CN113064893A - 数据处理的方法及相关装置 - Google Patents
数据处理的方法及相关装置 Download PDFInfo
- Publication number
- CN113064893A CN113064893A CN202110460062.0A CN202110460062A CN113064893A CN 113064893 A CN113064893 A CN 113064893A CN 202110460062 A CN202110460062 A CN 202110460062A CN 113064893 A CN113064893 A CN 113064893A
- Authority
- CN
- China
- Prior art keywords
- array
- moment
- parameters
- data
- optimal estimation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本申请提供了一种数据处理的方法及相关装置,包括:接收数据采集设备发送的采集参数,将采集参数构成第一数组,在第一数组的参数个数小于n的情况下,获取上一时刻的最优估计参数,将最优估计参数作为数组的元素添加至第一数组中,得到第二数组,获取并存储当前时刻的最优估计参数。本申请提供方案,因为最优估计参数的不仅融合同一时刻多个数据采集设备采集的数据,同时还融合了不同时刻多个数据采集设备采集的数据,所以最优估计参数可以较准确的反映数据采集设备所在环境的环境数据,所以本方案在数据丢失的情况下采用最优估计参数进行数据补充,可以保证数据具有较高的准确性。
Description
技术领域
本申请涉及电子信息领域,尤其涉及数据处理的方法及相关装置。
背景技术
随着科技的发展,很多环境的检测数据都是通过传感器采集得到的,特别是一些比较复杂的环境,例如火灾、地震等灾后环境,往往是通过部署数量足够多的传感器以采集环境数据。通过获取的环境数据以为救援工作提供有利的参考,是救援工作的重要环节。
由于灾后环境情况复杂,传感器在数据传输中往往会出现数据丢失的情况,导致无法得到完整的数据组。为了弥补数据组中数据丢失的情况,目前通常是直接采用传感器上一时刻采集的数据作为传感器当前丢失的数据,或对传感器之前采集的数据进行简单线性插值得到的数据作为传感器当前丢失的数据,这种简单的数据替换方式,导致数据组的数据准确度下降,对于救援工作产生极为不利的影响,所以在数据丢失的情况下,如何提高数据准确度成为了亟待解决的问题。
发明内容
本申请提供了一种数据处理、数据发送的方法及相关装置,目的在于解决在传感器数据丢失的情况下,如何提高数据准确度的问题。
为了实现上述目的,本申请提供了以下技术方案:
一种数据处理的方法,包括:
接收预设的数据采集设备发送的采集参数;
将所述采集参数构成第一数组,并在所述第一数组的参数个数小于n的情况下,获取上一时刻的最优估计参数;所述n为预设的所有所述数据采集设备的总数,所述n为大于2的整数;
将所述上一时刻的最优估计参数作为数组元素添加至所述第一数组中,得到当前时刻对应的第二数组;
获取并存储当前时刻的最优估计参数;其中,任意一个时刻的所述最优估计参数依据该时刻对应的数组和历史时刻对应的数组得到,任意时刻对应的所述数组为该时刻对应的、且数组元素为所述n的所述第一数组或所述第二数组。
上述的方法,可选的,任意一个时刻的所述最优估计参数依据该时刻对应的数组和历史时刻对应的数组得到,包括:
任意一个时刻的所述最优估计参数依据多传感器融合算法对该时刻对应的数组和历史时刻对应的数组进行计算得到。
上述的方法,可选的,所述将所述采集参数构成第一数组,包括:
根据各个所述数据采集设备的标识与所述第一数组的元素位置预设的对应关系,将各个所述数据采集设备发送的所述采集参数放置于所述第一数组对应的元素位置,得到所述第一数组。
上述的方法,可选的,所述将所述上一时刻的最优估计参数作为数组元素添加至所述第一数组中,得到第二数组,包括:
确定目标数据采集设备的标识,所述目标数据采集设备为当前时刻未接收到其采集参数的所述数据采集设备;
确定所述目标数据采集设备的标识在所述第一数组中对应的目标元素位置;
在所述目标元素位置中添加所述上一时刻的最优估计参数,得到所述第二数组。
上述的方法,可选的,还包括,在所述第一数组的参数个数等于所述n的情况下,获取并存储当前时刻的最优估计参数。
上述的方法,可选的,所述接收预设的数据采集设备发送的采集参数,包括:
接收所述数据采集设备发送的满足触发条件的采集参数;
所述触发条件为所述数据采集设备当前获取的采集参数与上一次获取的采集参数的差值大于阈值。
本申请还提供了一种数据处理的装置,包括:
接收单元,用于接收预设的数据采集设备发送的采集参数;
构造单元,用于将所述采集参数构成第一数组,并在所述第一数组的参数个数小于n的情况下,获取上一时刻的最优估计参数;所述n为预设的所有所述数据采集设备的总数,所述n为大于2的整数;
添加单元,用于将所述上一时刻的最优估计参数作为数组元素添加至所述第一数组中,得到当前时刻对应的第二数组;
