CN117833928A - 基于时间序列重排序的编码压缩方法、装置及电子设备 - Google Patents

Abstract

本发明提供一种基于时间序列重排序的编码压缩方法、装置及电子设备，其中的方法包括：获取待编码压缩的原始数据序列，原始数据序列包括时间戳序列和数值序列；对原始数据序列进行重排序处理，得到重排序数据序列；对重排序数据序列进行编码压缩，得到目标编码数据。该方法通过对原始数据序列进行重新排序，使得原始数据序列中的数据点具有更平滑的时间戳和数值，为时间序列找到了更为合适的重新排序顺序，降低了原始数据序列的整体残差，进而能够实现更好的编码压缩性能。

Description

基于时间序列重排序的编码压缩方法、装置及电子设备

技术领域

本发明涉及计算机技术领域，尤其涉及一种基于时间序列重排序的编码压缩方法、装置及电子设备。

背景技术

随着信息技术的发展，在大数据的背景下，信息处理中所涉及数据量也在飞速增加。

随着数据量的增加，数据的存储成为了一个重要的问题，对数据的编码压缩是信息技术领域非常重要的一环。根据数据的规律和特点对其进行编码压缩，是在保证数据完整的情况下，数据能够高效存储的保障。

现有技术提供了许多可用于压缩时间序列的数据编码方法，其中包括基于回归的编码方法，该方法的思路在于，对时间序列数据直接进行回归，计算相应的残差，通过记录回归系数和残差来实现对时间序列数据的编码。

但现有方法存在的问题是，一方面，因为时间序列数据在实际中通常是直接按照时间戳序列升序排列的，而回归性能在很大程度上会受到数值波动的影响，当数值序列的波动很大时，要学习一个回归模型是很困难的，由此得到的残差，以及最终所需的存储空间将会是巨大的。

另一方面，如果完全按照数值序列的大小对时间序列数据进行排序，虽然数值变得更平滑、更有利于回归，但对应的时间戳序列的波动比按时间戳序列升序排列的波动更大，从而，整体的残差和最终的存储空间并不会得到改善。

因此，如何解决现有编码压缩方法由于数值序列或时间戳序列波动较大，导致整体压缩性能不高的问题，是计算机领域亟待解决的重要课题。

发明内容

本发明提供一种基于时间序列重排序的编码压缩方法、装置及电子设备，用以克服现有编码压缩方法由于数值序列或时间戳序列波动较大，导致整体压缩性能不高的缺陷，为时间序列找到合适的重新排序顺序，以实现更好的编码压缩性能。

一方面，本发明提供一种基于时间序列重排序的编码压缩方法，包括：获取待编码压缩的原始数据序列，所述原始数据序列包括时间戳序列和数值序列；对所述原始数据序列进行重排序处理，得到重排序数据序列；对所述重排序数据序列进行编码压缩，得到目标编码数据。

进一步地，所述对所述原始数据序列进行重排序处理，得到重排序数据序列，包括：S1，获取所述原始数据序列中编码位宽最大的数据点，并将所述编码位宽最大的数据点作为目标数据点；S2，将所述目标数据点依次遍历所述原始数据序列的所有候选位置，得到所述原始数据序列对应的多个候选数据序列；S3，分别对多个候选数据序列进行回归计算，得到多个候选数据序列对应的余差；S4，计算余差最小的候选数据序列的总编码位宽；S5，对所述余差最小的候选数据序列不断重复执行步骤S1-S4，直至余差最小的候选数据序列的总编码位宽不再减小，将所述余差最小的候选数据序列作为重排序数据序列。

进一步地，所述获取原始数据序列中编码位宽最大的数据点，包括：对所述时间戳序列进行回归计算，得到所述时间戳序列对应的第一余差序列；对所述数值序列进行回归计算，得到所述数值序列对应的第二余差序列；计算所述第一余差序列与所述第二余差序列中同一排序位置的数据编码位宽和；将所述数据编码位宽和最大的排序位置的数据点作为目标数据点。

进一步地，所述对所述原始数据序列进行重排序处理，得到重排序数据序列，包括：将所述时间戳序列和所述数值序列输入至重排序模型，得到输出的所述重排序数据序列。

进一步地，所述对所述重排序数据序列进行编码压缩，得到目标编码数据，包括：对所述重排序数据序列进行回归计算，得到所述重排序数据序列对应的回归系数；根据所述重排序数据序列对应的的回归系数，计算所述重排序数据序列的余差；根据所述重排序数据序列对应的回归系数、余差以及总编码位宽，对所述重排序数据序列进行编码压缩，得到目标编码数据。

