首页 / 专利分类库 / 基本电子电路 / 一般编码、译码或代码转换 / 基于霍夫曼编码的电热毯热传导数据的高效传输方法

基于霍夫曼编码的电热毯热传导数据的高效传输方法

申请号 CN202410333283.5 申请日 2024-03-22 公开(公告)号 CN117955503A 公开(公告)日 2024-04-30
申请人 渭南市华州区信达电器有限公司; 发明人 东陆勋;
摘要 本 发明 涉及数据传输技术领域,具体涉及一种基于霍夫曼编码的电热毯热传导数据的高效传输方法。方法包括:获取电热毯的热传导数据序列;对热传导数据序列中的所有数据进行线性拟合,得到拟合曲线,根据热传导数据序列与拟合曲线之间的差异,得到特征差异数据序列;利用不同的 采样 步长对特征差异数据序列进行采样,得到重组数据序列,通过重组数据序列对应的差分数据序列中每个类型的数据出现的 频率 ,得到第一频率序列,根据计算得到的第一频率序列与其对应的第一预设幂律序列之间的相似度,得到目标数据序列;对目标数据序列进行霍夫曼编码,得到压缩后的数据,并对压缩后的数据进行传输。本发明能够提高后续数据的传输效率。
权利要求

1.一种基于霍夫曼编码的电热毯热传导数据的高效传输方法,其特征在于,该方法包括如下步骤:
获取电热毯的热传导数据序列;
对所述热传导数据序列中的所有数据进行线性拟合,得到所述热传导数据序列对应的拟合曲线,根据所述热传导数据序列与所述拟合曲线之间的差异,得到特征差异数据序列;
利用不同的采样步长对所述特征差异数据序列进行采样,得到重组数据序列;
获取所述重组数据序列对应的差分数据序列,根据所述差分数据序列中每个类型的数据出现的频率,得到所述差分数据序列对应的第一频率序列;
获取所述第一频率序列对应的第一预设幂律序列,根据计算得到的所述第一频率序列与其对应的第一预设幂律序列之间的相似度,得到目标数据序列;
对所述目标数据序列进行霍夫曼编码,得到压缩后的数据,并对压缩后的数据进行传输。
2.如权利要求1所述的基于霍夫曼编码的电热毯热传导数据的高效传输方法,其特征在于,得到特征差异数据序列的方法,包括:
将所述热传导数据序列中的所有数据均记为原始数据;
按照所述热传导数据序列中每个原始数据的位置对每个原始数据进行标记,得到所述热传导数据序列中的各个原始数据的标记值;
获取所述热传导数据序列中的每个原始数据对应的数据点,并记为原始数据点;所述热传导数据序列中的每个原始数据点的横坐标值为对应原始数据点对应的原始数据的标记值,热传导数据序列中的每个原始数据点的纵坐标值为对应原始数据点对应的原始数据;
利用最小二乘法对所有原始数据点进行拟合,得到拟合曲线;
将所述拟合曲线上的所有数据点均记为拟合数据点;
对于任一原始数据点:将拟合曲线上与该原始数据点的横坐标值相同的拟合数据点,记为该原始数据点对应的拟合数据点;
将计算得到的各原始数据点与其对应的拟合数据点之间的距离,记为特征差异数据;
将所有特征差异数据构建的序列,记为特征差异数据序列。
3.如权利要求2所述的基于霍夫曼编码的电热毯热传导数据的高效传输方法,其特征在于,得到重组数据序列的方法,包括:
将所述特征差异数据序列记为第一待采样数据序列,将第一待采样数据序列中的所有数据均记为第一待采样数据;
获取第一待采样数据序列对应的第一采样步长区间中的各第一采样步长,利用所述第一采样步长区间中的各第一采样步长分别对所述第一待采样数据序列进行采样,得到第一待重组数据序列和第二待采样数据序列;
判断所述第二待采样数据序列中数据的总数量是否小于预设第一数量阈值,若是,则将第一待重组数据序列和第二待采样数据序列进行拼接后得到的新序列记为重组数据序列;否则,则获取所述第二待采样数据序列对应的第二采样步长区间中的各第二采样步长,利用所述第二采样步长区间中的各第二采样步长分别对所述第二待采样数据序列进行采样,得到第二待重组数据序列和第三待采样数据序列,并判断所述第三待采样数据序列中数据的总数量是否小于预设第二数量阈值,若是,则将第一待重组数据序列、第二待重组数据序列和第三待采样数据序列进行拼接后得到的新序列记为重组数据序列;否则,则继续获取所述第三待采样数据序列对应的第三采样步长区间中的各第三采样步长,利用第三采样步长区间中的各第三采样步长分别对第三待采样数据序列进行采样,得到第三待重组数据序列和第四待采样数据序列,以此类推,得到重组数据序列。
4.如权利要求3所述的基于霍夫曼编码的电热毯热传导数据的高效传输方法,其特征在于,所述采样步长为正整数,待采样数据序列对应的采样步长区间中的最小采样步长为
1,待采样数据序列对应的采样步长区间中的最大采样步长为对应待采样数据序列中数据的总数量。
5.如权利要求4所述的基于霍夫曼编码的电热毯热传导数据的高效传输方法,其特征在于,得到第一待重组数据序列和第二待采样数据序列的方法,包括:
对于第一采样步长区间中的任一第一采样步长c:从第一待采样数据序列中的第1个第一待采样数据开始,每间隔c‑1个第一待采样数据进行一次采样,直至在第一待采样数据序列中无法完成采样时停止,并将采样得到的所有第一待采样数据均记为第一采样数据,将采样得到的所有第一采样数据构建的序列记为该第一采样步长c对应的第一采样数据序列,将所述第一待采样数据序列中除第一采样数据序列中的所有数据之外的其它的所有第一待采样数据构建的序列,记为该第一采样步长c对应的第一剩余数据序列,并将第一剩余数据序列中的所有第一待采样数据均记为第一剩余数据;所述c为正整数;
