RU2790362C1 - Способ адаптивного сжатия передаваемых данных - Google Patents

Abstract

Изобретение относится к области телекоммуникаций. Технический результат заключается в повышении точности передачи сжимаемых данных в реальном масштабе времени. Мгновенные отклонения реального процесса от восстановленного спрогнозированного процесса анализируются, и при выходе отклонения за установленные пределы, результаты отклонений передаются в не сжатом виде. Процесс передачи носит циклический характер. К началу каждого цикла, на приемной стороне мы имеем значения процесса, восстановленного по спрогнозированным коэффициентам сжатия, и, если эти значения существенно отличаются от реальных значений процесса на этом цикле, происходит дополнительная передача в реальном масштабе времени поправочных разностных значений, т.е. восстановление реальных значений процесса на приемной стороне. Если же, в результате анализа, разностные значения признаны не существенными, то их передача не производится. 2 ил.

Description

Изобретение относится к области телекоммуникаций и может быть использовано для сокращения объема передаваемых данных о контролируемых процессах.

Основная цель предлагаемого способа - уменьшение объема передаваемых данных о процессе, если значения контролируемого параметра процесса не выходят за установленные пределы. Методы сжатия данных могут быть классифицированы по пяти категориям.

Методы сжатия на основе построения префиксных кодов рассматривают воспринимаемые данные как последовательность символов, а затем применяют к ним схемы сжатия, используемые для обработки текстовых данных. Унаследованные от этих методов способы сжатия на основе строк также могут обеспечивать сжатие без потерь.

Методы сжатия на основе изображений [4, 5] организуют данные в иерархическую архитектуру, а затем применяют некоторые схемы сжатия изображений, такие как вейвлет-преобразование, чтобы обеспечить множественное разрешение воспринимаемых данных внутри сети. Некоторые незначительные характеристики таких данных могут быть потеряны из-за операций сжатия, и, таким образом, технология сжатия на основе изображения поддерживает сжатие с потерями.

Методы кодирования распределенных источников сжимают данные считывания внутри сети в соответствии с теоремой Слепьяна-Вольфа и работой [6], которая доказывает, что два или более коррелированных потока данных могут быть закодированы независимо друг от друга и затем декодироваться совместно в приемнике со скоростью, соответствующей их совместной энтропии. Поэтому методы кодирования с распределенным источником могут поддерживать сжатие без потерь.

Методы сжатого зондирования показывают [7], что любые достоверно сжимаемые данные могут быть точно восстановлены из небольшого числа неадаптивных рандомизированных образцов линейной проекции. Таким образом, они могут использовать сжимаемость, не полагаясь на какие-либо предварительные знания или предположения об измеряемых данных. При вышеуказанном наблюдении методы сжатого зондирования могут обеспечить сжатие без потерь.

Методы агрегирования данных передают сжатые агрегированные данные в приемник [1, 2, 8, 9]. Поскольку из этих агрегированных данных не могут быть получены данные исходных измерений, сжатие методами агрегирования данных является необратимым. Такой метод использует предлагаемый в этой заявке способ адаптивного сжатия.

Наиболее близким по технической сущности является способ сжатия данных с помощью модели разложения значений процесса в некотором ортогональном базисе (например, вейвлеты) и передаче коэффициентов разложения, с последующим их восстановлением на приемной стороне.

Указанный процесс носит циклический характер. Способ сжатия данных с помощью вейвлет-модели требует задержки передачи информации на интервал времени, равный длительности одного цикла, поскольку значения всех коэффициентов разложения могут быть получены лишь по завершению цикла. Значения коэффициентов, полученные на предыдущем цикле, передаются с повышенной скоростью в начале каждого последующего цикла, и по ним происходит восстановление процесса на приемной стороне, с запаздыванием на один цикл.

Восстановленный по модели на последующем цикле процесс может существенно отличаться от реального процесса, протекающего на этом цикле, однако, степень этого отличия на приемной стороне не известна.