第二方面，本发明还提供一种基于时间序列重排序的编码压缩装置，包括：数据序列获取模块，用于获取待编码压缩的原始数据序列，所述原始数据序列包括时间戳序列和数值序列；数据序列排序模块，用于对所述原始数据序列进行重排序处理，得到重排序数据序列；数据序列编码模块，用于对所述重排序数据序列进行编码压缩，得到目标编码数据。

进一步地，所述数据序列排序模块包括：目标数据点获取模块，用于获取所述原始数据序列中编码位宽最大的数据点，并将所述编码位宽最大的数据点作为目标数据点；候选数据序列获取模块，用于将所述目标数据点依次遍历所述原始数据序列的所有候选位置，得到所述原始数据序列对应的多个候选数据序列；余差计算模块，用于分别对多个候选数据序列进行回归计算，得到多个候选数据序列对应的余差；总编码位宽计算模块，用于计算余差最小的候选数据序列的总编码位宽；重排序数据序列确定模块，用于在余差最小的候选数据序列的总编码位宽不再减小的情况下，将所述余差最小的候选数据序列作为重排序数据序列。

第三方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述的基于时间序列重排序的编码压缩方法。

第四方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述的基于时间序列重排序的编码压缩方法。

第五方面，本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述的基于时间序列重排序的编码压缩方法。

本发明提供的一种基于时间序列重排序的编码压缩方法，通过获取待编码压缩的原始数据序列，原始数据序列包括时间戳序列和数值序列，并对原始数据序列进行重排序处理，得到重排序数据序列，进而对所述重排序数据序列进行编码压缩，得到目标编码数据。该方法通过对原始数据序列进行重新排序，使得原始数据序列中的数据点具有更平滑的时间戳和数值，为时间序列找到了更为合适的重新排序顺序，降低了原始数据序列的整体残差，进而能够实现更好的编码压缩性能。

附图说明

为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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为本发明提供的基于时间序列重排序的编码压缩方法的流程示意图；

图2为本发明提供的基于时间序列重排序的编码压缩方法的重排序处理流程示意图；

图3为本发明提供的基于时间序列重排序的编码压缩装置的结构示意图；

图4为本发明提供的基于时间序列重排序的编码压缩装置的重排序结构示意图；

图5为本发明提供的电子设备的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，现有技术所提供的用于压缩时间序列的数据编码方法，例如对时间序列数据直接进行回归，计算相应的残差，通过记录回归系数和残差来实现对时间序列数据的编码。

但现有方法存在的问题是，一方面，因为时间序列数据在实际中通常是直接按照时间戳序列升序排列的，而回归性能在很大程度上会受到数值波动的影响，当数值序列的波动很大时，要学习一个回归模型是很困难的，由此得到的残差，以及最终所需的存储空间将会是巨大的。

另一方面，如果完全按照数值序列的大小对时间序列数据进行排序，虽然数值变得更平滑、更有利于回归，但对应的时间戳序列的波动比按时间戳序列升序排列的波动更大，从而，整体的残差和最终的存储空间并不会得到改善。

也即是说，从某种意义上，在存储有规律的时间戳序列和波动的数值序列之间有一个权衡。

值得一说的是，与一般的数值序列相比，由于数据采集传感器通常是以预设的固定频率采集得到的，尤其是在物联网场景中，这使得时间戳序列往往具有一定的特点。

考虑及此，本发明提出了一种基于时间序列重排序的编码压缩方法，具体地，图1示出了本发明所提供的基于时间序列重排序的编码压缩方法的流程示意图。

如图1所示，该方法包括：

S110，获取待编码压缩的原始数据序列，原始数据序列包括时间戳序列和数值序列。

可以理解的是，待编码压缩的原始数据序列可以通过预先安装的数据采集设备实时获取，也可以是预先已知的数据，直接读取得到。

在一个具体的实施例中，获取待编码压缩的原始数据序列，展开地，车辆中安装有70个数据传感器，每分钟采集若干条数据，每条数据由1个时间戳和1个数值组成，从而，在每一分钟里，可以得到由时间戳序列和数值序列构成的70组数据。

