CN116800796A - 车联网数据的传输方法、装置、设备及介质 - Google Patents
车联网数据的传输方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116800796A CN116800796A CN202310829080.0A CN202310829080A CN116800796A CN 116800796 A CN116800796 A CN 116800796A CN 202310829080 A CN202310829080 A CN 202310829080A CN 116800796 A CN116800796 A CN 116800796A
- Authority
- CN
- China
- Prior art keywords
- data
- compression
- compression algorithm
- internet
- algorithm information
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 230000006835 compression Effects 0.000 claims abstract description 442
- 238000007906 compression Methods 0.000 claims abstract description 442
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 300
- 230000005540 biological transmission Effects 0.000 claims abstract description 51
- 238000005457 optimization Methods 0.000 claims description 30
- 238000013210 evaluation model Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 5
- 230000009191 jumping Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000011156 evaluation Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 229910002056 binary alloy Inorganic materials 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/16—Implementation or adaptation of Internet protocol [IP], of transmission control protocol [TCP] or of user datagram protocol [UDP]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Security & Cryptography (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本申请提供了一种车联网数据的传输方法、装置、设备及介质,该方法包括:获取数据发送方的车联网数据以及网络状态信息;根据所述车联网数据的数据类型,从压缩算法库中获取与所述数据类型对应的压缩算法信息,所述压缩算法库中包括各种数据类型分别对应的压缩算法信息;基于所述网络状态信息,在与所述数据类型对应的压缩算法信息中选择出目标压缩算法信息;根据所述目标压缩算法信息对所述车联网数据进行压缩,并将压缩的数据传输给数据接收方。用于提高车联网数据的传输效率及传输质量。
Description
技术领域
本申请实施例涉及车联网数据的传输技术领域,尤其涉及一种车联网数据的传输方法、装置、设备及介质。
背景技术
随着汽车产业的数字化转型升级,车辆的软件能力越来越强,车辆与云端之间的数据交互也越来越频繁。车辆需要将车身系统、信息娱乐系统、智能驾驶系统和动力总成系统等各种数据上传到云端,以实现数据分析、模型训练、远程控制等功能。同时,云端也需要将人工智能能力、大数据能力、安全验证能力等服务下发到车端,以提升车辆的智能化水平。
然而,车辆与云端的数据传输面临着诸多挑战,如网络带宽有限、网络延迟不稳定、网络安全风险高等。为了保证数据传输的效率和质量,需要对数据进行压缩处理之后进行传输。
目前,采用固定的压缩算法对车辆与云端之间传输的数据进行压缩。但是,并不是所有的数据都适合用同一种压缩算法来处理。不同的数据类型有着不同的特点和要求,比如图像数据需要保证压缩后的画质不失真,音频数据需要保证压缩后的声音不失真,文本数据需要保证压缩后的内容不丢失等。因此,现有的数据传输效率和传输质量较低。
发明内容
本申请提供一种车联网数据的传输方法、装置、设备及介质,用于提高车联网数据的传输效率及传输质量。
第一方面,提供一种车联网数据的传输方法,包括:获取数据发送方的车联网数据以及网络状态信息;根据所述车联网数据的数据类型,从压缩算法库中获取与所述数据类型对应的压缩算法信息,所述压缩算法库中包括各种数据类型分别对应的压缩算法信息;基于所述网络状态信息,在与所述数据类型对应的压缩算法信息中选择出目标压缩算法信息;根据所述目标压缩算法信息对所述车联网数据进行压缩,并将压缩的数据传输给数据接收方。
在一种可选的实施例中,所述基于所述网络状态信息,在与所述数据类型对应的压缩算法信息中选择出目标压缩算法信息,包括:
基于所述网络状态信息,计算与所述数据类型对应的压缩算法信息中每种压缩算法信息对应的压缩指标数据,所述压缩指标数据至少包括压缩比率、压缩时间、压缩质量;
将所述压缩指标数据中符合所述车联网数据对应的优化目标和约束条件的压缩指标数据对应的压缩算法信息确定为目标压缩算法信息。
在一种可选的实施例中,所述基于所述网络状态信息,计算与所述数据类型对应的压缩算法信息中每种压缩算法信息的压缩指标数据,包括:
基于所述数据类型对应的每种压缩算法信息,以及所述网络状态信息和所述车联网数据的数据类型,确定每种压缩算法信息对应的特征数据;
将每种压缩算法信息对应的特征数据分别输入到压缩指标评价模型,得到每种压缩算法信息的压缩指标数据。
在一种可选的实施例中,所述将所述压缩指标数据中符合所述车联网数据对应的优化目标和约束条件的压缩指标数据对应的压缩算法信息确定为目标压缩算法信息,包括:
从所述压缩指标数据中筛选出满足所述约束条件的压缩指标数据;
将满足所述约束条件的压缩指标数据中符合所述优化目标的压缩指标数据对应的压缩算法信息确定为目标压缩算法信息。
在一种可选的实施例中,所述基于所述网络状态信息,在与所述数据类型对应的压缩算法信息中选择出目标压缩算法信息,包括:
基于所述数据类型对应的每种压缩算法信息,以及所述网络状态信息和所述车联网数据的数据类型,确定每种压缩算法信息对应的特征数据;
将每种压缩算法信息对应的特征数据分别输入到压缩算法评价模型,得到每种压缩算法信息的压缩算法分值;
将分值最高的压缩算法分值对应压缩算法信息确定为目标压缩算法信息。
在一种可选的实施例中,所述方法还包括:
获取各种数据类型的目标数据在不同压缩算法及网络状态下分别对应的压缩指标数据,所述压缩指标数据至少包括压缩比率、压缩时间、压缩质量;
基于所述优化目标和所述约束条件确定所述压缩比率、所述压缩时间和所述压缩质量分别对应的权重值;
对所述压缩比率、所述压缩时间和所述压缩质量进行加权计算得到所述压缩算法分值;
将所述目标数据对应的数据类型、压缩算法信息、网络状态信息作为样本数据,所述压缩算法分值作为分值进行模型训练得到所述压缩算法评价模型。
在一种可选的实施例中,所述方法还包括:
按照预置时间间隔获取数据发送方的车联网数据以及网络状态信息;
确定当前相对于上一次获取的所述网络状态信息是否出现变化;
若所述网络状态信息出现变化,则跳转到步骤根据所述车联网数据的数据类型,从压缩算法库中获取与所述数据类型对应的压缩算法信息继续执行;
若所述网络状态信息未出现变化,则跳转到步骤根据所述目标压缩算法信息对所述车联网数据进行压缩,并将压缩的数据传输给车辆处理云端。
第二方面,提供一种车联网数据的传输装置,包括:
获取模块,用于获取数据发送方的车联网数据以及网络状态信息;
所述获取模块,还用于根据所述车联网数据的数据类型,从压缩算法库中获取与所述数据类型对应的压缩算法信息,所述压缩算法库中包括各种数据类型分别对应的压缩算法信息;
选择模块,用于基于所述网络状态信息,在与所述数据类型对应的压缩算法信息中选择出目标压缩算法信息;
压缩传输模块,用于根据所述目标压缩算法信息对所述车联网数据进行压缩,并将压缩的数据传输给数据接收方。
第三方面,提供一种电子设备,包括:处理器和存储器,该存储器用于存储计算机程序,该处理器用于调用并运行该存储器中存储的计算机程序,执行如第一方面或其各实现方式中的车联网数据的传输方法。
第四方面,提供一种计算机可读存储介质,用于存储计算机程序,计算机程序使得计算机执行如第一方面或其各实现方式中的车联网数据的传输方法。
第五方面,提供一种计算机程序产品,包括计算机程序指令,该计算机程序指令使得计算机执行如第一方面或其各实现方式中的车联网数据的传输方法。
第六方面,提供一种计算机程序,计算机程序使得计算机执行如第一方面或其各实现方式中的车联网数据的传输方法。
通过本申请提供的技术方案,首先获取数据发送方的车联网数据以及网络状态信息,然后根据车联网数据的数据类型,从压缩算法库中获取与数据类型对应的压缩算法信息,该压缩算法库中包括各种数据类型分别对应的压缩算法信息;之后基于网络状态信息,在与数据类型对应的压缩算法信息中选择出目标压缩算法信息;最后根据目标压缩算法信息对车联网数据进行压缩,并将压缩的数据传输给数据接收方。由此本申请实现了基于数据类型和网络状态信息选择的压缩算法对车联网数据进行压缩,从而保证了车联网数据的压缩质量以及压缩效率,进而提高车联网数据的传输效率及传输质量。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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为本申请实施例提供的一种车联网数据的传输方法的流程图;
图2为本发明实施例提供的另一种车联网数据的传输方法的流程图;
图3为本申请实施例提供的一种目标压缩算法信息确定流程图;
图4为本申请实施例提供的另一种目标压缩算法信息确定流程图;
图5为本申请实施例提供的一种车联网数据的传输装置的示意图;
图6是本申请实施例提供的电子设备的示意性框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,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的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。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
图1为本申请实施例提供的一种车联网数据的传输方法的流程图,该方法可以包括如下步骤:
S110:获取数据发送方的车联网数据以及网络状态信息。