获取单元,用于获取并存储当前时刻的最优估计参数;其中,任意一个时刻的所述最优估计参数依据该时刻对应的数组和历史时刻对应的数组得到,任意时刻对应的所述数组为该时刻对应的、且数组元素为所述n的所述第一数组或所述第二数组。
本申请还提供了一种数据处理系统,包括:地面站和无人机集群;
所述无人机集群的每架无人机通过通讯链路与所述地面站建立连接;
每架所述无人机用于,按照预设的数据采集周期采集参数,并在当前的采集参数满足触发条件的情况下,向所述地面站发送所述当前的采集参数;所述触发条件为所述当前的采集参数与上一次采集的采集参数的差值大于阈值;
所述地面站用于,接收所述无人机集群发送的采集参数;
将所述采集参数构成第一数组,并在所述第一数组的参数个数小于n的情况下,获取上一时刻的最优估计参数;所述n为预设的所有所述数据采集设备的总数,所述n为大于2的整数;
将所述上一时刻的最优估计参数作为数组元素添加至所述第一数组中,得到当前时刻对应的第二数组;
获取并存储当前时刻的最优估计参数;其中,任意一个时刻的所述最优估计参数依据该时刻对应的数组和历史时刻对应的数组得到,任意时刻对应的所述数组为该时刻对应的、且数组元素为所述n的所述第一数组或所述第二数组。
本申请还提供了一种电子设备,包括:处理器和存储器,所述存储器用于存储程序;所述处理器用于运行所述程序,以实现上述的数据处理的方法。
本申请还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行上述的数据处理的方法。
本申请所述的方法及装置,接收数据采集设备发送的采集参数,将采集参数构成第一数组,在第一数组的参数个数小于n的情况下,获取上一时刻的最优估计参数,将最优估计参数作为数组的元素添加至第一数组中,得到第二数组,第二数组的维数为n,获取并存储当前时刻的最优估计参数。本申请提供方案,n为预设的所有数据采集设备的总数,所以第一数组的参数个数小于n时,说明数据采集设备的采集数据存在丢失的情况,则将上一时刻的最优估计参数作为数组的元素添加至第一数组中,因为任意一个时刻的最优估计参数依据该时刻对应的数组和历史时刻对应的数组得到,任意时刻对应的数组为该时刻的数组元素为n的第一数组或第二数组,且第一数组或第二数组由多个数据采集设备的采集的数据构成,所以最优估计参数的不仅融合同一时刻多个数据采集设备采集的数据,同时还融合了不同时刻多个数据采集设备采集的数据,所以最优估计参数可以较准确的反映数据采集设备所在环境的环境特征,所以本方案在数据丢失的情况下采用最优估计参数进行数据补充,可以保证数据具有较高的准确性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例公开的一种数据处理的方法的流程图;
图2为本申请实施例公开的一种数据发送的方法的流程图;
图3为本申请实施例公开的一种数据处理系统的结构示意图;
图4为本申请实施例公开的一种无人机的结构示意图;
图5至图9为本申请实施例公开的基于仿真环境得到仿真结果图;
图10为本申请实施例公开的数据处理的装置的结构示意图;
图11为本申请实施例公开的一种数据发送的装置的结构示意图;
图12为本申请实施例公开的一种电子设备的结构示意图。
具体实施方式
在一些比较复杂的环境,例如火灾、地震等灾后环境,往往是通过部署数量足够多的传感器以采集环境数据。由于灾后环境情况复杂,传感器在数据传输中往往会出现数据丢失的情况,导致无法得到完整的数据组。为了弥补数据组中数据丢失的情况,目前通常是直接采用传感器上一时刻采集的数据作为传感器当前丢失的数据,或对传感器之前采集的数据进行简单的线性插值得到数据作为传感器当前丢失的数据,这种简单的数据替换方式,导致数据组的数据准确度下降,对于救援工作产生极为不利的影响。
为解决上述的问题,本申请实施例提供数据处理的方法,在数据采集设备的采集数据存在丢失的情况,则将上一时刻的最优估计参数补充丢失的数据,因为最优估计参数的不仅融合同一时刻多个数据采集设备采集的数据,同时还融合了不同时刻多个数据采集设备采集的数据,所以最优估计参数可以较准确的反映数据采集设备所在环境的环境数据,所以本方案在数据丢失的情况下采用最优估计参数进行数据补充,可以保证数据具有较高的准确性。
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请作进一步详细的说明。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例的执行主体,可以是地面服务器,即地面站,也可以是具有数据处理功能的移动设备,例如搭载数据处理平台的无人机等。本申请实施例中以执行主体为地面站进行说明。
图1为本申请实施例提供的一种数据的处理的方法,包括以下步骤:
S101、接收预设的数据采集设备发送的采集参数。
数据采集设备可以是传感器,也可以是搭载传感器的移动设备,例如搭载传感器的无人机。采集参数包括但不限于温度、大气压力、以及海平面高度等。
S102、将采集参数构成第一数组。
本步骤的一种实施方式可以是:根据各个数据采集设备的标识与第一数组的元素位置预设的对应关系,将各个数据采集设备发送的采集参数放置于第一数组对应的元素位置,得到第一数组。