Предлагаемое решение проблемы состоит в том, чтобы по полученным на предыдущем цикле (или нескольких предыдущих циклах) модельным коэффициентам разложения прогнозировать и восстанавливать прогнозируемый процесс также и на передающей стороне, поочередно сравнивать значения восстановленного прогнозируемого процесса с соответствующими значениями реально протекающего процесса на прогнозируемом цикле, и, если расхождения превысят определенный предел, производить передачу значений этих расхождений по каналу связи. В качестве меры указанных расхождений предлагается применить их интегральную оценку.

Техническим результатом предлагаемого изобретения является повышение точности передачи сжимаемых данных в реальном масштабе времени.

Сущность предлагаемого способа состоит в том, что мгновенные отклонения реального процесса от восстановленного спрогнозированного процесса анализируются, и при выходе отклонения за установленные пределы, результаты отклонений передаются в не сжатом виде.

Известный способ-прототип осуществляется следующим образом: (Фиг.1).

Информация о передаваемом процессе цифруется с помощью АЦП-1. Процесс разделяется на циклы, каждый цикл тактируется (такты-2).

Значения процесса на

-м такте буферизируются в буфере – 3. После получения всех значений

на текущем цикле, происходит их обработка, определение коэффициентов разложения в принятом базисе (например, по вейвлетам), выбор наиболее значимых коэффициентов в системе сжатия-4, с последующей передачей значений указанных коэффициентов. Передача коэффициентов производится обычно на повышенных скоростях таким образом, что на первом такте следующего цикла в приемнике, система восстановления -5 вычисляет все значения восстанавливаемого процесса – 6. Таким образом, восстановление процесса происходит с запаздыванием на один цикл, и восстановленный процесс может значительно отличаться от реального процесса, протекающего в течение этого цикла. Степень отличия на приемной стороне не известна.

Предлагаемый способ осуществляется следующим образом.

С целью устранения указанного недостатка предлагается на передающей стороне производить оценку степени этих отклонений и, в случае выхода их значений за установленные пределы, осуществлять дополнительно передачу указанных отклонений. На приемной стороне значения отклонений суммируются с соответствующими восстановленными значениями процесса. В качестве меры отклонений предлагается использовать интегральную оценку.

Рассмотрим работу указанного способа (Фиг.2). Измерительная информация, циклически поступающая от процесса-2, кодируется с помощью АЦП-1, и в виде цифровых отсчетов

поступает на вход буферной памяти -3, где отсчеты хранятся последовательно. Одновременно, в памяти может находиться все N отсчетов данного цикла.

Отсчеты также поступают на устройство сжатия-4. Сжатие осуществляется с использованием принятой модели процесса и заключается в расчете и выборе наиболее значимых коэффициентов указанной модели.

По значениям коэффициентов, сжатия процесса на данном цикле (любым из известных способов, например, с помощью вейвлетов), с учетом соответствующих коэффициентов, полученных на одном, или нескольких предыдущих циклах, устройством -11 прогнозируются значения коэффициентов для последующего цикла. Полученные в результате прогнозирования значения коэффициентов в ускоренном темпе передаются по каналу связи.

Одновременно, значения указанных коэффициентов поступают в систему восстановления - 5, где к концу текущего цикла определяются все восстановленные значения прогнозируемого процесса следующего цикла. Начиная с первого такта следующего цикла, восстановленные значения спрогнозированного процесса этого цикла сравниваются поочередно с соответствующими реальными значениями процесса на этом цикле и определяются их разности - 10. Указанные разности поступают на накапливающий сумматор - 7. Если показания сумматора находятся в установленных пределах