其中，时间戳序列为将采集的数据按照一定的时间顺序(升序或降序)排序得到的数据序列。

数值序列为将采集的数据按照数值大小进行排序得到的数据序列。

S120，对原始数据序列进行重排序处理，得到重排序数据序列。

可以理解的是，在步骤S110获取待编码压缩的原始数据序列的基础上，进一步地，步骤S120将对原始数据序列进行重排序处理，得到对应的重排序数据序列。

对原始数据序列进行重排序数据，具体地，其目标在于从时间戳序列和数值序列的波动下做一个合适的权衡，为原始数据序列找到一个合适的重新排序顺序，使得时间序列整体的残差和存储空间得到改善，从而，实现更好的编码压缩性能。

需要说明的是，相较于原始数据序列，重排序数据序列的整体残差更小，所需存储空间也更小，整体编码压缩性能会更佳。

S130，对重排序数据序列进行编码压缩，得到目标编码数据。

可以理解的是，在步骤S120对原始数据序列进行重排序处理，得到重排序数据序列的基础上，进一步地，步骤S130将对重排序数据序列进行编码压缩，以得到目标编码数据。

对重排序数据序列进行编码压缩，具体地，首先，对重排序数据序列进行回归计算，得到重排序数据序列对应的回归系数，然后，根据重排序数据序列对应的回归系数，计算重排序数据序列的与差值，从而，根据重排序数据序列对饮的回归系数、余差以及总编码位宽，将重排序数据序列转换为字节流，实现重排序数据序列的编码压缩。

在本实施例中，通过获取待编码压缩的原始数据序列，原始数据序列包括时间戳序列和数值序列，并对原始数据序列进行重排序处理，得到重排序数据序列，进而对所述重排序数据序列进行编码压缩，得到目标编码数据。该方法通过对原始数据序列进行重新排序，使得原始数据序列中的数据点具有更平滑的时间戳和数值，为时间序列找到了更为合适的重新排序顺序，降低了原始数据序列的整体残差，进而能够实现更好的编码压缩性能。

在上述实施例的基础上，进一步地，以下实施例将对原始数据序列进行重排序处理，得到重排序数据序列的步骤进行详细的描述。

可以理解的是，图2示出了本发明所提供的基于时间序列重排序的编码压缩方法的重排序处理流程示意图。

如图2所示，对原始数据序列进行重排序处理的，具体包括如下步骤：

S1，获取原始数据序列中编码位宽最大的数据点，并将编码位宽最大的数据点作为目标数据点。

可以理解的是，在本步骤中，需要选择一个待调整的数据点，即目标数据点。

具体地，获取原始数据序列中编码位宽最大的数据点，包括：对间戳序列进行回归计算，得到时间戳序列对应的第一余差序列；对数值序列进行回归计算，得到数值序列对应的第二余差序列；计算第一余差序列与第二余差序列中同一排序位置的数据编码位宽和；将数据编码位宽和最大的排序位置的数据点作为目标数据点。

展开地，以数据点(a,b,c,d,e)为例，数据点(a,b,c,d,e)对应有时间戳序列(t1,t2,t3,t4,t5)和数值序列(v1,v2,v3,v4,v5)。

对时间戳序列(t1,t2,t3,t4,t5)进行回归计算，得到对应的第一回归系数，进而根据第一回归系数计算得到时间戳序列对应的第一余差序列(w(t1),w(t2),w(t3),w(t4),w(t5))。

对数值序列(v1,v2,v3,v4,v5)进行回归计算，得到对应的第二回归系数，进而根据第二回归系数计算得到数值序列对应的第二余差序列(w(v1),w(v2),w(v3),w(v4),w(v5))。

计算第一余差序列与第二余差序列中同一排序位置的数据编码位宽和，即计算w(t1)+w(v1)，w(t2)+w(v2)，w(t3)+w(v3)，w(t4)+w(v4)，以及w(t5)+w(v5)。

取多个数据编码位宽和中最大的数据编码位宽所对应的排序位置的数据点作为目标数据点。

例如，若w(t3)+w(v3)最大，那么，则目标数据点为c。

需要说明的是，在这一具体实施例中，w(x)表示单个数值x的编码位宽。

S2，将目标数据点依次遍历原始数据序列的所有候选位置，得到原始数据序列对应的多个候选数据序列。

可以理解的是，在步骤S1获取原始数据序列中编码位宽最大的数据点，并将其作为目标数据点的基础上，步骤S2将根据目标数据点重新对原始数据序列的初始排列顺序进行调整。

具体地，将目标数据点依次遍历原始数据序列的所有候选位置，以得到原始数据序列对应的多个候选数据序列。

例如，以原始数据序列为时间戳序列(t1,t2,t3,t4,t5)和数值序列(v1,v2,v3,v4,v5)，且目标数据点为c点为例，对目标数据点c点进行调整。

展开地，针对数据戳序列(t1,t2,t3,t4,t5)，调整目标数据点c的位置，可以得到多个候选数据序列(t1,t3,t2,t4,t5)，(t3,t1,t2,t4,t5)，(t1,t2,t4,t3,t5)，(t1,t2,t4,t5,t3)。

