要解决的技术问题是提供一种智能服装用的GPS数据压缩方法，兼顾压缩时间和压缩效果。

本发明解决其技术问题所采用的技术方案是：提供一种智能服装用的GPS数据压缩方法，包括以下步骤：

(1)对标准GPS数据进行预处理，去除冗余信息，保留对智能服装有用的数据；

(2)对已经去除冗余信息的GPS数据进行移位霍夫曼数据压缩。

所述的智能服装用的GPS数据压缩方法中所述的步骤(2)中的移位霍夫曼数据压缩还包括以下子步骤：

(a)对智能服装有用的数据信源消息进行遍历，并按大小顺序进行排序；

(b)将所有符号分割为相等大小的符号块，选取频率较大的信源信息作为主段信源，剩下的构成辅段信源；

(c)对主段信源进行霍夫曼编码；

(d)利用主段信源编码，辅段信源按照其频率大小把主段信源编码移位，并用“上/下移字”作为其前缀得到辅段信源编码。

所述的智能服装用的GPS数据压缩方法中所述的步骤(1)中的对智能服装有用的数据包括消息ID、时间、经度和纬度。

有益效果

由于采用了上述的技术方案，本发明与现有技术相比，具有以下的优点和积极效果：在对数据压缩前先对数据进行预处理，去除了冗余信息，仅保留对于智能服装有用的数据，大大减少了编码长度，并采用移位霍夫曼方法对其进行压缩，兼顾了压缩速度与压缩效果，在压缩率上具有良好表现，对于智能服装的远程监控应用有着积极而现实的意义。

附图说明

图1是本发明的流程图；

图2是本发明的移动霍夫曼原理图；

图3是本发明的移位霍夫曼数据压缩流程图；

图4是本发明的解码流程图。

具体实施方式

下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

本发明的实施方式涉及一种智能服装用的GPS数据压缩方法，如图1所示，包括以下步骤：(1)对标准GPS数据进行预处理，去除冗余信息，保留对智能服装有用的数据；(2)对已经去除冗余信息的GPS数据进行移位霍夫曼数据压缩。

智能服装微控制器与GPS接受机的通信采用串口通信方式。一般说，GPS数据多是采用美国国家海洋电子协会Marine Association制定的NMEA0183-GPS接口协议标准。NMEA-0183格式以“$”开始，以“<CR><LF>”结束，主要语句有GPGGA，GPGLL，GPVTG，GPRMC等。其中的GPGGA语句应用最为广泛，其格式如下：

$GPGGA，<1>，<2>，<3>，<4>，<5>，<6>，<7>，<8>，<9>，M，<10>，M，<11>，<12>，^*hh<CR><LF>。其中，各个符号所代表的含义如表1所示。

表1

当接收到这样一个完整的NEMA0183格式的语句时，提取有用信息的方法是：先判定起始符$GPGGA的位置，从起始符开始读数据，再通过异或校验后的语句中寻找字符“，”，然后截取前后两个“，”之间的字符(串)获得所关心的数据，并以回车符为一个GPS语句的终止符，得到一个完整的GPS信号。

一串标准的GPS数据中，针对智能服装定位监护来说，显然有大量的冗余信息，我们所关心的仅仅是时间、经度和纬度等信息。通过这几个关键信息的处理，在后台监护中心即可得到穿着者何时位于何地。

其中，GPS数据中的消息ID($GPGGA)：仅作为一个GPS报文的开始，当收到这个字段的时候表示，下面开始接受GPS数据。因此传递中可以用一些简单的字符来代替这个帧头，如使用AAA字符带代替，当接收端收到AAA时代表开始接收GPS数据。UTC时间：在面向智能服装的应用中，定位时间可以方便地告诉监护人穿着者曾经何时到达某地。纬度、经度：这两个数据是进行定位的重要依据，因此不做任何处理，当然对于某个特定地方来说如中国，其纬度半球与经度半球是确定可以为北纬东经，因此这两个数据位可以简单地做省略处理。对于其他如质量因子、可使用卫星数、天线高程等数据则是在面向智能服装应用中不关心的数据，因此，在进行GPS数据预处理时可将这部分的冗余信息去除，只留下上述的消息ID、UTC时间、经度和纬度这些对智能服装有用的数据。

因此，对于留下的一串消息，其概率分布如图2所示，按照概率分布为几个部分，其中主段信源由少数概率较大信源的组成(即主段信源由出现频率多的信源组成)，其余看成辅段信源，主段信源个数为N，辅段信源个数为n。把所有的辅段信源作为一个总的信源，其概率为各辅段信源概率之和，这时这一串消息的个数由N+n变为N+1。用标准的霍夫曼编码对主段信源进行编码，并把信源所对应的码字看成“上移/下移字”，辅段信源的编码按照其概率大小把主段编码移位，并加上“上移或下移字”。

因此，针对这样一个经过预处理的智能服装用GPS数据AAA，050901，3931.4449，11643.5123来说，可以考虑使用移位霍夫曼算法对其进行压缩，其步骤如图3所示：

(a)对信源信息进行遍历，并按大小顺序进行排序。其离散无记忆信源S空间为

$[S,N]=\left\{\begin{array}{ccccccccccccc}S& :& 1& 3& 4& 0& 9& A& ,& 5& .& 2& 6\\ N& :& 5& 4& 4& 3& 3& 3& 3& 2& 2& 1& 1\end{array}\right\}$