根据所述第一采样步长区间中的各第一采样步长对应的第一采样数据序列,得到所述各第一采样步长对应的优选程度;
将所述第一采样步长区间中的各第一采样步长对应的优选程度中的最大优选程度对应的第一采样步长记为最优第一采样步长,将最优第一采样步长对应的第一采样数据序列和第一剩余数据序列,分别记为第一待重组序列和第二待采样数据序列。
6.如权利要求5所述的基于霍夫曼编码的电热毯热传导数据的高效传输方法,其特征在于,得到所述各第一采样步长对应的优选程度的方法,包括:
对于任一第一采样步长c:
根据所述第一采样步长c对应的第一采样数据序列中的所有的第一采样数据,建立第一采样步长c对应的第一采样数据序列对应的统计直方图,并获取所述统计直方图的峰度值;
将该第一采样步长c对应的第一采样数据序列中第一采样数据的总数量与所述特征差异数据序列中特征差异数据的总数量的比值,记为第一表征值;
将所述统计直方图的峰度值进行正相关映射后得到值与所述第一表征值的乘积,记为第一采样步长c对应的优选程度。
7.如权利要求1所述的基于霍夫曼编码的电热毯热传导数据的高效传输方法,其特征在于,得到所述差分数据序列对应的第一频率序列的方法,包括:
统计得到所述差分数据序列中的所有类型的数据,并获取所述差分数据序列中的每个类型的数据出现的频率;
将所述差分数据序列中的所有类型的数据出现的频率按照从大到小的顺序进行排序,将排序后的序列记为差分数据序列对应的第一频率序列。
8.如权利要求1所述的基于霍夫曼编码的电热毯热传导数据的高效传输方法,其特征在于,得到目标数据序列的方法,包括:
将所述第一频率序列与其对应的第一预设幂律序列之间的相似度,记为第一相似度;
判断所述第一相似度是否大于预设相似度阈值,若是,则将所述重组数据序列对应的差分数据序列记为目标数据序列;否则,则获取特征采样步长区间以及特征采样步长区间中的各个特征采样步长,并利用特征采样步长区间中的各个特征采样步长分别对所述差分数据序列进行采样,得到目标采样差分数据序列和目标剩余差分数据序列,并将所述目标采样差分数据序列和目标剩余差分数据序列进行拼接后得到的序列,记为目标数据序列。
9.如权利要求8所述的基于霍夫曼编码的电热毯热传导数据的高效传输方法,其特征在于,根据如下公式计算所述第一频率序列与其对应的第一预设幂律序列之间的相似度:

其中,为所述第一频率序列与其对应的第一预设幂律序列之间的相似度,N为所述第一频率序列中数据的总数量,为所述第一频率序列中的第j个数据,为所述第一频率序列对应的第一预设幂律序列中的第j个数据,为超参数,exp()为以自然常数e为底的指数函数。
10.如权利要求8所述的基于霍夫曼编码的电热毯热传导数据的高效传输方法,其特征在于,得到目标采样差分数据序列和目标剩余差分数据序列的方法,包括:
将所述差分数据序列中所有数据均记为差分数据;
对于所述特征采样步长区间中的任一特征采样步长w:
从差分数据序列中的第1个差分数据开始,每间隔w‑1个差分数据进行一次采样,直至在所述差分数据序列中无法完成采样时停止,并将采样得到的所有差分数据均记为特征采样差分数据,将采样得到的所有特征采样差分数据构建的序列记为特征采样步长w对应的特征采样差分数据序列,将所述差分数据序列中除了所有特征采样差分数据之外的其它的差分数据构建的序列,记为特征采样步长w对应的特征剩余差分数据序列,并将特征剩余差分数据序列中的所有差分数据均记为特征剩余差分数据,所述w为正整数;
获取所述特征采样步长w对应的特征剩余差分数据序列对应的频率序列,并记为第二频率序列;
获取所述第二频率序列对应的预设幂律序列,并记为第二预设幂律序列;
将计算得到的第二频率序列与其对应的第二预设幂律序列之间的相似度,记为第二相似度;
将所述特征采样步长w对应的特征采样差分数据序列中特征采样差分数据的总数量与所述差分数据序列中差分数据的总数量的比值记为特征值;
将自然常数1与所述特征值进行作差后再与所述第二相似度进行相乘的值,记为所述特征采样步长w对应的特征优选程度;
将所述特征采样步长区间中的所有特征采样步长对应的特征优选程度中的最大的特征优选程度对应的特征采样步长记为最优特征采样步长;
将最优特征采样步长对应的特征采样差分数据序列和特征剩余差分数据序列,分别记为目标采样差分数据序列和目标剩余差分数据序列。

说明书全文

基于霍夫曼编码的电热毯热传导数据的高效传输方法

技术领域

[0001] 本发明涉及数据传输技术领域,具体涉及一种基于霍夫曼编码的电热毯热传导数据的高效传输方法。

背景技术

[0002] 随着物联网技术的不断发展,人们对于各种家具的需求不断增高,因此智能电热毯应运而生;智能电热毯是一种用户在联网的情况下不仅可以在客户端或者产品APP上查看电热毯的当前温度或者状态等,还可以根据需求远程对电热毯的温度或者状态等进行调节,所述电热毯的状态是电热毯的工作模式;并且通常情况下为了能够保证用户所查看到的电热毯的温度或者状态的实时性以及可靠性,一般会把传感器采集的电热毯的热传导数据进行压缩后传输到控制单元进行处理。
[0003] 但是现有技术中一般利用传统的压缩方法直接对采集电热毯的热传导数据进行压缩,例如利用霍夫曼编码对采集的电热毯的热传导数据直接进行压缩的方式,会使得压缩效率较低,即会使得压缩后的数据量较大,导致后续进行数据传输时的效率较低,即也会导致用户所查看到的电热毯的当前温度或者状态的实时性较低。