其中,数据发送方可以为车端(车辆)或是云端(对车联网数据进行处理的服务器),若数据发送方为车端,该车联网数据具体可以为车辆车身系统、信息娱乐系统、智能驾驶系统和动力总成等系统产生的数据;若数据发送方为云端,该车联网数据具体可以为控制数据、安全验证数据、服务数据、人工智能数据等,本实施例对此不做具体限定。
网络状态信息用于表示数据发送方的当前网络环境,该网络状态信息可以通过数据发送方中的网络状况检测模块获取,即网络状况检测模块对当前的网络环境进行检测,获取网络带宽、网络延迟、网络稳定性等表示数据发送方网络状态的信息。
S120:根据车联网数据的数据类型,从压缩算法库中获取与数据类型对应的压缩算法信息。
具体的,根据车联网数据的格式、内容、特征等信息,将车联网数据分为图像、音频、文本、二进制等不同的数据类型。其中,所述压缩算法库中包括各种数据类型分别对应的压缩算法信息,如数据类型为图像数据,则从压缩算法库中筛选出适用于图像数据的压缩算法信息可以为JPEG、PNG、GIF等压缩算法;如数据类型为音频数据,从压缩算法库中筛选出适用于音频数据的压缩算法信息可以为MP3、WAV、AAC等。
S130:基于网络状态信息,在与数据类型对应的压缩算法信息中选择出目标压缩算法信息。
在本实施例中,可基于网络状态信息和数据类型筛选出目标压缩算法信息。该压缩算法信息中包括压缩比率、压缩时间、压缩质量等参数信息,压缩比率、压缩时间和压缩质量分别对应的数值可以为预先配置的,网络状态信息包括网络带宽、网络延迟、网络稳定性等参数信息。具体的,本实施例计算在采用不同压缩算法信息对车联网数据进行压缩后分别对应的压缩数据大小,然后根据压缩后数据大小以及网络状态信息计算传输压缩数据所需要的传输时间,之后基于传输时间以及压缩算法信息中参数信息设置筛选条件,确定目标压缩算法信息。
在本申请提供的一个可选实施例中,可根据一定的优化目标和约束条件,选择一个最优的目标压缩算法信息。其中,约束条件为基于传输时间和压缩算法信息中任意一个参数设置的目标值(设定的数值),优化目标为满足约束条件的前提下,基于传输时间和压缩算法信息中除约束条件中设置参数外任意一个参数选择的最小值。如优化目标是最小化数据量(压缩比率),约束条件是保证一定的数据质量,选择一个能够在满足数据质量要求的前提下,达到最高压缩比率的压缩算法。
例如,车端需要将一张图像数据(大小为1MB)上传到云端,当前网络带宽为10Mbps,网络延迟为100ms。首先根据车联网数据的数据类型,从压缩算法库中筛选出适用于图像数据的压缩算法信息为JPEG、PNG、GIF。然后根据网络状况信息,从筛选出的压缩算法信息中选择一个最优的目标压缩算法信息。对每个压缩算法信息在当前网络状况下的压缩效果进行评估,并根据一定的优化目标和约束条件,选择一个最优的压缩算法。如果优化目标是最小化传输时间,约束条件是保证一定的画质(假设为80%),则会选择一个能够在满足画质要求的前提下,达到最高压缩比率的压缩算法。假设JPEG算法可以将图像数据压缩到200KB(压缩比率为5:1),画质(压缩质量)为85%;PNG算法可以将图像数据压缩到400KB(压缩比率为2.5:1),画质为95%;GIF算法可以将图像数据压缩到600KB(压缩比率为1.67:1),画质为90%。则会选择JPEG算法作为最优的压缩算法,即将JPEG算法确定为目标压缩算法信息,然后通过JPEG算法信息对图像数据进行压缩处理,并将压缩后的数据(大小为200KB)发送到云端,其传输时间为200KB/10Mbps+100ms=120ms。
又例如,云端需要将一段音频数据(大小为10MB)下载到车端,当前网络带宽为5Mbps,网络延迟为200ms。首先根据数据类型信息,从压缩算法库中筛选出适用于音频数据的压缩算法信息为MP3、WAV、AAC。然后根据网络状况信息,从筛选出的压缩算法信息中选择一个最优的目标压缩算法信息。对每个压缩算法信息在当前网络状况下的压缩效果进行评估,并根据一定的优化目标和约束条件,选择一个最优的压缩算法。如果优化目标是最大化声音质量(假设为90%),约束条件是保证一定的传输时间(假设为2s),则选择一个能够在满足传输时间要求的前提下,达到最高声音质量的压缩算法。假设MP3算法可以将音频数据压缩到1MB(压缩比率为10:1),声音质量为92%;WAV算法可以将音频数据无损地保持原样(大小为10MB),声音质量为100%;AAC算法可以将音频数据压缩到2MB(压缩比率为5:1),声音质量为95%。则会选择AAC算法作为最优的目标压缩算法信息,最后根据AAC算法信息对音频数据进行压缩处理,并将压缩后的数据(大小为2MB)发送到车端。其传输时间为2MB/5Mbps+200ms=600ms。
在本申请提供的一个可选实施例中,对于图像数据,优先选择JPEG算法,因为它是一种有损压缩算法,可以在保证一定画质的前提下,大幅度减少数据量。如果网络带宽较高,可以选择较低的压缩比率;如果网络带宽较低,可以选择较高的压缩比率。对于音频数据,优先选择MP3算法,因为它是一种有损压缩算法,可以在保证一定声音质量的前提下,大幅度减少数据量。如果网络带宽较高,可以选择较高的采样率和比特率;如果网络带宽较低,可以选择较低的采样率和比特率。对于文本数据,优先选择Huffman算法,因为它是一种无损压缩算法,可以在不丢失任何内容的前提下,有效地减少数据量。该算法根据文本中字符出现的频率来分配不同长度的编码,并使用二叉树来存储编码表。对于二进制数据,优先选择LZ系列算法,因为它们是一系列无损压缩算法,可以在不丢失任何信息的前提下,利用重复出现的字符串来减少数据量。
S140:根据目标压缩算法信息对车联网数据进行压缩,并将压缩的数据传输给数据接收方。