针对数值序列(v1,v2,v3,v4,v5)，调整目标数据点c的位置，可以得到多个候选数据序列(v1,v3,v2,v4,v5)，(v3,v1,v2,v4,v5)，(v1,v2,v4,v3,v5)，(v1,v2,v4,v5,v3,)。

其中，数据戳序列对应的多个候选数据序列(t1,t3,t2,t4,t5)、(t3,t1,t2,t4,t5)、(t1,t2,t4,t3,t5)以及(t1,t2,t4,t5,t3)，与数值序列对应的多个候选数据序列(v1,v3,v2,v4,v5)、(v3,v1,v2,v4,v5)、(v1,v2,v4,v3,v5)以及(v1,v2,v4,v5,v3,)是相对应的。

S3，分别对多个候选数据序列进行回归计算，得到多个候选数据序列对应的余差。

可以理解的是，在步骤S2将目标数据点依次遍历原始数据序列的所有候选位置，得到原始数据序列对应的多个候选数据序列的基础上，进一步地，步骤S3将分别针对每个候选数据序列进行回归计算，即可得到多个候选数据序列分别对应的余差值。

S4，计算余差最小的候选数据序列的总编码位宽。

可以理解的是，在步骤S3分别对多个候选数据序列进行回归计算，得到多个候选数据序列对应的余差的基础上，进一步地，步骤S4将计算余差最小的候选数据序列的总编码位宽。

具体地，首先，在步骤S3计算得到多个候选数据序列对应的余差的基础上，能够获知哪一候选数据序列对应的余差值最大，然后，将余差值最大的候选数据序列作为目标候选数据序列，并计算该目标候选数据序列的总编码位宽。

需要说明的是，候选数据序列包括数值序列对应的候选数据序列和时间戳序列对应的候选数据序列，余差最小的候选数据序列则要求目标数据点在某一排序位置时，数值序列对应的候选数据序列与时间戳序列对应的候选数据序列，二者的余差和最小。

例如，若候选数据序列(t1,t3,t2,t4,t5)和(v1,v3,v2,v4,v5)的余差和最小，则计算该目标候选数据序列的总编码位宽，即w(t1)+w(t3)+w(t2)+w(t4)+w(t5)+w(v1)+w(v3)+w(v2)+w(v4)+w(v5)。

S5，对余差最小的候选数据序列不断重复执行步骤S1-S4，直至余差最小的候选数据序列的总编码位宽不再减小，将余差最小的候选数据序列作为重排序数据序列。

在步骤S4计算余差最小的候选数据序列的总编码位宽的基础上，进一步地，若计算得到的总编码位宽比上一次调整数据序列的初始总编码位宽更小，说明在当前余差最小的候选数据序列基础上还可以尝试进一步优化排序，则针对余差最小的候选数据序列不断重复执行步骤S1-步骤S4。

反之，若计算得到的总编码位宽比上一次调整数据序列的初始总编码位宽更大，或者计算得到的总编码位宽与原始数据序列的初始总编码位宽相同，则说明当前余差最小的候选数据序列为最合适的排序序列，为重排序数据序列，停止迭代。

值得一提的是，除了利用上述步骤S1-步骤S5对原始数据序列进行重排序处理以外，在一些实施例中，还可以采用物理模型来实现。

具体地，对原始数据序列进行重排序处理，得到重排序数据序列，包括：将时间戳序列和数值序列输入至重排序模型，得到输出的重排序数据序列。

在本实施例中，通过对原始数据序列进行重排序处理，得到重排序数据序列，并对重排序数据序列进行编码压缩，得到目标编码数据。该方法通过对原始数据序列进行重新排序，使得原始数据序列中的数据点具有更平滑的时间戳和数值，为时间序列找到了更为合适的重新排序顺序，降低了原始数据序列的整体残差，进而能够实现更好的编码压缩性能。