发明内容

[0004] 为了解决上述问题,本发明提供一种基于霍夫曼编码的电热毯热传导数据的高效传输方法,所采用的技术方案具体如下:本发明一个实施例提供了一种基于霍夫曼编码的电热毯热传导数据的高效传输方法,包括以下步骤:
获取电热毯的热传导数据序列;
对所述热传导数据序列中的所有数据进行线性拟合,得到所述热传导数据序列对应的拟合曲线,根据所述热传导数据序列与所述拟合曲线之间的差异,得到特征差异数据序列;
利用不同的采样步长对所述特征差异数据序列进行采样,得到重组数据序列;
获取所述重组数据序列对应的差分数据序列,根据所述差分数据序列中每个类型的数据出现的频率,得到所述差分数据序列对应的第一频率序列;
获取所述第一频率序列对应的第一预设幂律序列,根据计算得到的所述第一频率序列与其对应的第一预设幂律序列之间的相似度,得到目标数据序列;
对所述目标数据序列进行霍夫曼编码,得到压缩后的数据,并对压缩后的数据进行传输。
[0005] 优选地,得到特征差异数据序列的方法,包括:将所述热传导数据序列中的所有数据均记为原始数据;
按照所述热传导数据序列中每个原始数据的位置对每个原始数据进行标记,得到所述热传导数据序列中的各个原始数据的标记值;
获取所述热传导数据序列中的每个原始数据对应的数据点,并记为原始数据点;
所述热传导数据序列中的每个原始数据点的横坐标值为对应原始数据点对应的原始数据的标记值,热传导数据序列中的每个原始数据点的纵坐标值为对应原始数据点对应的原始数据;
利用最小二乘法对所有原始数据点进行拟合,得到拟合曲线;
将所述拟合曲线上的所有数据点均记为拟合数据点;
对于任一原始数据点:将拟合曲线上与该原始数据点的横坐标值相同的拟合数据点,记为该原始数据点对应的拟合数据点;
将计算得到的各原始数据点与其对应的拟合数据点之间的距离,记为特征差异数据;
将所有特征差异数据构建的序列,记为特征差异数据序列。
[0006] 优选地,得到重组数据序列的方法,包括:将所述特征差异数据序列记为第一待采样数据序列,将第一待采样数据序列中的所有数据均记为第一待采样数据;
获取第一待采样数据序列对应的第一采样步长区间中的各第一采样步长,利用所述第一采样步长区间中的各第一采样步长分别对所述第一待采样数据序列进行采样,得到第一待重组数据序列和第二待采样数据序列;
判断所述第二待采样数据序列中数据的总数量是否小于预设第一数量阈值,若是,则将第一待重组数据序列和第二待采样数据序列进行拼接后得到的新序列记为重组数据序列;否则,则获取所述第二待采样数据序列对应的第二采样步长区间中的各第二采样步长,利用所述第二采样步长区间中的各第二采样步长分别对所述第二待采样数据序列进行采样,得到第二待重组数据序列和第三待采样数据序列,并判断所述第三待采样数据序列中数据的总数量是否小于预设第二数量阈值,若是,则将第一待重组数据序列、第二待重组数据序列和第三待采样数据序列进行拼接后得到的新序列记为重组数据序列;否则,则继续获取所述第三待采样数据序列对应的第三采样步长区间中的各第三采样步长,利用第三采样步长区间中的各第三采样步长分别对第三待采样数据序列进行采样,得到第三待重组数据序列和第四待采样数据序列,以此类推,得到重组数据序列。
[0007] 优选地,所述采样步长为正整数,待采样数据序列对应的采样步长区间中的最小采样步长为1,待采样数据序列对应的采样步长区间中的最大采样步长为对应待采样数据序列中数据的总数量。
[0008] 优选地,得到第一待重组数据序列和第二待采样数据序列的方法,包括:对于第一采样步长区间中的任一第一采样步长c:从第一待采样数据序列中的第1个第一待采样数据开始,每间隔c‑1个第一待采样数据进行一次采样,直至在第一待采样数据序列中无法完成采样时停止,并将采样得到的所有第一待采样数据均记为第一采样数据,将采样得到的所有第一采样数据构建的序列记为该第一采样步长c对应的第一采样数据序列,将所述第一待采样数据序列中除第一采样数据序列中的所有数据之外的其它的所有第一待采样数据构建的序列,记为该第一采样步长c对应的第一剩余数据序列,并将第一剩余数据序列中的所有第一待采样数据均记为第一剩余数据;所述c为正整数;
根据所述第一采样步长区间中的各第一采样步长对应的第一采样数据序列,得到所述各第一采样步长对应的优选程度;
将所述第一采样步长区间中的各第一采样步长对应的优选程度中的最大优选程度对应的第一采样步长记为最优第一采样步长,将最优第一采样步长对应的第一采样数据序列和第一剩余数据序列,分别记为第一待重组序列和第二待采样数据序列。
[0009] 优选地,得到所述各第一采样步长对应的优选程度的方法,包括:对于任一第一采样步长c:
根据所述第一采样步长c对应的第一采样数据序列中的所有的第一采样数据,建立第一采样步长c对应的第一采样数据序列对应的统计直方图,并获取所述统计直方图的峰度值;
将该第一采样步长c对应的第一采样数据序列中第一采样数据的总数量与所述特征差异数据序列中特征差异数据的总数量的比值,记为第一表征值;
将所述统计直方图的峰度值进行正相关映射后得到值与所述第一表征值的乘积,记为第一采样步长c对应的优选程度。
[0010] 优选地,得到所述差分数据序列对应的第一频率序列的方法,包括:统计得到所述差分数据序列中的所有类型的数据,并获取所述差分数据序列中的每个类型的数据出现的频率;
