[发明专利]一种桥梁健康监测传感器数据的无损压缩方法

说明书

本发明公开了一种桥梁健康监测传感器数据的无损压缩方法，包括：S1、采用自回归模型作为线性预测的模型结构，利用工具变量法并采用信息熵最小化作为预测阶选择准则计算预测阶数，构建线性预测器；S2、利用线性预测器将原始传感器数据集转化为适合熵编码的预测误差序列；S3、使用算术编码对预测误差序列进行熵编码。本发明结合工具变量法和熵最小化准则构建基于自回归模型的预测器，可以优化基于预测的传感器网络数据压缩算法的性能，可以在不丢失传感器数据信息的情况下，显著减小传感器原始数据大小，实现大规模传感器网络的数据压缩，可用于传感器网络数据的高效传输和存储，特别是在多跳无线传感器网络中，其优势更为明显。

技术领域

本发明涉及一种数据无损压缩方法，尤其涉及一种桥梁健康监测传感器数据的无损压缩方法。

背景技术

桥梁对一个国家的经济增长和公共安全起到至关重要的作用，然而，桥梁在环境载荷、材料老化和疲劳作用下，在其使用寿命期内易发生劣化和损坏。结构状态监测不仅可以提高桥梁系统的性能，而且可以为验证新型结构系统的设计提供重要信息。

在目前任何可行的结构状态监测系统中，传感器都被视为必不可少的元件，传感器数据的传输和存储路径是：压缩的传感器数据从无线传感器节点发送到簇头和本地数据采集站，再通过卫星或因特网等各种通信链路发送到中央数据处理站，数据在处理站进行解压缩和处理，然后存档至数据存储器中，供最终用户检索。

结构状态监测系统的准确性和可靠性取决于所采集传感器数据的质量。由于桥梁的规模和复杂性，其结构状态监测通常需要大量不同类型的传感器。当使用大规模传感器网络时，会产生大量的数据。为了促进传感器数据的有效传输和存储，桥梁管理人员需要使用高性能传感器数据压缩技术，特别是，高性能传感器数据压缩技术还可以解决当前无线传感器网络技术带来的功耗和有限通信带宽的问题。因此，传感器数据压缩技术势必会在大规模民用基础设施监测系统传感器数据的高效传输和存储中发挥重要作用。

由于要关注监测数据的完整性，数据压缩技术以无损压缩技术为首选。尽管许多数据压缩算法已经开发用于多媒体应用，如音频、视频和图像压缩，但是，因为现有的数据压缩技术所处理的多媒体数据与桥梁健康监测传感器数据存在不同的信息特征，所以无法将其直接应用于传感器数据。

发明内容

本发明的目的在于提供一种桥梁健康监测传感器数据的无损压缩方法，可以在不丢失传感器数据信息的情况下，显著减小传感器原始数据，用于传感器网络数据的高效传输和存储。

本发明的目的通过以下的技术措施来实现：一种桥梁健康监测传感器数据的无损压缩方法，其特征在于包括以下步骤：

S1、采用自回归模型作为线性预测的模型结构，利用工具变量法并采用信息熵最小化作为预测阶选择准则计算预测阶数，构建线性预测器；

S2、利用线性预测器将原始传感器数据集转化为适合熵编码的预测误差序列；

S3、使用算术编码对预测误差序列进行熵编码。

本发明结合工具变量法和熵最小化准则构建基于自回归模型的预测器，可以优化基于预测的传感器网络数据压缩算法的性能。对于非实时应用，该分析过程将原始数据转化为信息熵最小的预测误差序列。即使在实时应用中，由过去的数据导出的预报器对于来自平稳线性系统的数据也具有最佳的性能。因此，可以在不丢失传感器数据信息的情况下，显著减小传感器原始数据大小，实现大规模传感器网络的数据压缩，可用于传感器网络数据的高效传输和存储，特别是在多跳无线传感器网络中，其优势更为明显。

本发明在所述步骤S1中，线性预测表示为：

其中，是第k时间步处的估计信号值；y_k-i是输入信号值；p是预测阶数；β_i是预测系数；

预测误差