在上述实施例的基础上，进一步地，对重排序数据序列进行编码压缩，得到目标编码数据，包括：对重排序数据序列进行回归计算，得到重排序数据序列对应的回归系数；根据重排序数据序列对应的的回归系数，计算重排序数据序列的余差；根据重排序数据序列对应的回归系数、余差以及总编码位宽，对重排序数据序列进行编码压缩，得到目标编码数据。

可以理解的是，在对原始数据序列进行重排序处理，得到重排序数据序列的基础上，需要对重排序数据序列进行编码压缩，以得到最终的目标编码数据。

具体地，首先，针对重排序数据序列进行回归计算，得到重排序数据序列对应的回归系数。

然后，根据重排序数据序列对应的回归系数，计算重排序数据序列的余差值。

最后，根据重排序数据序列对应的回归系数、余差以及总编码位宽，对重排序数据序列进行编码压缩，即可得到目标编码数据。

需要说明的是，对重排序数据序列进行编码压缩，具体可以采用一阶自回归方法，也可以采用其他回归方法，在此并不作具体限定。

在本实施例中，通过对重排序数据序列进行回归计算，得到重排序数据序列对应的回归系数，并根据重排序数据序列对应的的回归系数，计算重排序数据序列的余差，进而根据重排序数据序列对应的回归系数、余差以及总编码位宽，对重排序数据序列进行编码压缩，得到目标编码数据。该方法通过对原始数据序列进行重新排序，使得原始数据序列中的数据点具有更平滑的时间戳和数值，为时间序列找到了更为合适的重新排序顺序，降低了原始数据序列的整体残差，进而能够实现更好的编码压缩性能。

图3示出了本发明所提供的基于时间序列重排序的编码压缩装置的结构示意图。

如图3所示，该装置包括：数据序列获取模块310，用于获取待编码压缩的原始数据序列，所述原始数据序列包括时间戳序列和数值序列；数据序列排序模块320，用于对所述原始数据序列进行重排序处理，得到重排序数据序列；数据序列编码模块330，用于对所述重排序数据序列进行编码压缩，得到目标编码数据。

在本实施例中，通过数据序列获取模块310获取待编码压缩的原始数据序列，原始数据序列包括时间戳序列和数值序列，数据序列排序模块320对原始数据序列进行重排序处理，得到重排序数据序列，进而数据序列编码模块330对所述重排序数据序列进行编码压缩，得到目标编码数据。该装置通过对原始数据序列进行重新排序，使得原始数据序列中的数据点具有更平滑的时间戳和数值，为时间序列找到了更为合适的重新排序顺序，降低了原始数据序列的整体残差，进而能够实现更好的编码压缩性能。

在一些实施例中，图4示出了本发明所提供的基于时间序列重排序的编码压缩装置的重排序结构示意图。

如图4所示，所述数据序列排序模块320包括：目标数据点获取模块321，用于获取所述原始数据序列中编码位宽最大的数据点，并将所述编码位宽最大的数据点作为目标数据点；候选数据序列获取模块322，用于将所述目标数据点依次遍历所述原始数据序列的所有候选位置，得到所述原始数据序列对应的多个候选数据序列；余差计算模块323，用于分别对多个候选数据序列进行回归计算，得到多个候选数据序列对应的余差；总编码位宽计算模块324，用于计算余差最小的候选数据序列的总编码位宽；重排序数据序列确定模块325，用于在余差最小的候选数据序列的总编码位宽不再减小的情况下，将所述余差最小的候选数据序列作为重排序数据序列。

需要说明的是，本实施例所提供的基于时间序列重排序的编码压缩装置，与上文描述的基于时间序列重排序的编码压缩方法可相互对应参照，在此不再赘述。

图5示例了一种电子设备的实体结构示意图，如图5所示，该电子设备可以包括：处理器(processor)510、通信接口(communications Interface)520、存储器(memory)530和通信总线540，其中，处理器510，通信接口520，存储器530通过通信总线540完成相互间的通信。处理器510可以调用存储器530中的逻辑指令，以执行基于时间序列重排序的编码压缩方法，该方法包括：获取待编码压缩的原始数据序列，所述原始数据序列包括时间戳序列和数值序列；对所述原始数据序列进行重排序处理，得到重排序数据序列；对所述重排序数据序列进行编码压缩，得到目标编码数据。

此外，上述的存储器530中的逻辑指令可以通过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机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说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，该计算机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机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明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。