将所述差分数据序列中的所有类型的数据出现的频率按照从大到小的顺序进行排序,将排序后的序列记为差分数据序列对应的第一频率序列。
[0011] 优选地,得到目标数据序列的方法,包括:将所述第一频率序列与其对应的第一预设幂律序列之间的相似度,记为第一相似度;
判断所述第一相似度是否大于预设相似度阈值,若是,则将所述重组数据序列对应的差分数据序列记为目标数据序列;否则,则获取特征采样步长区间以及特征采样步长区间中的各个特征采样步长,并利用特征采样步长区间中的各个特征采样步长分别对所述差分数据序列进行采样,得到目标采样差分数据序列和目标剩余差分数据序列,并将所述目标采样差分数据序列和目标剩余差分数据序列进行拼接后得到的序列,记为目标数据序列。
[0012] 优选地,根据如下公式计算所述第一频率序列与其对应的第一预设幂律序列之间的相似度:;
其中, 为所述第一频率序列与其对应的第一预设幂律序列之间的相似度,N为所述第一频率序列中数据的总数量, 为所述第一频率序列中的第j个数据, 为所述第一频率序列对应的第一预设幂律序列中的第j个数据, 为超参数,exp()为以自然常数e为底的指数函数。
[0013] 优选地,得到目标采样差分数据序列和目标剩余差分数据序列的方法,包括:将所述差分数据序列中所有数据均记为差分数据;
对于所述特征采样步长区间中的任一特征采样步长w:
从差分数据序列中的第1个差分数据开始,每间隔w‑1个差分数据进行一次采样,直至在所述差分数据序列中无法完成采样时停止,并将采样得到的所有差分数据均记为特征采样差分数据,将采样得到的所有特征采样差分数据构建的序列记为特征采样步长w对应的特征采样差分数据序列,将所述差分数据序列中除了所有特征采样差分数据之外的其它的差分数据构建的序列,记为特征采样步长w对应的特征剩余差分数据序列,并将特征剩余差分数据序列中的所有差分数据均记为特征剩余差分数据,所述w为正整数;
获取所述特征采样步长w对应的特征剩余差分数据序列对应的频率序列,并记为第二频率序列;
获取所述第二频率序列对应的预设幂律序列,并记为第二预设幂律序列;
将计算得到的第二频率序列与其对应的第二预设幂律序列之间的相似度,记为第二相似度;
将所述特征采样步长w对应的特征采样差分数据序列中特征采样差分数据的总数量与所述差分数据序列中差分数据的总数量的比值记为特征值;
将自然常数1与所述特征值进行作差后再与所述第二相似度进行相乘的值,记为所述特征采样步长w对应的特征优选程度;
将所述特征采样步长区间中的所有特征采样步长对应的特征优选程度中的最大的特征优选程度对应的特征采样步长记为最优特征采样步长;
将最优特征采样步长对应的特征采样差分数据序列和特征剩余差分数据序列,分别记为目标采样差分数据序列和目标剩余差分数据序列。
[0014] 有益效果:本发明首先获取电热毯的热传导数据序列;然后对热传导数据序列中的所有数据进行线性拟合,得到热传导数据序列对应的拟合曲线,并根据热传导数据序列与拟合曲线之间的差异,得到特征差异数据序列;之后利用不同的采样步长对所述特征差异数据序列进行采样,得到重组数据序列,再通过重组数据序列对应的差分数据序列中每个类型的数据出现的频率,得到差分数据序列对应的第一频率序列,并依据计算得到的第一频率序列与其对应的第一预设幂律序列之间的相似度,得到目标数据序列;最后对目标数据序列进行霍夫曼编码,得到压缩后的数据,并对压缩后的数据进行传输。本发明通过分析第一频率序列与其对应的第一预设幂律序列之间的相似度来确定目标数据序列,能够提高后续的压缩率,进而能够提高后续数据的传输效率,也使得用户所查看到的电热毯的温度或者状态的实时性以及可靠性较高。附图说明
[0015] 为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,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的介绍,显而易见地,下面描述中的附图仅仅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它附图。
[0016] 图1为本发明一种基于霍夫曼编码的电热毯热传导数据的高效传输方法的流程图

具体实施方式

[0017] 下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例,基于本发明实施例,本领域普通技术人员所获得的所有其它实施例,都属于本发明实施例保护的范围。
[0018] 除非另有定义,本文所使用的所有的技术和科学技术术语与属于本发明的技术人员通常理解的含义相同。
[0019] 本实施例提供了一种基于霍夫曼编码的电热毯热传导数据的高效传输方法,详细说明如下:如图1所示,该基于霍夫曼编码的电热毯热传导数据的高效传输方法,包括以下步骤:
步骤S001,获取电热毯的热传导数据序列。
[0020] 本实施例的主要目的是对采集的电热毯的热传导数据进行高效压缩,使得后续对压缩后的数据的传输效率较高,进而使得用户在用户端或者产品APP上查看电热毯的温度、状态时的实时性较高,且也能提高用户的使用效果。
[0021] 本实施例首先需要获取电热毯的热传导数据序列,热传导数据序列中的所有数据是按照时间的先后顺序排列的,并且电热毯的热传导数据包括但不限于电热毯表面或者内部的温度数据、电热毯的加热功率、电热毯周围的环境温度、与电热毯的安全性能相关的数据以及调节温度时的相关数据等;而本实施例是以电热毯表面的温度数据为例进行分析的,即本实施例后续出现的热传导数据序列是指电热毯表面的温度数据序列;且其他类型的数据的分析处理方法与电热毯表面的温度数据的分析处理方法相同。
