[发明专利]一种基于深度学习的振动触觉编解码方法

权利要求书

1.一种基于深度学习的振动触觉编解码方法，其特征在于，包括以下步骤：

将触觉信号不同维度数据进行联合编码，去除触觉数据三维空间上存在的冗余，同时对其进行预处理；

利用门控循环单元网络GRU进行训练，每次均以两组数据输入，得到下一组数据的预测数据，并以下一组数据的真实值作为标签，将预测数据和真实数据进行比较计算残差对预测数据进行补偿，得到重构后的预测数据；将重构的预测数据与和前一组数据打包重新作为下一轮预测的输入数据；

所述利用门控循环单元网络GRU进行训练，每次均以两组数据输入，得到下一组数据的预测数据，并以下一组数据的真实值作为标签，将预测数据和真实数据进行比较计算残差对预测数据进行补偿，得到重构后的预测数据，将重构的预测数据与和前一组数据打包重新作为下一轮预测的输入数据具体为：

步骤S1：令i＝1；

步骤S2：将第i组数据(X_i，Y_i，Z_i)与第i+1组数据(X_i+1，Y_i+1，Z_i+1)一同送入门控循环单元网络GRU，得到第i+2组预测数据(X'_i+2，Y'_i+2，Z'_i+2)；

步骤S3：将第i+2组预测数据(X'_i+2，Y'_i+2，Z'_i+2)与第i+2组的真实数据(X_i+2，Y_i+2，Z_i+2)做残差计算得到残差(ΔX'_i+2、ΔY'_i+2、ΔZ'_i+2)；

步骤S4：残差(ΔX'_i+2、ΔY'_i+2、ΔZ'_i+2)进行量化、编码、解码与非量化操作之后对第i+2组预测数据(X'_i+2，Y'_i+2，Z'_i+2)做补偿，得到重构的第i+2组数据的预测值(X”_i+2，Y”_i+2，Z”_i+2)，并用重构的第i+2组数据的预测值(X”_i+2，Y”_i+2，Z”_i+2)替换原始的第i+2组数据；

步骤S5：令i＝i+1，并返回步骤S2，直至预测结束，解码完成。

2.根据权利要求1所述的一种基于深度学习的振动触觉编解码方法，其特征在于，所述触觉信号不同维度的数据具体包括X、Y、Z三种维度。

3.根据权利要求1所述的一种基于深度学习的振动触觉编解码方法，其特征在于，门控循环单元网络GRU的优化器选择Adam，选择Selu作为激活函数，损失函数采用MSE，隐藏单元个数为10，批次大小为64，迭代次数为100。

4.根据权利要求1所述的一种基于深度学习的振动触觉编解码方法，其特征在于，所述的量化采用非均量化。

5.根据权利要求1所述的一种基于深度学习的振动触觉编解码方法，其特征在于，所述编码采用熵编码。

6.一种基于深度学习的振动触觉编解码系统，其特征在于，包括存储器、处理器以及存储于存储器上并能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，能够实现如权利要求1-5所述的方法步骤。

7.一种计算机可读存储介质，其上存储有能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，能够实现如权利要求1-5所述的方法步骤。