另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的基于时间序列重排序的编码压缩方法，该方法包括：获取待编码压缩的原始数据序列，所述原始数据序列包括时间戳序列和数值序列；对所述原始数据序列进行重排序处理，得到重排序数据序列；对所述重排序数据序列进行编码压缩，得到目标编码数据。

又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的基于时间序列重排序的编码压缩方法，该方法包括：获取待编码压缩的原始数据序列，所述原始数据序列包括时间戳序列和数值序列；对所述原始数据序列进行重排序处理，得到重排序数据序列；对所述重排序数据序列进行编码压缩，得到目标编码数据。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，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。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于时间序列重排序的编码压缩方法，其特征在于，包括：

获取待编码压缩的原始数据序列，所述原始数据序列包括时间戳序列和数值序列；

对所述原始数据序列进行重排序处理，得到重排序数据序列；

对所述重排序数据序列进行编码压缩，得到目标编码数据。

2.根据权利要求1所述的基于时间序列重排序的编码压缩方法，其特征在于，所述对所述原始数据序列进行重排序处理，得到重排序数据序列，包括：

S1，获取所述原始数据序列中编码位宽最大的数据点，并将所述编码位宽最大的数据点作为目标数据点；

S2，将所述目标数据点依次遍历所述原始数据序列的所有候选位置，得到所述原始数据序列对应的多个候选数据序列；

S3，分别对多个候选数据序列进行回归计算，得到多个候选数据序列对应的余差；

S4，计算余差最小的候选数据序列的总编码位宽；

S5，对所述余差最小的候选数据序列不断重复执行步骤S1-S4，直至余差最小的候选数据序列的总编码位宽不再减小，将所述余差最小的候选数据序列作为重排序数据序列。

3.根据权利要求2所述的基于时间序列重排序的编码压缩方法，其特征在于，所述获取原始数据序列中编码位宽最大的数据点，包括：

对所述时间戳序列进行回归计算，得到所述时间戳序列对应的第一余差序列；

对所述数值序列进行回归计算，得到所述数值序列对应的第二余差序列；

计算所述第一余差序列与所述第二余差序列中同一排序位置的数据编码位宽和；

将所述数据编码位宽和最大的排序位置的数据点作为目标数据点。

4.根据权利要求1所述的基于时间序列重排序的编码压缩方法，其特征在于，所述对所述原始数据序列进行重排序处理，得到重排序数据序列，包括：

将所述时间戳序列和所述数值序列输入至重排序模型，得到输出的所述重排序数据序列。

5.根据权利要求1-4中任一项所述的基于时间序列重排序的编码压缩方法，其特征在于，所述对所述重排序数据序列进行编码压缩，得到目标编码数据，包括：

对所述重排序数据序列进行回归计算，得到所述重排序数据序列对应的回归系数；

根据所述重排序数据序列对应的回归系数，计算所述重排序数据序列的余差；

根据所述重排序数据序列对应的回归系数、余差以及总编码位宽，对所述重排序数据序列进行编码压缩，得到目标编码数据。

6.一种基于时间序列重排序的编码压缩装置，其特征在于，包括：

数据序列获取模块，用于获取待编码压缩的原始数据序列，所述原始数据序列包括时间戳序列和数值序列；

数据序列排序模块，用于对所述原始数据序列进行重排序处理，得到重排序数据序列；

数据序列编码模块，用于对所述重排序数据序列进行编码压缩，得到目标编码数据。

7.根据权利要求6所述的基于时间序列重排序的编码压缩装置，其特征在于，所述数据序列排序模块包括：

目标数据点获取模块，用于获取所述原始数据序列中编码位宽最大的数据点，并将所述编码位宽最大的数据点作为目标数据点；

候选数据序列获取模块，用于将所述目标数据点依次遍历所述原始数据序列的所有候选位置，得到所述原始数据序列对应的多个候选数据序列；

余差计算模块，用于分别对多个候选数据序列进行回归计算，得到多个候选数据序列对应的余差；

总编码位宽计算模块，用于计算余差最小的候选数据序列的总编码位宽；

重排序数据序列确定模块，用于在余差最小的候选数据序列的总编码位宽不再减小的情况下，将所述余差最小的候选数据序列作为重排序数据序列。

8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5中任一项所述的基于时间序列重排序的编码压缩方法。

9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处行时实现如权利要求1至5中任一项所述的基于时间序列重排序的编码压缩方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的基于时间序列重排序的编码压缩方法。