(b)将所有的符号分割为相等大小的符号块，选取频率较大的信源消息1、3、4、0、9、A作为主段，剩下的构成辅段，记为PM，其信源频率为9。

(c)把辅段信源看成一个信源，对其主段信源及辅段信源进行标准霍夫曼编码。这样主段的每个信源和整个辅段信源会分别分配到一个信源编码，辅段信源所分配到的信源编码可以看成一个“上移/下移字”，同时也是整个辅段信源的一个关键字，在解码过程中当遇到这个关键字时则会进入辅段信源编码表里去解码信源。其主段信源编码如表2所示。其中，PM的编码为“上/下移字”，即辅段信源的关键字。

信源	PM	1	3	4	0	9	A
								编码	11	101	011	100	000	001	010

表2

(d)利用主段信源编码，辅段信源按照其频率大小把主段编码移位，并用“上/下移字”作为其前缀得到辅段编码，其编码如表3所示。

信源	，	5	.	2	6
						编码	11101	11011	11100	11000	11001

表3

解码是编码的逆过程，从压缩文件中读出数据的压缩码流，逐系数进行解码，其具体方法如下：(见图4)

1)首先重构主段信源编码的霍夫曼树，逐个字节读取压缩码流，匹配主段信源霍夫曼编码，当其匹配结果不是辅段信源的关键字时，则输出其对应的信源符号，进入步骤3)检查全部字节输出，没有则重复步骤1)，否则输出完成，如果匹配结果为辅段信源关键字，则进入步骤2)。

2)若匹配结果是辅段信源的的关键字时时，则进入辅段信源编码逐个字节进行匹配，将匹配结果信源输出。接着进入步骤3)检查全部字节是否输出，没有则重复步骤1)，否则输出完成。

3)逐个字节输出，重复前2个步骤，直到所有压缩码流输出完毕。

本方法对于智能服装GPS数据的压缩量来自两个方面：即去除冗余信息量和移位霍夫曼编码压缩量。压缩率η应该满足以下表达式：

$\mathrm{\&eta;}=(\frac{\mathrm{Redundance}}{\mathrm{TL}}+\frac{\mathrm{Huffmancode}}{\mathrm{TL}})\&times;100\%$

上式中TL为信息串长度，Redundance为冗余信息量，Huffmancode为移位霍夫曼编码压缩量。

针对一串标准的GPS数据来说，其共有66个字符，21种字符，因此其标准算术编码长度为66*5＝330字节。经过去除冗余信息后，剩下31个字符，14种字符，此时编码长度为31*4＝124字节。冗余信息量Redundance为330-124＝206字节。

就去除冗余后的智能服装用GPS数据AAA，050901，3931.4449，11643.5123来说，其编码的平均长度为L_avg＝3.58比特/信源。因此，移位霍夫曼编码压缩量Huffmancode为31*(5-3.58)＝44字节。由此可以得到η＝75％，可见本方法对于智能服装用GPS数据具有良好的压缩能力。由于本方法保留了时间及经纬度等对智能服装有用的数据，故是一种无损数据压缩方法。

常见的无损数据压缩方法有行程编码，LZW字典编码，标准霍夫曼编码，现就这几种方法与本方案中移位霍夫曼编码进行比较。

行程编码(run-length encoding，简称“RLE”)是寻找一系列重复出现的字符，并把它们压缩成单个字符，其后一个J计数，说明字符在顺串中出现次数。如，可以把字符AAAAAABBBBCCCC压缩为成字符A6B4C4。然而对GPS数据来言，字符并无任何重复性，因此使用行程编码会使得压缩数据比原始数据更大，显然是种无效压缩。

LZW字典编码，即在编码处理开始阶段，先构造一个对信源符号进行编码的编码本或“字典”。编译器编译字符串时，用较短的代码来表示较长的字符串来实现压缩。对AAA，050901，3931.4449，11643.5123这一串GPS数据构建字典，可代替的重复字段只有A-A与4-4这两个字段，可见对于面向智能服装的GPS数据压缩，LZW编码几乎不起到任何压缩作用。

对于标准霍夫曼编码来说，其平均信源编码长度为

这串智能服装GPS数据的霍夫曼编码长度为L_avg＝3.41比特/信源。可见移位霍夫曼编码的效果和最佳霍夫曼编码的效果相差无几，然而从时间复杂度上来说，移位霍夫曼编码则要小很多，对于智能服装这种实时性要求高的穿戴性GPS来说，无疑是很有必要的。

Claims (3)

1.一种智能服装用的GPS数据压缩方法，其特征在于，包括以下步骤：

(1)对标准GPS数据进行预处理，去除冗余信息，保留对智能服装有用的数据；

(2)对已经去除冗余信息的GPS数据进行移位霍夫曼数据压缩。

2.根据权利要求1所述的智能服装用的GPS数据压缩方法，其特征在于，所述的步骤(2)中的移位霍夫曼数据压缩还包括以下子步骤：

(a)对智能服装有用的数据信源消息进行遍历，并按大小顺序进行排序；

(b)将所有符号分割为相等大小的符号块，选取频率较大的信源信息作为主段信源，剩下的构成辅段信源；

(c)对主段信源进行霍夫曼编码；

(d)利用主段信源编码，辅段信源按照其频率大小把主段信源编码移位，并用“上/下移字”作为其前缀得到辅段信源编码。

3.根据权利要求1所述的智能服装用的GPS数据压缩方法，其特征在于，所述的步骤(1)中的对智能服装有用的数据包括消息ID、时间、经度和纬度。

Images