(что свидетельствует о нормальном прохождении процесса), то ключ - 9 (показан условно) остается в исходном состоянии (показано на Фиг. 2), и в начале каждого цикла осуществляется передача только коэффициентов, полученных при сжатии. Если же указанная сумма выйдет за заданные пределы, то анализатор – 8 переведет переключатель - 9 в нижнее положение и, начиная с этого момента, до конца цикла будут поочередно передаваться значения разностей, поступающие на сумматор - 7. К началу каждого цикла, показания сумматора - 7 обнуляются. Таким образом, к началу каждого цикла, на приемной стороне мы имеем значения процесса, восстановленного по спрогнозированным коэффициентам сжатия, и, если эти значения существенно отличаются от реальных значений процесса на этом цикле, происходит дополнительная передача в реальном масштабе времени поправочных разностных значений, т.е. восстановление реальных значений процесса на приемной стороне. Если же, в результате анализа, разностные значения признаны не существенными, то их передача не производится.

ЛИТЕРАТУРА

1. D. Donoho, “Compressed sensing,” IEEE Trans. Information Theory, vol. 52, no. 4, pp. 1289–1306, 2006.

2. Голубничая Е.Ю. Агрегирование данных в беспроводных сенсорных сетях мониторинга / Е.Ю. Голубничая // Проблемы передачи информации в инфокоммуникационных системах: сборник докладов и тезисов VIII Всероссийской научно-практической конференции. – Волгоград: Изд-во Волгу, 2017. – С. 37-42.

3. T.A. Welch, “A technique for high-performance data compression,” Computer, vol. 17, no. 6, pp. 8–19, 1984.

4. D. Ganesan, B. Greenstein, D. Estrin, J. Heinemann, and R. Goninan, “Multiresolution storage and search in sensor networks,” ACM Trans. Storage, vol. 1, no. 3, pp. 277–315, 2005.

5. Y.C. Wang, Y.Y. Hsieh, and Y.C. Tseng, “Multiresolution spatial and temporal coding in a wireless sensor network for long-term monitoring applications,” IEEE Trans. Computers, vol. 58, no. 6, pp. 827–838, 2009.

6. D. Slepian and J.K. Wolf, “Noiseless coding of correlated information sources,” IEEE Trans. Information Theory, vol. 19, no. 4, pp. 471–480, 1973.

7. J. Haupt, W.U. Bajwa, M. Rabbat, and R. Nowak, “Compressed sensing for networked data,” IEEE Signal Processing Magazine, vol. 25, no. 2, pp. 92–101, 2008.

8. R. Rajagopalan and P.K. Varshney, “Data-aggregation techniques in sensor networks: a survey,” IEEE Comm. Surveys & Tutorials, vol. 8, no. 4, pp. 48–63, 2006.

9. C. Hua and T.S.P. Yum, “Optimal routing and data aggregation for maximizing lifetime of wireless sensor networks,” IEEE/ACM Trans. Networking, vol. 16, no. 4, pp. 892–903, 2008.

Claims (1)

1. Способ сжатия передаваемых данных, заключающийся в том, что измерительная информация, циклически поступающая от контролируемого процесса, кодируется с помощью АЦП, и в виде цифровых отсчетов поступает на вход буферной памяти, где отсчеты хранятся последовательно, отсчеты также поступают на устройство сжатия, при этом сжатие осуществляется с использованием принятой модели процесса и заключается в расчете и выборе наиболее значимых коэффициентов указанной модели, по значениям коэффициентов, сжатия данных о контролируемом процессе на данном цикле, с учетом соответствующих коэффициентов, полученных на одном, или нескольких предыдущих циклах, устройством прогнозируются значения коэффициентов для последующего цикла, которые передаются по каналу связи и восстанавливаются на приемной стороне, отличающийся тем, что на передающей стороне, начиная с первого такта следующего цикла, восстановленные значения спрогнозированного процесса данного цикла сравниваются поочередно с соответствующими реальными значениями процесса на этом цикле и определяются их разности, которые поступают на накапливающий сумматор, если показания сумматора находятся в установленных пределах, то в начале каждого цикла осуществляется передача только коэффициентов, полученных при сжатии, если же указанная сумма выйдет за заданные пределы, начиная с этого момента, поочередно передаются значения разностей, поступающие на сумматор.

Images