也就是说,本步骤中,在服务器预先存储各个数据采集设备的标识与第一数组的元素位置的对应关系,服务器在接收到数据采集设备发送的采集参数后,根据该数据采集设备的标识(例如数据采集设备的编码)将采集参数放置到第一数组对应的元素位置。
需要说明的是,本申请中,第一数组为一维数组。例如采集参数分别为:1,1.1,1.2和2,则采集参数构成第一数组可以是:A[4]={1,1.1,1.2,2}。
S103、判断第一数组的参数个数是否小于n。如果是,则执行S104,如果不是则执行S106。
本实施例中,n为预设的所有数据采集设备的总数,n为大于2的整数。在数据采集设备为搭载传感器的无人机的情况下,本实施例中全部的数据采集设备则为搭载传感器的无人机集群。
第一数组的参数个数小于n,说明接收到采集参数不完整,存在数据采集设备数据丢失的情况。数据采集设备数据丢失一方面可能是由于环境因素数据在传输的过程中发生丢失,另一方面可能是采集参数不满足预设的触发条件,从而数据采集设备没有发出采集参数。其中,触发条件可以是数据采集设备当前获取的采集参数与上一次获取的采集参数的差值大于阈值。
S104、获取上一时刻的最优估计参数。
任意一个时刻的最优估计参数是对采集参数进行统计计算得到的、能够表征该时刻环境特征的数据。
任意一个时刻的最优估计参数依据该时刻对应的数组和历史时刻对应的数组得到,任意时刻对应的数组为该时刻对应的、且数组元素为n的第一数组或第二数组。
任意一时刻对应的第二数组是在该时刻的第一数组的参数个数小于n的情况下,将上一时刻的最优估计参数补充到第一数组后得到数组。第二数组同样是一维数组。
其中,针对每个时刻,在该时刻对应的第一数组为数据完整的情况下(即采集参数为n个),最优估计参数采用第一数组进行计算,否则采用该时刻对应的第二数组。
具体的,任意一个时刻的最优估计参数可以依据多传感器融合算法对该时刻对应的数组和历史时刻对应的数组进行计算得到。
本实施例中,多传感器融合算法包括但不限于卡尔曼滤波算法,例如还可以是综合平均方法。
任意一个时刻的最优估计参数可以依据卡尔曼滤波算法对该时刻对应的数组和历史时刻对应的数组进行计算得到。例如,当前时刻为第三时刻,历史时刻为第一时刻和第二时刻,第一时刻对应的第一数组为数据完整的数组,第二时刻对应的第一数组为数据不完整的数组(即采集参数个数小于n),第三时刻对应的第一数组为数据也是不完整的数组,则采用卡尔曼滤波算法对该第三时刻的第二数组、第一时刻的第一数组以及第二时刻的第二数组进行融合计算,得到第三时刻对应的最优估计参数。
具体的采用卡尔曼滤波算法对数组进行计算的过程可以参考现有技术,此处不再赘述。
S105、将上一时刻的最优估计参数作为数组元素添加至第一数组中,得到第二数组。
本实施例中,可选的,在第一数组的参数个数小于n的情况下,将上一时刻的最优估计参数补充到第一数组,得到第二数组。优选的,在将上一时刻的最优估计参数补充到第一数组,使数组的维数达到n,即第二数组的参数的总个数为n。
本步骤的一种实施例方式可以是:确定目标数据采集设备的标识,以及目标数据采集设备的标识在第一数组中对应的目标元素位置,并在目标元素位置中添加上一时刻的最优估计参数,得到第二数组。其中,目标数据采集设备为当前时刻未接收到其采集参数的数据采集设备。也就是说,在第一数组缺失的参数个数大于1的情况下,都补充上一时刻的最优估计参数。
需要说明的是,因为第一数组或第二数组由多个数据采集设备的采集的数据构成,所以最优估计参数的不仅融合同一时刻多个数据采集设备采集的数据,同时还融合了不同时刻多个数据采集设备采集的数据,所以最优估计参数可以较准确的反映数据采集设备所在环境的环境特征。所以将上一时刻最优估计参数作为当前时刻的补充数据具有较高的准确性,特别是对于环境参数较稳定(例如大气压力)的场景,或者数据采集设备数据采集频率高的场景。
S106、获取并存储当前时刻的最优估计参数。
当前时刻的最优估计参数同样依据多传感器融合算法对当前时刻对应的数组和历史时刻对应的数组进行计算得到。
存储当前时刻的最优估计参数,相当于更新最优估计参数,使在下一时刻构造的第一数组的维数小于n的情况下,采用最近的最优估计参数进行补充。
本实施例提供的方法,接收数据采集设备发送的采集参数,将采集参数构成第一数组,在第一数组的参数个数小于n的情况下,获取上一时刻的最优估计参数,将最优估计参数作为数组的元素添加至第一数组中,得到第二数组,第二数组的维数为n,获取并存储当前时刻的最优估计参数。本申请提供方案,n为预设的所有数据采集设备的总数,所以第一数组的参数个数小于n时,说明数据采集设备的采集数据存在丢失的情况,则将上一时刻的最优估计参数作为数组的元素添加至第一数组中,因为任意一个时刻的最优估计参数依据该时刻对应的数组和历史时刻对应的数组得到,任意时刻对应的数组为该时刻的数组元素为n的第一数组或第二数组,且第一数组或第二数组由多个数据采集设备的采集的数据构成,所以最优估计参数的不仅融合同一时刻多个数据采集设备采集的数据,同时还融合了不同时刻多个数据采集设备采集的数据,所以最优估计参数可以较准确的反映数据采集设备所在环境的环境特征,所以本方案在数据丢失的情况下采用最优估计参数进行数据补充,可以保证数据具有较高的准确性。