[0022] 由于本实施例是以电热毯表面的温度数据为例进行分析的,而通常情况下,智能电热毯所构成的元件中又包括温度传感器,因此本实施例能够通过温度传感器来采集电热毯工作时表面的温度数据;而数据的采集频率需要实施者根据实际情况进行设置,例如可以设置为0.1秒;且数据采集频率要小于数据传输的频率。
[0023] 本实施例中,实施者需要根据需求或者实际情况设置数据的传输量或者数据的传输频率,而基于设置的数据的传输量或者数据的传输频率能够确定所采样的时长,即能够确定所采集的热传导数据序列对应的时间长度,例如可以将数据的传输频率设置为1分钟或者1秒等。
[0024] 至此,得到了热传导数据序列。
[0025] 步骤S002,对所述热传导数据序列中的所有数据进行线性拟合,得到所述热传导数据序列对应的拟合曲线,根据所述热传导数据序列与所述拟合曲线之间的差异,得到特征差异数据序列。
[0026] 本实施例接下来将对步骤S001得到的热传导数据序列进行分析,得到特征差异数据序列,后续将依据特征差异数据序列来进一步获取重组数据序列,因此得到特征差异数据序列的具体过程为:首先将热传导数据序列中的所有数据均记为原始数据,按照热传导数据序列中每个原始数据的位置对每个原始数据进行标记,得到热传导数据序列中的各个原始数据的标记值,且热传导数据序列中的第a个原始数据的标记值为a,a为正整数;获取热传导数据序列中的所有原始数据对应的数据点,并记为原始数据点,且原始数据点的纵坐标值为该原始数据点对应的原始数据,原始数据点的横坐标值为该原始数据点对应的原始数据的标记值;然后利用最小二乘法对所有原始数据点进行拟合,得到拟合曲线,并记录拟合曲线的斜率和截距,且记录拟合曲线的斜率和截距的目的是为了后续依据特征差异数据序列、拟合曲线的斜率和截距还原热传导数据序列;将拟合曲线上的所有数据点均记为拟合数据点;
对于任一原始数据点:将拟合曲线上与该原始数据点的横坐标值相同的拟合数据点,记为该原始数据点对应的拟合数据点;计算各原始数据点与其对应的拟合数据点之间的距离,并记为特征差异数据;将所有特征差异数据构建的序列,记为特征差异数据序列;且特征差异数据序列中的第b个特征差异数据为热传导数据序列中的第b个原始数据对应的原始数据点与该原始数据点对应的拟合数据点之间的距离。
[0027] 至此,得到了特征差异数据序列,且此时的特征差异数据序列中的数据值小于热传导数据序列中数据值。
[0028] 步骤S003,利用不同的采样步长对所述特征差异数据序列进行采样,得到重组数据序列。
[0029] 由于特征差异数据序列中的数据值之间存在差异,若此时进行编码处理会使得编码的效果较差,但是如果对特征差异数据序列进行重组将相似度较高的数据值相邻放置,即将相似度较高的数据放置在一起,这样不仅能够提高后续编码的效果,还能提高后续数据传输的效率;而本实施例将通过对特征差异数据序列进行采样处理,然后对采样得到的结果进行分析,进而实现对特征差异数据序列中所有数据的重组,即也是实现将特征差异数据序列中的相似度较高的数据相邻放置的目的,进而能够得到进行重组后的重组数据序列,因此本实施例得到重组数据序列的具体过程为:首先将特征差异数据序列记为第一待采样数据序列,将第一待采样数据序列中的所有数据均记为第一待采样数据;然后获取第一待采样数据序列对应的采样步长区间,将第一待采样数据序列对应的采样步长区间记为第一采样步长区间,将第一采样步长区间中的所有的整数均记为第一采样步长区间中的第一采样步长,即第一采样步长为整数。
[0030] 首先本实施例将利用第一采样步长区间中的各第一采样步长分别对第一待采样数据序列进行采样,并得到第一待重组数据序列和第二待采样数据序列;因此得到第一待重组数据序列和第二待采样数据序列的具体过程为:对于第一采样步长区间中的任一第一采样步长c:从第一待采样数据序列中的第1个第一待采样数据开始,每间隔c‑1个第一待采样数据进行一次采样,直至在第一待采样数据序列中无法完成采样时停止,并将采样得到的所有第一待采样数据均记为第一采样数据,将采样得到的所有第一采样数据构建的序列记为该第一采样步长c对应的第一采样数据序列,且第一采样数据序列中的第一采样数据是按照采样的先后顺序排列的,即若第2次是对第一待采样数据序列中的第5个第一待采样数据进行采样的,那么第2次采样得到的数据位于第一采样数据序列中第2个。然后将第一待采样数据序列中除第一采样数据序列中的所有数据之外的其它的所有第一待采样数据构建的序列,记为该第一采样步长c对应的第一剩余数据序列,并将第一剩余数据序列中的所有第一待采样数据均记为第一剩余数据,且该第一采样步长c对应的第一剩余数据序列中的第一剩余数据是按照其在第一待采样数据序列中的先后位置排列的,若基于第一采样步长c对第一待采样数据序列进行采样完成后,第一待采样数据序列中剩余了第3个第一待采样数据、第5个第一待采样数据以及第7个第一待采样数据未被采样,那么在剩余的第3个第一待采样数据、第5个第一待采样数据以及第7个第一待采样数据构建的第一剩余数据序列中,第一待采样数据序列中的第3个第一待采样数据位于第一剩余数据序列中的第1个位置、第一待采样数据序列中的第5个第一待采样数据位于第一剩余数据序列中的第2个位置,第一待采样数据序列中的第7个第一待采样数据位于第一剩余数据序列中的第3个位置。
