【ELT.ZIP】OpenHarmony啃论文俱乐部——物联网摇摆门趋势算法

最新推荐文章于 2025-04-07 15:52:16 发布

ELT.ZIP

最新推荐文章于 2025-04-07 15:52:16 发布

阅读量331

点赞数

分类专栏：压缩算法文章标签：物联网算法 iot

本文链接：https://blog.youkuaiyun.com/qq_30407339/article/details/124729449

版权

本文介绍了物联网中数据压缩的重要性，重点探讨了摆动门趋势（SDT）算法，包括其原理、性能标准以及自适应和分布式版本。SDT是一种在线有损数据压缩算法，适用于监控行业，通过比较数据点和线性趋势的偏差进行压缩。文章还讨论了物联网数据压缩的相关工作，如近似算法和云存储优化方案。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文出自ELT.ZIP团队，ELT<=>Elite(精英)，.ZIP为压缩格式，ELT.ZIP即压缩精英。
成员：
- 上海工程技术大学大二在校生
- 合肥师范学院大二在校生
- 清华大学大二在校生
- 成都信息工程大学大一在校生
- 黑龙江大学大一在校生
- 山东大学大三在校生
- 华南理工大学大一在校生
我们是来自7个地方的同学，我们在OpenHarmony成长计划啃论文俱乐部里，与华为、软通动力、润和软件、拓维信息、深开鸿等公司一起，学习和研究操作系统技术…

在这里插入图片描述

在这里插入图片描述

什么是物联网？物联网是通过信息传感设备，按照某种协议，把任何物品与互联网连接起来，进行信息交换和通信，在这个网络中，物与物之间能够彼此进行“交流”，现实世界的物与数字世界相连，而无需人的干预，实现智能化。它的渗tou性强、带动作用大、综合效益好，能够实现“物物相连的互联网”，像智能家居、智能医疗、智能城市…
而由设备收集的数据的传输和存储是物联网(IoT)的重要组成部分。如今，数据生成的增长速度远远快于存储能力。云计算可以以最小的管理工作快速启动和供应，并为物联网带来巨大的优势。但当传输无关或冗余数据时会消耗更多能，使用通信信道，处理对应用程序贡献很小的数据，无疑是一种浪费。
压缩传输和存储的数据是必要的，所以提出了在物联网应用中使用摆动门趋势(SDT)。

摆动门趋势(SDT)是一种在线有损数据压缩算法，通常用于监看控制和数据采集系统，目的在于存储来自过程信息系统的历史数据。压缩偏差(CD)是它最重要的参数，它代表当前样本和当前用于表示之前收集的数据的线性趋势之间的最大差异。
传统SDT算法是在一定误差范围内，用起点和终点确定的直线代替两点之间其他的数据点，SDT 算法的压缩率关键取决于容差（门）的大小。而在起点上下距离为CD的地方有上边界UP和下边界LP，构成了旋转的两扇门。这两扇门在压缩过程中一旦打开之后就不能关闭，直到该压缩区间压缩结束。如果两扇门的内角和大于或者等于180度，压缩停止，否则压缩继续。该压缩区间结束之后,以压缩区间的终点为下一压缩区间的起点继续压缩。
SDT结构简单，计算复杂度较低，并且使用线性趋势来表示一个数据量。通过带有固定枢轴的“摆动门”连续构造图形来过滤数据。但因为容差CD参数应该是预先运行时定义的“门”，所以有时候并不准确，后文将提出改进方法。

压缩误差(CE)和压缩率(CR)是评估压缩算法性能的重要指标。
CE测量压缩后观察到的相对误差量，它的计算方法是将未压缩数据(Ti)与解压缩过程(T0i)后的压缩数据结果之间的差异的总和，除以未压缩数据的绝对值的总和。
CR旨在评估压缩过程的效率，并表示使用压缩算法实现的样本的减少。它被计算为压缩样本除以未压缩样本的补充。
提出称为压缩标准(CC)，良好的压缩体现于CC值接近于1，对应于高CR和低CE值。
$CR)=\frac{2·CR·(1-CE)}{CR+(1-CE)}$
论文中提出4个不同数学方程版本：
算术平均值(MEAN)：
$f_{mean}=\frac{1}{n}\sum_{i=1}^nX_i$
指数移动平均线：
$f_{ema}(d, p)=(1-\alpha)CD + \alpha · S^i(d, p)$