需要说明的是,上述实施例中S102将采集参数构成第一数组的另一种实施方式还可以是:直接将采集参数构成的随机数组作为第一数组,其中,随机数组指的是各个采集参数在数据数组中的元素位置是随机的,无需限制。
对应的,上述实施例中S105将上一时刻的最优估计参数作为数组元素添加至第一数组中,得到第二数组的实施方式可以是:在不考虑元素位置的情况下,直接将上一时刻的最优估计参数添加至第一数组,直到第一数组的维数达到n,得到第二数组。
考虑到数据采集设备的信号发射过于频繁,能耗较高,故为了降低数据采集设备的功耗,图2为本申请实施例公开的一种数据发送的方法,执行主体为数据采集设备,所述方法包括以下步骤:
S201、按照预设的数据采集周期采集参数。
S202、判断当前采集到的参数与上一次采集到的参数的差值是否小于阈值,如果是则执行S203,否则执行S204。
S203、不发送当前采集到的参数。
例如,当前采集到的参数与上一次采集到的参数的差值很小,可以不送当前采集到的参数。阈值的具体大小可以结合实际情况设定。
S204、向预设的数据接收设备发送当前采集到的参数。
本实施例提供的方法,数据采集设备采集数据后,与上一次采集到的数据进行比较,如果差值小于阈值则不发送当前采集到的参数,从而减少信号发射的次数,达到节能的目的。
本申请实施例还提供了一种数据处理系统,包括:地面站和无人机集群;
无人机集群的每架无人机通过通讯链路与地面站建立连接;
每架无人机用于:按照预设的数据采集周期采集参数,并在当前的采集参数满足触发条件的情况下,向地面站发送所述当前的采集参数;触发条件为所述当前的采集参数与上一次采集的采集参数的差值大于阈值;
地面站用于:接收无人机集群发送的采集参数;将采集参数构成第一数组,并在所述第一数组的参数个数小于n的情况下,获取上一时刻的最优估计参数;所述n为预设的所有数据采集设备的总数,n为大于2的整数;将上一时刻的最优估计参数作为数组元素添加至第一数组中,得到当前时刻对应的第二数组;获取并存储当前时刻的最优估计参数;其中,任意一个时刻的所述最优估计参数依据该时刻对应的数组和历史时刻对应的数组得到,任意时刻对应的数组为该时刻对应的、且数组元素为所述n的第一数组或第二数组。
本申请提供的数据处理系统可以应用于采集灾情的环境特征数据,特别是环境特征数据较稳定的场景,例如环境温度、环境的大气压力。以下以实际应用场景为例,对数据处理系统进行进一步的说明。
如图3所示,数据处理系统包括地面站和无人机群(包括n架无人机,n≥2),无人机上搭载有传感器,无人机的结构示意图如图4所示。
无人机群相当于移动传感器设备,发现灾情后,可以快速均匀的覆盖整片灾情区域对环境的整体的数据采集,从而可以完成传感器的快速部署。
如图4所示,无人机包括传感器模块401、飞控微处理器模块402和数据发送模块403。
传感器模块401,用于按照预设的数据采集频率采集观测参数,并将观测参数传输至飞控微处理器模块402。
飞控微处理器模块402,用于在接收到传感器模块401当前发送的观测参数后,将当前的观测参数与上一时刻的观测参数进行比较,如果当前的观测参数与上一时刻的观测参数的差值大于阈值δ,则将当前的观测参数发送至数据发送模块403。即相当于采用事件触发的方式减少传感器数据传输。
数据发送模块403,用于对当前的观测参数标记无人机的唯一标号以及测量参数的采集时刻后,发送至地面站。其中数据发送模块403可通过CUAVAir Link 4G链路与地面站建立连接。
地面站接收来自n架无人机传输而来的数据,其中可能存在因未满足事件触发条件(即当前的测量参数与上一时刻的观测参数的差值大于阈值当前的观测参数与上一时刻的观测参数)而未发出的观测参数的情况,也可能是因环境因素丢包的情况。对于当前时刻丢失的数据,则使用上一时刻环境的最优估计参数作为替代。其中,最优估计参数采用卡尔曼滤波算法计算得到。
本实施例中,地面站的具体工作流程包括以下步骤:
第一步:地面站预先建立环境参数的数学模型,对于环境参数较稳定的场景,环境的状态空间方程可以表达为如公式(1)所示:
其中,x(k)为当前时刻环境参数,x(k-1)为上一时刻的环境参数,w(k-1)为上一时刻的过程噪音矩阵;y(k)为当前时刻的观测参数,矩阵C为环境对应的观测矩阵,v(k)当为前时刻的观测噪音矩阵。
步骤二:采用公式(2)计算状态预测均方误差:
ppre(k)=cov(x(k-1)+x(k-1))+Q
=A*P(k-1)*AT+Q (2)
其中,矩阵A为环境的状态转换矩阵,AT为矩阵A的倒置矩阵,Q为环境的过程噪音,P(k-1)为上一时刻的最优估计均方误差。
步骤三:采用公式(3)确定卡尔曼增益:
步骤四:采用公式(4)计算滤波器此刻对观测数据的估计值:
xpredict(k)=A*xkalman(k-1) (4)
其中,xkalman(k-1)为上一时刻的最优估计参数。
步骤五:获取此时刻无人机传感器组传递的n个传感器数据观测数组y(k)=[y(1)(k),y(2)(k),y(3)(k)...y(n)(k)],并将没有获取到的第i架无人机发出的最新观测参数y(i)(k)替换为计算机内所储存的对上一时刻环境的最优估计参数xkalman(k-1)。