[0031] 因此本实施例利用第一采样步长区间中的每个第一采样步长分别对第一待采样数据序列进行采样,得到了各第一采样步长对应的第一采样数据序列以及第一剩余数据序列。由于本实施例为了使得后续的编码效果更好,需要对特征差异数据序列中的数据进行重组并将相似度高的数据相邻放置,所以本实施例接下来需要对上述得到的各第一采样步长对应的第一采样数据序列进行分析,并获取最优的第一采样步长,且获取的最优的第一采样步长对应的第一采样数据序列中的数据量相对较大而且数据类型相对比较少,然后基于最优的第一采样步长来确定第一待重组数据序列和第二待采样数据序列;所以本实施例接下来将根据各第一采样步长对应的第一采样数据序列,得到各第一采样步长的优选程度,具体过程为:对于任一第一采样步长c:首先获取该第一采样步长c对应的第一采样数据序列中第一采样数据的总数量,然后根据第一采样步长c对应的第一采样数据序列中的所有的第一采样数据,建立第一采样步长c对应的第一采样数据序列的统计直方图,并获取直方图的峰度值;将该第一采样步长c对应的第一采样数据序列中第一采样数据的总数量与特征差异数据序列中的特征差异数据的总数量的比值,记为第一表征值;将统计直方图的峰度值进行正相关映射后得到值与第一表征值的乘积,记为第一采样步长c对应的优选程度;具体计算公式为:
其中, 为第一采样步长c对应的优选程度, 为第一采样步长c对应的第一采样数据序列中第一采样数据的总数量, 为特征差异数据序列中的特征差异数据的总数量, 为第一表征值,为第一采样步长c对应的第一采样数据序列的统计直方图的峰度值,exp()为以自然常数e为底的指数函数。
[0032] 且当第一表征值越大、峰度值越大时,则第一采样步长c对应的优选程度越大,即第一采样步长c为最优第一采样步长的概率越大;反之当第一表征值越小、峰度值越小时,则第一采样步长c对应的优选程度越小,即第一采样步长c为最优第一采样步长的概率越小。
[0033] 另外,直方图的峰度值通常被用来识别数据分布的形状,评估数据的尖峭或平缓程度,且统计直方图的图峰越陡峭,则表明数据分布越集中、数据类型越少,因此第一采样数据序列中数据类型的多少可以通过第一采样数据序列的统计直方图的峰度值来确定,且峰度值越大表明越陡峭,数据分布越集中,对应第一采样数据序列中的数据类型越少,即对应第一采样数据序列中的数据越相似;反之当峰度值越小时,表明越平缓,数据分布越不集中,对应第一采样数据序列中的数据类型较多,即对应第一采样数据序列中的数据越不相似。
[0034] 因此通过上述过程得到了各第一采样步长对应的优选程度;然后将第一采样步长区间中的各第一采样步长对应的优选程度中的最大优选程度对应的第一采样步长记为最优第一采样步长,将最优第一采样步长对应的第一采样数据序列和第一剩余数据序列,分别记为第一待重组序列和第二待采样数据序列,并将第二待采样数据序列中的所有数据均记为第二待采样数据。
[0035] 因此通过上述过程得到了第一待重组数据序列和第二待采样数据序列。
[0036] 紧接着分析第二待采样数据序列中的第二待采样数据的总数量与预设第一数量阈值之间的差异,进而来获取重组数据序列,即实现对特征差异数据序列中数据的重组,具体为:判断第二待采样数据序列中数据的总数量是否小于预设第一数量阈值,若是,则将第一待重组数据序列和第二待采样数据序列进行拼接后得到的新序列记为重组数据序列,且第二待采样数据序列拼接在第一待重组数据序列的尾部;否则,则获取第二待采样数据序列对应的第二采样步长区间中的各第二采样步长,利用第二采样步长区间中的各第二采样步长分别对第二待采样数据序列进行采样,得到第二待重组数据序列和第三待采样数据序列,并判断第三待采样数据序列中数据的总数量是否小于预设第二数量阈值,若是,则将第一待重组数据序列、第二待重组数据序列和第三待采样数据序列进行拼接后得到的新序列记为重组数据序列,且第二待重组数据序列拼接在重组数据序列的尾部、第三待采样数据序列拼接在第二待重组数据序列的尾部;否则,则继续获取第三待采样数据序列对应的第三采样步长区间中的各第三采样步长,利用第三采样步长区间中的各第三采样步长分别对第三待采样数据序列进行采样,得到第三待重组数据序列和第四待采样数据序列,以此类推,得到重组数据序列。
[0037] 且本实施例中设置所有待采样数据序列对应的采样步长区间的最小采样步长均为1、最大采样步长均为对应待采样数据序列中数据的总数量,例如第一待采样数据序列对应的第一采样步长区间为[1,A],A为第一待采样数据序列中的第一待采样数据的总数量。
[0038] 本实施例中利用第二采样步长区间中的各第二采样步长分别对第二待采样数据序列进行采样得到第二待重组数据序列和第三待采样数据序列的方法,以及利用第三采样步长区间中的各第三采样步长分别对第三待采样数据序列进行采样得到第三待重组数据序列和第四待采样数据序列的方法与上述利用第一采样步长区间中的各第一采样步长分别对第一待采样数据序列进行采样,得到第一待重组数据序列和第二待采样数据序列的方法相同,因此本实施例不再详细描述。
[0039] 具体应用中,需要根据实际情况设置预设第一数量阈值和预设第二数量阈值,且本实施例中的预设第一数量阈值与第二待采样数据序列中数据的总数量相关,预设第二数量阈值与第三待采样数据序列中数据的总数量相关,因此本实施例可以将预设第一数量阈值的值设置为 ,将预设第二数量阈值的值设置为 ,其中M1为第二待采样数据序列中数据的总数量,M2为第三待采样数据序列中数据的总数量,而 的值也需要实施者根据实际情况设置,例如本实施例可以将 的值设置为0.1。