在本实施例中,首先根据车联网数据的数据类型,从压缩算法库中筛选出适用于该数据类型的压缩算法信息,如JPEG算法适用于图像数据,MP3算法适用于音频数据,Huffman算法适用于文本数据,LZ系列算法适用于二进制数据等。然后根据网络状况信息,从筛选出的压缩算法信息中选择一个最优的目标压缩算法信息,即对每个筛选出的压缩算法信息在当前网络状态下的压缩效果进行评估,该评估内容包括压缩比率、压缩时间、压缩质量等,并根据一定的优化目标和约束条件,选择一个最优的目标压缩算法信息。最后根据选择出的最优压缩算法信息对数据进行压缩处理,并将压缩后的数据传输给数据接收方。
本申请实施例提供的一种车联网数据的传输方法,首先获取数据发送方的车联网数据以及网络状态信息,然后根据车联网数据的数据类型,从压缩算法库中获取与数据类型对应的压缩算法信息,该压缩算法库中包括各种数据类型分别对应的压缩算法信息;之后基于网络状态信息,在与数据类型对应的压缩算法信息中选择出目标压缩算法信息;最后根据目标压缩算法信息对车联网数据进行压缩,并将压缩的数据传输给数据接收方。由此本申请实现了基于数据类型和网络状态信息选择的压缩算法对车联网数据进行压缩,从而保证了车联网数据的压缩质量以及压缩效率,进而提高车联网数据的传输效率及传输质量。
图2为本申请实施例提供的另一种车联网数据的传输方法的流程图,该方法可以包括如下步骤:
S210:按照预置时间间隔获取数据发送方的车联网数据以及网络状态信息。
其中,预置时间间隔可以根据实际需求进行设定,如数据发送发为车端,则该预置时间间隔可以为2分钟、3分钟、4分钟等;如数据发送方为云端,则该预置时间间隔可以为3分钟、5分钟、6分钟等,本实施例对此不做具体限定。
S220:确定当前相对于上一次获取的网络状态信息是否出现变化。
在本实施例中,若当前获取的网络状态信息与上一次获取的网络状态信息相比没有出现变化,且当前获取的车联网数据的数据类型与上一次获取的数据类型也相同,说明数据发送方可基于上一次确定的目标压缩算法信息对当前获取的车联网数据进行压缩,即网络状态信息未出现变化且数据类型也与上一次相同,则跳转到步骤S250执行;若网络状态信息出现变化或数据类型与上一次获取的数据类型不同,则跳转到步骤S230继续执行。
S230:若网络状态信息出现变化,根据车联网数据的数据类型,从压缩算法库中获取与所述数据类型对应的压缩算法信息。
其中,所述压缩算法库中包括各种数据类型分别对应的压缩算法信息。
S240:基于网络状态信息,在与数据类型对应的压缩算法信息中选择出目标压缩算法信息;
需要说明的是,步骤S230-步骤S240的相关描述内容可参照图1中对应步骤的描述,本实施例在此不再赘述。
S250:根据目标压缩算法信息对车联网数据进行压缩,并将压缩的数据传输给数据接收方。
其中,数据接收方为车端或云端,在数据发送方为车端时,数据接收方为云端;在数据发送方为云端时,数据接收方为车端。具体的,本实施例采用WIFI、4G、5G等无线通信技术将经过压缩的数据传输给数据接收方,以实现高速、低延迟、低干扰的数据传输。还可以根据网络状况和信号强度,动态调整发送和接收的频率、功率、带宽等参数,以提高通信性能和稳定性。
进一步的,本实施例在对车联网数据进行压缩之后,需要将压缩后的数据切分为固定大小的数据块,并为每个数据块添加校验码和序号等信息,形成数据包。其中,添加的校验码可以采用CRC、MD5、SHA等校验算法计算得到,以保证数据的完整性和正确性。另本实施例还可以根据通信协议和格式,对数据包进行封装和编码,以适应不同的网络环境和设备。
数据接收方在接收到压缩的数据包后,根据数据包中的序号和校验码对数据包进行排序和验证,并将属于同一组的数据包组合起来,并对组合后的数据包进行解压处理,还原为原始车联网数据。具体的,本实施例可以采用先进先出、最短作业优先、最长作业优先等排序算法,以保证数据的时序性和一致性;还可以采用CRC、MD5、SHA等校验算法,以保证数据的完整性和正确性。如果发现数据包丢失或损坏,数据接收方还可以向数据发送方请求重传或修复。
本申请实施例提供的另一种车联网数据的传输方法,按照预置时间间隔获取数据发送方的车联网数据以及网络状态信息,然后确定当前相对于上一次获取的网络状态信息是否出现变化,若当前获取的网络状态信息与上一次获取的网络状态信息相比没有出现变化,且当前获取的车联网数据的数据类型与上一次获取的数据类型也相同,则可以延续使用上一次确定的目标压缩算法信息对车联网数据进行压缩,即通过本实施例无需在每次获取到车联网压缩数据之后,重新执行一遍目标压缩算法信息的确定过程,从而通过本实施例可以提高目标压缩算法信息确定的效率,进而提高车联网数据的传输效率。
图3为本申请实施例提供的一种目标压缩算法信息确定流程图,即基于网络状态信息,在与数据类型对应的压缩算法信息中选择出目标压缩算法信息,包括:
S310:基于网络状态信息,计算与数据类型对应的压缩算法信息中每种压缩算法信息对应的压缩指标数据。
其中,压缩指标数据至少包括压缩比率、压缩时间、压缩质量。压缩比率为压缩数据前后的数据大小比值;压缩时间为对数据进行压缩所需要的时间;压缩质量为衡量数据压缩后的质量。
在本申请提供的一个可选实施例中,所述基于网络状态信息,计算与数据类型对应的压缩算法信息中每种压缩算法信息的压缩指标数据,包括:基于所述数据类型对应的每种压缩算法信息,以及网络状态信息和车联网数据的数据类型,确定每种压缩算法信息对应的特征数据;将每种压缩算法信息对应的特征数据分别输入到压缩指标评价模型,得到每种压缩算法信息的压缩指标数据。
在本实施例中,压缩指标评价模型可以使用一些已有的数据集进行训练,如图像数据集、音频数据集、文本数据集、二进制数据集等。训练过程为:对于每个数据集使用不同的压缩算法对数据进行压缩,并记录压缩后的数据大小、压缩所需的时间、压缩后的数据质量等指标。然后使用深度神经网络作为模型的结构,输入层接收每个数据集的数据类型、网络状态信息和压缩算法信息,输出层输出对应数据集的压缩指标数据,该压缩指标数据包括压缩比率、压缩时间、压缩质量。