步骤六:采用公式(5)计算当前时刻的最优估计参数:
xkalman(k)=xpredict(k)+K(k)*(y(k)-C*xpredict(k)) (5)
步骤七:采用公式(6)更新当前时刻最优估计均方误差:
P(k)=(I-K(k)*C)*Ppredict(k)) (6)
其中,I为单位矩阵。需要说明的是,公式(1)-(6)中相同的符号的含义相同,本实施例中对于不同公式的相同符号不进行重复解释,各公式的相同符号的含义相互参考即可。
步骤八:重复步骤二至步骤七,完成基于事件触发的数据处理过程。
本实施例提供的方法,在数据丢失的情况下,利用上一时刻最优估计参数作为当前时刻的测量值,因为最优估计参数的不仅融合同一时刻多个数据采集设备采集的数据,同时还融合了不同时刻多个数据采集设备采集的数据,所以最优估计参数可以较准确的反映数据采集设备所在环境的环境数据,所以本方案在数据丢失的情况下采用最优估计参数进行数据补充,相对于传统直接采用传感器上一时刻的数据作为丢失的数据,或进行简单的线性插值得到数据作为丢失数据的方式,本方法可以保证数据具有较高的准确性。
进一步的,利用搭载传感器的无人机,基于无人机的机动性,可以快速布局到灾情环境中,使可以及时的获取环境参数。
进一步的,由于最优估计参数采用卡尔曼滤波算法计算,所以数据处理系统不需要通过获取环境真值与测量值作为训练集进行训练,数据处理系统投入即可以使用,达到便捷的目的。
进一步的,本申请采用事件触发方式可以尽量减少传感器数据传输,进而降低无人机功耗,增加续航能力,同时可以通过采用较低频率的信号传输可以降低对环境中稀缺的通信带宽占用,减少对无线通信质量的影响。
进一步的,本申请通过卡尔曼滤波算法对多传感器数据的进行数据融合,可以提高数据的准确性,所以在一定程度上可以降低对传感器的精度要求,从而可以节约成本。
为了进一步的验证本申请实施例提供的方法有效性与先进性,在仿真软件(例如MATLAB)中基于环境温度处于60℃,并且噪声协方差为Q=0.0049的环境中进行仿真,在该环境中由于受复杂环境削弱的信号,信道丢包率为50%,事件触发阈值δ=0.2。试验组的具体情况如下:
将具有四低精度传感器(精度±0.5℃),且具有基于事件触发工作模式,采用最优估计作为丢包数据补偿的系统作为仿真对象,简称为novel组。
将具有同样四低精度传感器组,不具有事件触发工作模式,采用历史观测值作为丢包数据补偿的经典传感器观测对照组,简称为classical组。
将仅具有一低精度传感器(精度度±0.5℃),不具有事件触发工作模式,采用历史观测值作为丢包数据补偿的传感器组作为低精度单传感器对照组,简称为single组。
将仅具有一高精度传感器(精度度±0.25℃),不具有事件触发工作模式,采用历史观测值作为丢包数据补偿的传感器组作为高精度传感器观测对照组,简称为high-precision组,
具体的进行仿真后得到仿真结果如图5至图9所示。其中,图5至图9的横轴表示时间,单位为秒。
图5为原始传感器数据与经过事件触发规则处理后的传感器数据的对比图,(其中,图中raw表示原始传感器数据,processed表示经过事件触发规则处理后的传感器数据)可以发现即使经过事件触发阈值的限制,发出信号也可以很好的描述原始观测信号。
图6为real组(真实值实验组)、measured组(观测值实验组)、novel组、classical组、single组、以及high-precision组的估计值的对比图,可以发现除single组外,novel组、classical组、以及high-precision组均具有较好滤除噪音跟随温度真值变化的能力,相比较下novel组效果更好。
图7为classical组与novel组的估计误差对比。可以发现在绝大多数情况下,novel组的估计误差均小于classical组的估计误差。
图8为high-precision组与novel组的估计误差对比。可以发现在在时长为1min的环境数据测量中,novel组的估计误差较high-precision组的估计误差略优,水平基本相同。
图9为single组与novel组进行的估计误差对比。在整个传感器测量过程中,novel组的估计误差远远低于single组的估计误差,说明多传感器组的设计实现了对低精度传感器精度的明显提升。
在仿真过程中,对于novel组,其实际数据传送次数仅为23次,在传输数据功耗降低为大约62%的情况下,仍然可以实现良好的环境参数测量精度,这足以说明申请实施例提供的方法的实用性和可靠性。
图10为本申请实施例提供的数据处理的装置1000的结构示意图,包括:
接收单元1001,用于接收预设的数据采集设备发送的采集参数;
构造单元1002,用于将采集参数构成第一数组,并在第一数组的参数个数小于n的情况下,获取上一时刻的最优估计参数;n为预设的所有所述数据采集设备的总数,n为大于2的整数;
添加单元1003,用于将上一时刻的最优估计参数作为数组元素添加至第一数组中,得到当前时刻对应的第二数组;
获取单元1004,用于获取并存储当前时刻的最优估计参数;其中,任意一个时刻的最优估计参数依据该时刻对应的数组和历史时刻对应的数组得到,任意时刻对应的数组为该时刻对应的、且数组元素为n的所述第一数组或第二数组。