[0040] 至此,本实施例得到了重组数据序列。
[0041] 步骤S004,获取所述重组数据序列对应的差分数据序列,根据所述差分数据序列中每个类型的数据出现的频率,得到所述差分数据序列对应的第一频率序列;获取所述第一频率序列对应的第一预设幂律序列,根据计算得到的所述第一频率序列与其对应的第一预设幂律序列之间的相似度,得到目标数据序列。
[0042] 通过步骤S003中重组数据序列的获取过程可知,在重组数据序列中是尽可能的将相同的数据的位置相邻,那么若后续对重组数据序列进行差分运算,得到对应的差分数据序列,且差分数据序列中的数据的相似度较高,而如果差分数据序列中每个类型的数据出现的频率按照从大到小的顺序排列后比较符合幂律分布,那么对该序列进行霍夫曼编码的效果较好,因此接下来本实施例接下来将基于重组数据序列的差分数据序列中每个类型的数据出现的频率来获取第一频率序列,并基于第一频率序列与其对应的预设幂律序列之间的相似度,来确定目标数据序列,且后续对目标数据序列进行编码的效果较好,即对目标数据序列进行编码能够降低数据量,提高数据传输效率,进而能够提高用户在查看电热毯的温度或者状态的实时性以及可靠性;因此本实施例得到目标数据序列的具体过程为:对重组数据序列进行差分运算,得到重组数据序列对应的差分数据序列;对重组数据序列进行差分运算是指对序列中相邻数据进行减法运算,得到一个新的序列的过程;
且基于获取重组数据序列的过程可知,重组数据序列对应的差分数据序列中的数据的相似度较大,即差分数据序列中数据的差异较小。
[0043] 然后根据差分数据序列中每个类型的数据出现的频率,得到差分数据序列对应的频率序列获取目标差分数据序列对应的第一频率序列,具体的方法为:统计得到差分数据序列中的所有类型的数据,并获取差分数据序列中的每个类型的数据出现的频率,然后按照从大到小的顺序对差分数据序列中的所有类型的数据出现的频率进行排序,将排序后的序列记为差分数据序列对应的第一频率序列;且对于差分数据序列中的任一类型的数据,该类型的数据出现的频率为差分数据序列中该类型的数据出现的次数与差分数据序列中数据的总数量的比值。
[0044] 紧接着获取第一频率序列对应的第一预设幂律序列 ,且本实施例要求获取第一频率序列对应的第一预设幂律序列与该第一频率序列的长度相同,即N为第一频率序列中数据的总数量;由于当第一频率序列符合幂律分布时,利用霍夫曼编码对差分数据序列进行编码压缩的效果较好,而第一频率序列与第一预设幂律序列之间的相似度的大小能够反映第一频率序列是否符合幂律分布,因此本实施例接下来将计算得到第一频率序列与其对应的第一预设幂律序列之间的相似度,具体过程为:由于当第一频率序列与其对应的第一预设幂律序列中相同位置数据之间的差异越小时,表明这两个序列越相似,则第一频率序列越符合幂律分布,反之当第一频率序列与其对应的第一预设幂律序列中相同位置数据之间的差异越大时,表明这两个序列越不相似,则第一频率序列越不符合幂律分布,且又因为第一频率序列中的数据表征的是差分数据序列中的不同类型的数据出现的频率,且又是按照频率从大到小的顺序排列的,那么表明第一频率序列中位置靠前的数据所代表的差分数据序列中的数据量较多,所以计算相似度时第一频率序列与其对应的第一预设幂律序列中位置靠前的数据的重要程度较大,因此位置越靠前权重越大;则第一频率序列与其对应的第一预设幂律序列之间的相似度的具体公式为:
其中, 为第一频率序列与其对应的第一预设幂律序列之间的相似度,N为第一频率序列中数据的总数量, 为第一频率序列中的第j个数据, 为第一预设幂律序列中的第j个数据,为超参数,exp()为以自然常数e为底的指数函数。
[0045] 另外,当 的值越小、 的值越大时、 的值越大,表明第一频率序列与其对应的第一预设幂律序列之间越相似,反之当 的值越大、 的值越小时、的值越小,表明第一频率序列与第一预设幂律序列之间越不相似;且具体应用中,需要根据实际情况设置超参数,例如本实施例可以将超参数的值设置为0.1。
[0046] 因此本实施例通过上述过程得到了第一频率序列与其对应的第一预设幂律序列之间的相似度,并将第一频率序列与其对应的第一预设幂律序列之间的相似度,记为第一相似度。
[0047] 然后判断第一相似度与预设相似度阈值之间的关系,当第一相似度大于预设相似度阈值时,表明差分数据序列符合幂律分布,此时直接对差分数据序列进行编码的效果较好,即直接将差分数据序列记为目标数据序列即可;而当特征相似度小于等于预设相似度阈值时,表明差分数据序列比较不符合幂律分布,此时直接对差分数据序列进行编码的效果较差,应该对差分数据序列进行处理,使处理后的序列比较符合幂律分布。
[0048] 因此接下来本实施例通过判断第一相似度与预设相似度阈值之间的关系,来获取目标数据序列,具体过程为:判断第一相似度是否大于预设相似度阈值,若是,则直接将差分数据序列记为目标数据序列;否则,则获取特征采样步长区间,并利用特征采样步长区间中的各个特征采样步长分别对差分数据序列进行采样,得到目标采样差分数据序列和目标剩余差分数据序列,且本实施例将特征采样步长区间中的正整数均记为特征采样步长,即特征采样步长为正整数;后续将基于得到的目标采样差分数据序列和目标剩余差分数据序列确定目标数据序列,因此本实施例中利用特征采样步长区间中的各个特征采样步长分别对差分数据序列进行采样,得到目标采样差分数据序列和目标剩余差分数据序列的具体过程为:首先将差分数据序列中所有数据均记为差分数据,对于特征采样步长区间中的任一特征采样步长w:从差分数据序列中的第1个差分数据开始,每间隔w‑1个差分数据进行一次采样,直至在差分数据序列中无法完成采样时停止,并将采样得到的所有差分数据均记为特征采样差分数据,将采样得到的所有特征采样差分数据构建的序列记为特征采样步长w对应的特征采样差分数据序列,且特征采样差分数据序列中的特征采样差分数据是按照采样的先后顺序排列的;将差分数据序列中除特征采样差分数据序列中的所有特征采样差分数据之外的其它的差分数据构建的序列,记为特征采样步长w对应的特征剩余差分数据序列,并将特征剩余差分数据序列中的所有差分数据均记为特征剩余差分数据,且特征采样步长w对应的特征剩余差分数据序列中的特征剩余差分数据是按照其在目标差分数据序列中的先后位置排列的。
[0049] 因此利用特征采样步长区间中的各个特征采样步长分别对差分数据序列进行采样,得到了各个特征采样步长对应的特征采样差分数据序列和特征剩余差分数据序列;具体应用中,需要根据实际情况设置特征采样步长区间,例如本实施例设置特征采样步长区间的最小特征采样步长为2,最大特征采样步长为差分数据序列中差分数据的总数量;且具体应用中,也需要根据实际情况设置预设相似度阈值,例如本实施例可以将预设相似度阈值设置为0.77。
[0050] 然后根据各个特征采样步长对应的特征采样差分数据序列和特征剩余差分数据序列,得到最优特征采样步长,具体过程为:对于任一特征采样步长w:获取该特征采样步长w对应的特征剩余差分数据序列对应的频率序列,并记为第二频率序列;获取第二频率序列对应的预设幂律序列,并记为第二预设幂律序列 ,且本实施例要求获取第二频率序列对应的第二预设幂律序列与该第二频率序列的长度相同,即V为第二频率序列中数据的总数量;计算得到第二频率序列与其对应的第二预设幂律序列之间的相似度,并记为第二相似度;然后将计算得到该特征采样步长w对应的特征采样差分数据序列中特征采样差分数据的总数量与差分数据序列中差分数据的总数量的比值记为特征值;将自然常数1与特征值进行作差后再与第二相似度进行相乘的值,记为该特征采样步长w对应的特征优选程度;且计算该特征采样步长w对应的特征优选程度的具体公式为:
其中, 为该特征采样步长w对应的特征优选程度, 为该特征采样步长w对应的特征采样差分数据序列中特征采样差分数据的总数量, 为差分数据序列中差分数据的总数量, 为特征值, 为第一频率序列与其对应的第一预设幂律序列之间的相似度,也为第二相似度。
[0051] 另外,且当特征值越小、第二相似度越大时,表明该特征采样步长w为最优特征采样步长的概率越大,反之当特征值越大、第二相似度越小时,表明该特征采样步长为最优特征采样步长的概率越小。
[0052] 因此通过上述过程得到了各个特征采样步长对应的特征优选程度;且在计算特征优选程度的过程中的获取特征采样步长对应的特征剩余差分数据序列的第二频率序列以及计算得到第二频率序列与第二预设幂律序列之间的相似度的方法,与上述获取差分数据序列对应的第一频率序列以及计算第一频率序列与其对应的第一预设幂律序列之间的相似度的方法相同,因此本实施例不再进行详细描述。
[0053] 然后将所有特征采样步长对应的特征优选程度中的最大的特征优选程度对应的特征采样步长记为最优特征采样步长;将最优特征采样步长对应的特征采样差分数据序列和特征剩余差分数据序列,分别记为目标采样差分数据序列和目标剩余差分数据序列;然后对得到的目标采样差分数据序列和目标剩余差分数据序列进行拼接,将拼接后的序列记为目标数据序列,且目标剩余差分数据序列拼接在目标采样差分数据序列的尾部。
[0054] 步骤S005,对所述目标数据序列进行霍夫曼编码,得到压缩后的数据,并对压缩后的数据进行传输。
[0055] 本实施例接下来对上述步骤得到的目标数据序列进行霍夫曼编码,得到压缩后的数据,并对压缩后的数据进行传输;即对目标数据序列进行霍夫曼编码,形成压缩包,对压缩包进行传输,而且在终端获取到压缩包后,通过对压缩包进行解码,并根据包头信息对其进行逆向还原,且压缩包的包头信息包括拟合曲线的斜率、拟合曲线的截距和采样步长等信息。
[0056] 本实施例首先获取电热毯的热传导数据序列;然后对热传导数据序列中的所有数据进行线性拟合,得到热传导数据序列对应的拟合曲线,并根据热传导数据序列与拟合曲线之间的差异,得到特征差异数据序列;之后利用不同的采样步长对所述特征差异数据序列进行采样,得到重组数据序列,再通过重组数据序列对应的差分数据序列中每个类型的数据出现的频率,得到差分数据序列对应的第一频率序列,并依据计算得到的第一频率序列与其对应的第一预设幂律序列之间的相似度,得到目标数据序列;最后对目标数据序列进行霍夫曼编码,得到压缩后的数据,并对压缩后的数据进行传输。本实施例通过分析第一频率序列与其对应的第一预设幂律序列之间的相似度来确定目标数据序列,能够提高后续的压缩率,进而能够提高后续数据的传输效率,也使得用户所查看到的电热毯的温度或者状态的实时性以及可靠性较高。
[0057] 以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
QQ群二维码
意见反馈