其中,可具体通过随机梯度下降、均方误差等来训练压缩指标评价模型,使其能够根据输入预测输出,并与真实标签尽可能接近。通过准确率、召回率、F1值等评估压缩指标评价模型在训练集和测试集上的表现,并调整压缩指标评价模型的参数和超参数,以提高压缩指标评价模型的泛化能力。
S320:将压缩指标数据中符合车联网数据对应的优化目标和约束条件的压缩指标数据对应的压缩算法信息确定为目标压缩算法信息。
在本申请提供的一个可选实施例中,所述将所述压缩指标数据中符合所述车联网数据对应的优化目标和约束条件的压缩指标数据对应的压缩算法信息确定为目标压缩算法信息,包括:从压缩指标数据中筛选出满足约束条件的压缩指标数据;将满足约束条件的压缩指标数据中符合优化目标的压缩指标数据对应的压缩算法信息确定为目标压缩算法信息。
例如,优化目标是最小化传输时间(即压缩后的数据量最小),约束条件是保证一定的画质(假设为80%),则会选择一个能够在满足画质要求的前提下,达到最高压缩比率的压缩算法。假设JPEG算法可以将图像数据压缩到200KB(压缩比率为5:1),画质为85%;PNG算法可以将图像数据压缩到400KB(压缩比率为2.5:1),画质为95%;GIF算法可以将图像数据压缩到600KB(压缩比率为1.67:1),画质为90%,则选择JPEG算法作为最优的压缩算法。
图4为本申请实施例提供的一种目标压缩算法信息确定流程图,即所述基于所述网络状态信息,在与所述数据类型对应的压缩算法信息中选择出目标压缩算法信息,包括:
S410:基于数据类型对应的每种压缩算法信息,以及网络状态信息和车联网数据的数据类型,确定每种压缩算法信息对应的特征数据。
S420:将每种压缩算法信息对应的特征数据分别输入到压缩算法评价模型,得到每种压缩算法信息的压缩算法分值。
在本申请提供的一个实施例中,压缩算法评价模型的训练过程为:获取各种数据类型的目标数据在不同压缩算法及网络状态下分别对应的压缩指标数据,所述压缩指标数据至少包括压缩比率、压缩时间、压缩质量;基于所述优化目标和所述约束条件确定所述压缩比率、所述压缩时间和所述压缩质量分别对应的权重值;对所述压缩比率、所述压缩时间和所述压缩质量进行加权计算得到所述压缩算法分值;将所述目标数据对应的数据类型、压缩算法信息、网络状态信息作为样本数据,所述压缩算法分值作为分值进行模型训练得到所述压缩算法评价模型。
在本实施例中,可以根据不同的优化目标和约束条件定义一个评价函数,然后通过评价函数计算不同压缩算法在不同数据类型和网络状况下的压缩效果的压缩算法分值。例如,如果优化目标是最小化传输时间,约束条件是保证一定的数据质量,那么评价函数可以是一个加权和,该权重反映了不同指标的重要性。权重值的设置需要根据具体的应用场景和优化目标来确定。在定义评价函数时,将优化目标和约束条件分别用权重值来表示。
例如,如果优化目标是最小化传输时间(压缩时间+传输时间),而约束条件是保证一定的数据质量,那么可以设置权重值w1、w2和w3分别表示传输时间、压缩时间和压缩质量的重要性。加权计算的公式为:压缩算法分值=w1*传输时间+w2*压缩时间-w3*压缩质量。具体的权重值可以根据实际需求进行调整,以满足优化目标和约束条件。
需要说明的是,本实施例在进行加权计算之前,需要将传输时间、压缩时间和压缩质量等指标归一化,使其具有相同的量纲。使用最大最小归一化方法,将每个指标转换为0到1之间的值。然后,根据权重值进行加权计算。权重值w1、w2和w3分别表示传输时间、压缩时间和压缩质量的重要性,那么加权计算公式为:压缩算法分值=w1*归一化传输时间-w2*归一化压缩时间-w3*归一化压缩质量。
S430:将分值最高的压缩算法分值对应压缩算法信息确定为目标压缩算法信息。
在本实施例中,将每种压缩算法信息对应的特征数据分别输入到压缩算法评价模型,可得到每种压缩算法信息的压缩算法分值,然后分值最高的压缩算法分值对应压缩算法信息确定为目标压缩算法信息。由于本实施例中的压缩算法评价模型是根据大量数据训练得到的,因此压缩算法评价模型可以提高目标压缩算法信息确定的准确度,进而提高车联网数据的传输效率及传输质量。
图5为本申请实施例提供的一种车联网数据的传输装置的示意图。如图5所示,该装置包括:
获取模块501,用于获取数据发送方的车联网数据以及网络状态信息;
获取模块501,还用于根据车联网数据的数据类型,从压缩算法库中获取与数据类型对应的压缩算法信息,压缩算法库中包括各种数据类型分别对应的压缩算法信息;
选择模块502,用于基于网络状态信息,在与数据类型对应的压缩算法信息中选择出目标压缩算法信息;
压缩传输模块503,用于根据目标压缩算法信息对车联网数据进行压缩,并将压缩的数据传输给数据接收方。
在一种可选的实施例中,选择模块502,具体用于:
基于网络状态信息,计算与数据类型对应的压缩算法信息中每种压缩算法信息对应的压缩指标数据,压缩指标数据至少包括压缩比率、压缩时间、压缩质量;
将压缩指标数据中符合车联网数据对应的优化目标和约束条件的压缩指标数据对应的压缩算法信息确定为目标压缩算法信息。
在一种可选的实施例中,选择模块502,具体用于:
基于数据类型对应的每种压缩算法信息,以及网络状态信息和车联网数据的数据类型,确定每种压缩算法信息对应的特征数据;
将每种压缩算法信息对应的特征数据分别输入到压缩指标评价模型,得到每种压缩算法信息的压缩指标数据。
在一种可选的实施例中,选择模块502,具体用于:
从压缩指标数据中筛选出满足约束条件的压缩指标数据;
将满足约束条件的压缩指标数据中符合优化目标的压缩指标数据对应的压缩算法信息确定为目标压缩算法信息。
在一种可选的实施例中,选择模块502,具体用于:
基于数据类型对应的每种压缩算法信息,以及网络状态信息和车联网数据的数据类型,确定每种压缩算法信息对应的特征数据;
将每种压缩算法信息对应的特征数据分别输入到压缩算法评价模型,得到每种压缩算法信息的压缩算法分值;
将分值最高的压缩算法分值对应压缩算法信息确定为目标压缩算法信息。
在一种可选的实施例中,所述装置还包括训练模块504,该训练模块504具体用于:
获取各种数据类型的目标数据在不同压缩算法及网络状态下分别对应的压缩指标数据,压缩指标数据至少包括压缩比率、压缩时间、压缩质量;
基于优化目标和约束条件确定压缩比率、压缩时间和压缩质量分别对应的权重值;
对压缩比率、压缩时间和压缩质量进行加权计算得到压缩算法分值;
将目标数据对应的数据类型、压缩算法信息、网络状态信息作为样本数据,压缩算法分值作为分值进行模型训练得到压缩算法评价模型。
在一种可选的实施例中,获取模块501,用于按照预置时间间隔获取数据发送方的车联网数据以及网络状态信息;
确定模块505,用于确定当前相对于上一次获取的网络状态信息是否出现变化;
获取模块501,用于若网络状态信息出现变化,则跳转到步骤根据车联网数据的数据类型,从压缩算法库中获取与数据类型对应的压缩算法信息继续执行;
压缩传输模块503,用于若网络状态信息未出现变化,则跳转到步骤根据目标压缩算法信息对车联网数据进行压缩,并将压缩的数据传输给车辆处理云端。
应理解的是,装置实施例与车联网数据的传输方法实施例可以相互对应,类似的描述可以参照车联网数据的传输方法实施例。为避免重复,此处不再赘述。具体地,图5所示的装置可以执行上述车联网数据的传输方法实施例,并且装置中的各个模块的前述和其它操作和/或功能分别为了实现上述车联网数据的传输方法中的相应流程,为了简洁,在此不再赘述。
上文中结合附图从功能模块的角度描述了本申请实施例的装置。应理解,该功能模块可以通过硬件形式实现,也可以通过软件形式的指令实现,还可以通过硬件和软件模块组合实现。具体地,本申请实施例中的车联网数据的传输方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路和/或软件形式的指令完成,结合本申请实施例公开的车联网数据的传输方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。可选地,软件模块可以位于随机存储器,闪存、只读存储器、可编程只读存储器、电可擦写可编程存储器、寄存器等本领域的成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述车联网数据的传输方法实施例中的步骤。
图6是本申请实施例提供的电子设备600的示意性框图。如图6所示,该电子设备600可以包括:处理器601,存储器602。该电子设备600还可以包括多媒体组件603,输入/输出(I/O)接口604,以及通信组件605中的一者或多者。
其中,处理器601用于控制该电子设备600的整体操作,以完成上述的车联网数据的传输方法中的全部或部分步骤。存储器602用于存储各种类型的数据以支持在该电子设备600的操作,这些数据例如可以包括用于在该电子设备600上操作的任何应用程序或方法的指令,以及应用程序相关的数据,例如联系人数据、收发的消息、图片、音频、视频等等。该存储器602可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。多媒体组件603可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器602或通过通信组件605传输。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口604为处理器601和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件605用于该电子设备600与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(Near FieldCommunication,简称NFC),2G、3G、4G、NB-IOT、eMTC、或其他5G等等,或它们中的一种或几种的组合,在此不做限定。因此相应的该通信组件605可以包括:Wi-Fi模块,蓝牙模块,NFC模块等等。
在一示例性实施例中,电子设备600可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(DigitalSignal Processor,简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的车联网数据的传输方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的车联网数据的传输方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器602,上述程序指令可由电子设备600的处理器601执行以完成上述的车联网数据的传输方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的车联网数据的传输方法的步骤。
在另一示例性实施例中,还提供一种计算机程序产品,该计算机程序产品包含能够由可编程的装置执行的计算机程序,该计算机程序具有当由该可编程的装置执行时用于执行上述的车联网数据的传输方法的代码部分。
在另一示例性实施例中,还提供一种计算机程序,计算机程序使得计算机执行如上述的车联网数据的传输方法。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的模块及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,该模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。例如,在本申请各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。
以上仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以该权利要求的保护范围为准。
Claims (10)
1.一种车联网数据的传输方法,其特征在于,所述方法包括:
获取数据发送方的车联网数据以及网络状态信息;
根据所述车联网数据的数据类型,从压缩算法库中获取与所述数据类型对应的压缩算法信息,所述压缩算法库中包括各种数据类型分别对应的压缩算法信息;
基于所述网络状态信息,在与所述数据类型对应的压缩算法信息中选择出目标压缩算法信息;
根据所述目标压缩算法信息对所述车联网数据进行压缩,并将压缩的数据传输给数据接收方。
2.根据权利要求1所述的方法,其特征在于,所述基于所述网络状态信息,在与所述数据类型对应的压缩算法信息中选择出目标压缩算法信息,包括:
基于所述网络状态信息,计算与所述数据类型对应的压缩算法信息中每种压缩算法信息对应的压缩指标数据,所述压缩指标数据至少包括压缩比率、压缩时间、压缩质量;
将所述压缩指标数据中符合所述车联网数据对应的优化目标和约束条件的压缩指标数据对应的压缩算法信息确定为目标压缩算法信息。
3.根据权利要求2所述的方法,其特征在于,所述基于所述网络状态信息,计算与所述数据类型对应的压缩算法信息中每种压缩算法信息的压缩指标数据,包括:
基于所述数据类型对应的每种压缩算法信息,以及所述网络状态信息和所述车联网数据的数据类型,确定每种压缩算法信息对应的特征数据;
将每种压缩算法信息对应的特征数据分别输入到压缩指标评价模型,得到每种压缩算法信息的压缩指标数据。
4.根据权利要求2或3所述的方法,其特征在于,所述将所述压缩指标数据中符合所述车联网数据对应的优化目标和约束条件的压缩指标数据对应的压缩算法信息确定为目标压缩算法信息,包括:
从所述压缩指标数据中筛选出满足所述约束条件的压缩指标数据;
将满足所述约束条件的压缩指标数据中符合所述优化目标的压缩指标数据对应的压缩算法信息确定为目标压缩算法信息。
5.根据权利要求1所述的方法,其特征在于,所述基于所述网络状态信息,在与所述数据类型对应的压缩算法信息中选择出目标压缩算法信息,包括:
基于所述数据类型对应的每种压缩算法信息,以及所述网络状态信息和所述车联网数据的数据类型,确定每种压缩算法信息对应的特征数据;
将每种压缩算法信息对应的特征数据分别输入到压缩算法评价模型,得到每种压缩算法信息的压缩算法分值;
将分值最高的压缩算法分值对应压缩算法信息确定为目标压缩算法信息。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
获取各种数据类型的目标数据在不同压缩算法及网络状态下分别对应的压缩指标数据,所述压缩指标数据至少包括压缩比率、压缩时间、压缩质量;
基于所述优化目标和所述约束条件确定所述压缩比率、所述压缩时间和所述压缩质量分别对应的权重值;
对所述压缩比率、所述压缩时间和所述压缩质量进行加权计算得到所述压缩算法分值;
将所述目标数据对应的数据类型、压缩算法信息、网络状态信息作为样本数据,所述压缩算法分值作为分值进行模型训练得到所述压缩算法评价模型。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
按照预置时间间隔获取数据发送方的车联网数据以及网络状态信息;
确定当前相对于上一次获取的所述网络状态信息是否出现变化;
若所述网络状态信息出现变化,则跳转到步骤根据所述车联网数据的数据类型,从压缩算法库中获取与所述数据类型对应的压缩算法信息继续执行;
若所述网络状态信息未出现变化,则跳转到步骤根据所述目标压缩算法信息对所述车联网数据进行压缩,并将压缩的数据传输给车辆处理云端。
8.一种车联网数据的传输装置,其特征在于,所述装置包括:
获取模块,用于获取数据发送方的车联网数据以及网络状态信息;
所述获取模块,还用于根据所述车联网数据的数据类型,从压缩算法库中获取与所述数据类型对应的压缩算法信息,所述压缩算法库中包括各种数据类型分别对应的压缩算法信息;
选择模块,用于基于所述网络状态信息,在与所述数据类型对应的压缩算法信息中选择出目标压缩算法信息;
压缩传输模块,用于根据所述目标压缩算法信息对所述车联网数据进行压缩,并将压缩的数据传输给数据接收方。
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计算机程序,所述处理器用于调用并运行所述存储器中存储的计算机程序,以执行权利要求1-7中任一项所述的车联网数据的传输方法。
10.一种计算机可读存储介质,其特征在于,用于存储计算机程序,所述计算机程序使得计算机执行如权利要求1-7中任一项所述的车联网数据的传输方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310829080.0A CN116800796A (zh) | 2023-07-06 | 2023-07-06 | 车联网数据的传输方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310829080.0A CN116800796A (zh) | 2023-07-06 | 2023-07-06 | 车联网数据的传输方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116800796A true CN116800796A (zh) | 2023-09-22 |
Family
ID=88046673
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310829080.0A Pending CN116800796A (zh) | 2023-07-06 | 2023-07-06 | 车联网数据的传输方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116800796A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117202259A (zh) * | 2023-11-07 | 2023-12-08 | 深圳市丰禾原电子科技有限公司 | 一种蓝牙耳机的数据处理方法和系统 |
CN117354374A (zh) * | 2023-12-06 | 2024-01-05 | 广东车卫士信息科技有限公司 | 基于物联网的数据传输方法及系统 |
CN117411875A (zh) * | 2023-12-14 | 2024-01-16 | 国网浙江省电力有限公司 | 一种电力数据传输系统、方法、装置、设备及存储介质 |
-
2023
- 2023-07-06 CN CN202310829080.0A patent/CN116800796A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117202259A (zh) * | 2023-11-07 | 2023-12-08 | 深圳市丰禾原电子科技有限公司 | 一种蓝牙耳机的数据处理方法和系统 |
CN117202259B (zh) * | 2023-11-07 | 2024-02-06 | 深圳市丰禾原电子科技有限公司 | 一种蓝牙耳机的数据处理方法和系统 |
CN117354374A (zh) * | 2023-12-06 | 2024-01-05 | 广东车卫士信息科技有限公司 | 基于物联网的数据传输方法及系统 |
CN117354374B (zh) * | 2023-12-06 | 2024-02-13 | 广东车卫士信息科技有限公司 | 基于物联网的数据传输方法及系统 |
CN117411875A (zh) * | 2023-12-14 | 2024-01-16 | 国网浙江省电力有限公司 | 一种电力数据传输系统、方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116800796A (zh) | 车联网数据的传输方法、装置、设备及介质 | |
US9727574B2 (en) | System and method for applying an efficient data compression scheme to URL parameters | |
CN111312264B (zh) | 语音传输方法、系统、装置、计算机可读存储介质和设备 | |
CN112820306B (zh) | 语音传输方法、系统、装置、计算机可读存储介质和设备 | |
CN112685248B (zh) | 智能网卡监控日志获取方法、装置、电子设备及存储介质 | |
CN103346800B (zh) | 一种数据压缩方法及装置 | |
US20210089492A1 (en) | Rdma data sending and receiving methods, electronic device, and readable storage medium | |
CN107911254B (zh) | 日志传输方法、装置、计算设备及存储介质 | |
CN111611129A (zh) | PaaS云平台的性能监控方法及装置 | |
CN115208414A (zh) | 数据压缩方法、数据压缩装置、计算机设备及存储介质 | |
WO2021111456A1 (en) | Moderator for identifying deficient nodes in federated learning | |
CN115633044B (zh) | 报文的处理方法、装置、电子设备及存储介质 | |
CN115099356B (zh) | 工业不平衡数据分类方法、装置、电子设备及存储介质 | |
CN110704361A (zh) | Rdma数据发送及接收方法、电子设备及可读存储介质 | |
CN114124309B (zh) | 一种数据传输方法及设备 | |
CN111417920A (zh) | 数据处理方法及装置 | |
CN114866445A (zh) | 一种通讯系统、通讯方法及电子终端 | |
CN116431585A (zh) | 文件的压缩方法及其装置、文件的解压方法及其装置 | |
US10949443B2 (en) | Method and system for sampling and converting vehicular network data | |
CN111935237A (zh) | 日志处理方法及系统、电子设备及存储介质 | |
CN118473603B (zh) | 一种弱网对抗方法及相关装置 | |
CN111046933A (zh) | 图像分类方法、装置、存储介质及电子设备 | |
CN118353723A (zh) | 攻击检测方法、装置、设备及介质 | |
CN107680607B (zh) | 一种信号压缩方法、信号解压方法及其装置 | |
CN113726832B (zh) | 分布式存储系统的数据存储方法、装置、系统及设备 |
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 |