可选的,任意一个时刻的最优估计参数依据多传感器融合算法对该时刻对应的数组和历史时刻对应的数组进行计算得到。
可选的,构造单元1002用于将采集参数构成第一数组的具体实现方式为:
根据各个所述数据采集设备的标识与所述第一数组的元素位置预设的对应关系,将各个所述数据采集设备发送的所述采集参数放置于所述第一数组对应的元素位置,得到所述第一数组。
可选的,添加单元1003将上一时刻的最优估计参数作为数组元素添加至所述第一数组中,得到第二数组的具体实现方式为:
确定目标数据采集设备的标识,目标数据采集设备为当前时刻未接收到其采集参数的所述数据采集设备;确定目标数据采集设备的标识在第一数组中对应的目标元素位置;在目标元素位置中添加所述上一时刻的最优估计参数,得到第二数组。
可选的,存储单元1004还用于:在第一数组的维数为n的情况下,获取并存储当前时刻的最优估计参数。
本实施例所述的装置,接收数据采集设备发送的采集参数,将采集参数构成第一数组,在第一数组的参数个数小于n的情况下,获取上一时刻的最优估计参数,将最优估计参数作为数组的元素添加至第一数组中,得到第二数组,第二数组的维数为n,获取并存储当前时刻的最优估计参数。本申请提供方案,n为预设的所有数据采集设备的总数,所以第一数组的参数个数小于n时,说明数据采集设备的采集数据存在丢失的情况,则将上一时刻的最优估计参数作为数组的元素添加至第一数组中,因为任意一个时刻的最优估计参数依据该时刻对应的数组和历史时刻对应的数组得到,任意时刻对应的数组为该时刻的数组元素为n的第一数组或第二数组,且第一数组或第二数组由多个数据采集设备的采集的数据构成,所以最优估计参数的不仅融合同一时刻多个数据采集设备采集的数据,同时还融合了不同时刻多个数据采集设备采集的数据,所以最优估计参数可以较准确的反映数据采集设备所在环境的环境特征,所以本方案在数据丢失的情况下采用最优估计参数进行数据补充,可以保证数据具有较高的准确性。
图11为本申请实施例提供的数据发送的装置1100的结构示意图,包括:
采集单元1101,用于按照预设的数据采集周期采集参数;
发送单元1102,用于在当前采集到的参数与上一次采集到的参数的差值小于阈值的情况下,不发送当前采集到的参数,以及在当前采集到的参数与上一次采集到的参数的差值大于阈值的情况下,向预设的数据接收设备发送当前采集到的参数。
本实施例提供的数据发送的装置,采集数据后,与上一次采集到的数据进行比较,如果差值小于阈值则不发送当前采集到的参数,从而减少信号发射的次数,达到节能的目的。
本申请还提供了一种电子设备1200,其结构示意图如图12所示,包括:处理器1201和存储器1202,存储器1202用于存储应用程序,处理器1201用于执行应用程序,以实现本申请的数据处理的方法。
本申请还提供了一种计算机可读存储介质,计算机可读存储介质中存储有指令,当其在计算机上运行时,使得计算机执行权以实现本申请的数据处理的方法。
本申请实施例方法所述的功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算设备可读取存储介质中。基于这样的理解,本申请实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一台计算设备(可以是个人计算机,服务器,移动计算设备或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种数据处理的方法,其特征在于,包括:
接收预设的数据采集设备发送的采集参数;
将所述采集参数构成第一数组,并在所述第一数组的参数个数小于n的情况下,获取上一时刻的最优估计参数;所述n为预设的所有所述数据采集设备的总数,所述n为大于2的整数;
将所述上一时刻的最优估计参数作为数组元素添加至所述第一数组中,得到当前时刻对应的第二数组;
获取并存储当前时刻的最优估计参数;其中,任意一个时刻的所述最优估计参数依据该时刻对应的数组和历史时刻对应的数组得到,任意时刻对应的所述数组为该时刻对应的、且数组元素为所述n的所述第一数组或所述第二数组。
2.根据权利要求1所述的方法,其特征在于,任意一个时刻的所述最优估计参数依据该时刻对应的数组和历史时刻对应的数组得到,包括:
任意一个时刻的所述最优估计参数依据多传感器融合算法对该时刻对应的数组和历史时刻对应的数组进行计算得到。
3.根据权利要求1所述的方法,其特征在于,所述将所述采集参数构成第一数组,包括:
根据各个所述数据采集设备的标识与所述第一数组的元素位置预设的对应关系,将各个所述数据采集设备发送的所述采集参数放置于所述第一数组对应的元素位置,得到所述第一数组。
4.根据权利要求1或2所述的方法,其特征在于,所述将所述上一时刻的最优估计参数作为数组元素添加至所述第一数组中,得到第二数组,包括:
确定目标数据采集设备的标识,所述目标数据采集设备为当前时刻未接收到其采集参数的所述数据采集设备;
确定所述目标数据采集设备的标识在所述第一数组中对应的目标元素位置;
在所述目标元素位置中添加所述上一时刻的最优估计参数,得到所述第二数组。
5.根据权利要求1所述的方法,其特征在于,还包括,在所述第一数组的参数个数等于所述n的情况下,获取并存储当前时刻的最优估计参数。
6.根据权利要求1所述的方法,其特征在于,所述接收预设的数据采集设备发送的采集参数,包括:
接收所述数据采集设备发送的满足触发条件的采集参数;
所述触发条件为所述数据采集设备当前获取的采集参数与上一次获取的采集参数的差值大于阈值。
7.一种数据处理的装置,其特征在于,包括:
接收单元,用于接收预设的数据采集设备发送的采集参数;
构造单元,用于将所述采集参数构成第一数组,并在所述第一数组的参数个数小于n的情况下,获取上一时刻的最优估计参数;所述n为预设的所有所述数据采集设备的总数,所述n为大于2的整数;
添加单元,用于将所述上一时刻的最优估计参数作为数组元素添加至所述第一数组中,得到当前时刻对应的第二数组;
获取单元,用于获取并存储当前时刻的最优估计参数;其中,任意一个时刻的所述最优估计参数依据该时刻对应的数组和历史时刻对应的数组得到,任意时刻对应的所述数组为该时刻对应的、且数组元素为所述n的所述第一数组或所述第二数组。
8.一种数据处理系统,其特征在于,包括:地面站和无人机集群;
所述无人机集群的每架无人机通过通讯链路与所述地面站建立连接;
每架所述无人机用于,按照预设的数据采集周期采集参数,并在当前的采集参数满足触发条件的情况下,向所述地面站发送所述当前的采集参数;所述触发条件为所述当前的采集参数与上一次采集的采集参数的差值大于阈值;
所述地面站用于,接收所述无人机集群发送的采集参数;
将所述采集参数构成第一数组,并在所述第一数组的参数个数小于n的情况下,获取上一时刻的最优估计参数;所述n为预设的所有所述数据采集设备的总数,所述n为大于2的整数;
将所述上一时刻的最优估计参数作为数组元素添加至所述第一数组中,得到当前时刻对应的第二数组;
获取并存储当前时刻的最优估计参数;其中,任意一个时刻的所述最优估计参数依据该时刻对应的数组和历史时刻对应的数组得到,任意时刻对应的所述数组为该时刻对应的、且数组元素为所述n的所述第一数组或所述第二数组。
9.一种电子设备,其特征在于,包括:处理器和存储器,所述存储器用于存储程序;所述处理器用于运行所述程序,以实现权利要求1-6任一项所述的数据处理的方法。
10.一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中存储有指令,当其在计算机上运行时,使得计算机执行权利要求1-6任一项所述的数据处理的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110460062.0A CN113064893B (zh) | 2021-04-27 | 2021-04-27 | 数据处理的方法及相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110460062.0A CN113064893B (zh) | 2021-04-27 | 2021-04-27 | 数据处理的方法及相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113064893A true CN113064893A (zh) | 2021-07-02 |
CN113064893B CN113064893B (zh) | 2023-01-10 |
Family
ID=76567827
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110460062.0A Active CN113064893B (zh) | 2021-04-27 | 2021-04-27 | 数据处理的方法及相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113064893B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115269594A (zh) * | 2022-07-20 | 2022-11-01 | 清云智通(北京)科技有限公司 | 一种工业数据处理方法、系统及计算设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101587652A (zh) * | 2009-06-10 | 2009-11-25 | 民航数据通信有限责任公司 | 基于不完全观测的信息处理方法和系统 |
CN105890623A (zh) * | 2016-04-19 | 2016-08-24 | 华南农业大学 | 一种无人机作业参数自动采集系统及自动感知方法 |
US20180210975A1 (en) * | 2017-01-23 | 2018-07-26 | International Business Machines Corporation | Missing sensor value estimation |
CN110958639A (zh) * | 2019-01-31 | 2020-04-03 | 北京航空航天大学 | 一种目标状态估计方法及系统 |
CN112162244A (zh) * | 2020-09-21 | 2021-01-01 | 北京工商大学 | 一种相关噪声和随机丢包环境下的事件触发目标跟踪方法 |
-
2021
- 2021-04-27 CN CN202110460062.0A patent/CN113064893B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101587652A (zh) * | 2009-06-10 | 2009-11-25 | 民航数据通信有限责任公司 | 基于不完全观测的信息处理方法和系统 |
CN105890623A (zh) * | 2016-04-19 | 2016-08-24 | 华南农业大学 | 一种无人机作业参数自动采集系统及自动感知方法 |
US20180210975A1 (en) * | 2017-01-23 | 2018-07-26 | International Business Machines Corporation | Missing sensor value estimation |
CN110958639A (zh) * | 2019-01-31 | 2020-04-03 | 北京航空航天大学 | 一种目标状态估计方法及系统 |
CN112162244A (zh) * | 2020-09-21 | 2021-01-01 | 北京工商大学 | 一种相关噪声和随机丢包环境下的事件触发目标跟踪方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115269594A (zh) * | 2022-07-20 | 2022-11-01 | 清云智通(北京)科技有限公司 | 一种工业数据处理方法、系统及计算设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113064893B (zh) | 2023-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109990790B (zh) | 一种无人机路径规划方法及装置 | |
CN110422175B (zh) | 车辆状态估计方法以及装置、电子设备、存储介质、车辆 | |
EP3349126B1 (en) | Method, device, storage medium, and apparatus for automatically discovering fuel station poi | |
CN113064893B (zh) | 数据处理的方法及相关装置 | |
CN108180935B (zh) | 传感器的故障检测方法及装置 | |
CN104602297B (zh) | 基于压缩感知的无线传感器网络监测方法及系统 | |
US9752880B2 (en) | Object linking method, object linking apparatus, and storage medium | |
CN112036269A (zh) | 跌倒检测方法、装置、计算机设备和存储介质 | |
CN108834043B (zh) | 基于先验知识的压缩感知多目标无源定位方法 | |
CN105530219B (zh) | 一种连接检测方法及装置 | |
CN116704641A (zh) | 无人机飞行数据异常检测方法、装置、设备及存储介质 | |
CN110996289A (zh) | 一种用于机器状态监测诊断仪的智能网关、方法及系统 | |
CN114793238B (zh) | 一种低功耗高精度多参数自适应北斗物联网终端 | |
CN116488755A (zh) | 基于任务的集群无人机可靠性评估方法、装置及电子设备 | |
KR101112746B1 (ko) | 분산적 압축 센싱 및 협력 복구를 수행하는 신호 취득 장치 및 그 방법 | |
CN115243192A (zh) | 基于蓝牙数据耦合气压数据的楼层定位方法、装置及设备 | |
CN111065123B (zh) | 一种地面信号地图恢复方法及系统 | |
CN113824486A (zh) | 无人机通信系统的性能评估方法、装置、计算机设备和存储介质 | |
CN113784411A (zh) | 链路质量评估方法、链路切换方法、设备和存储介质 | |
CN109003254B (zh) | 基于逻辑回归覆冰检测方法、装置、设备、系统及介质 | |
CN112232170A (zh) | 对象行为的确定方法及装置、存储介质、电子装置 | |
JP7096585B2 (ja) | 受信電力推定方法及びシステム | |
CN113108785A (zh) | 一种面向同构imu的分布式协同互校准定位方法 | |
CN115173975B (zh) | 干扰信号的检测方法、装置、设备及存储介质 | |
CN115371719B (zh) | 探测设备的参数标定方法和装置、存储介质及电子装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |