一种基于SDT算法的新的过程数据压缩算法

针对流程工业实测过程数据压缩存储问题,在深入分析旋转门（SDT,Swing Door Trending）算法的基础上,提出了一种基于SDT算法新的过程数据压缩算法（NSDT,New Swing Door Trending）。NSDT算法采用曲线对过程数据进行拟和以实现数据压缩,与SDT算法相比能取得更好的压缩效果。根据理论分析和实验数据结果分析,证明了NSDT算法确实可以在不增加压缩误差的前提下,有效地提高压缩比。     

一种基于SDT算法的新的过程数据压缩算法

针对流程工业实测过程数据压缩存储问题,在深入分析旋转门（SDT,Swing Door Trending）算法的基础上,提出了一种基于SDT算法新的过程数据压缩算法（NSDT,New Swing Door Trending）。NSDT算法采用曲线对过程数据进行拟和以实现数据压缩,与SDT算法相比能取得更好的压缩效果。根据理论分析和实验数据结果分析,证明了NSDT算法确实可以在不增加压缩误差的前提下,有效地提高压缩比。     

SCADA中历史数据的SDT算法研究与改进

随着物联网和大数据技术的快速发展,数据采集与监视控制SCADA系统每天采集的数据量呈几何级数增长,传统的数据压缩算法--旋转门算法SDT 已经不能满足SCADA系统对历史数据压缩的要求。在深入研究了数据压缩方法尤其是旋转门SDT算法的基础上,提出了一种改进的ASDT 算法,并用Java语言加以实现。ASDT算法通过正弦曲线拟合数据以实现数据压缩,与传统SDT算法的性能相比,ASDT算法能取得更好的压缩效果。实验数据结果表明,相对于传统SDT算法,ASDT算法可以在不显著增加压缩误差的前提下,有效地提高压缩比。     

一种改进的过程数据压缩算法及其性能分析

过程数据压缩和趋势提取可以提高控制系统的性能.提出了一种改进的SDT过程数据压缩算法.通过应用自适应记录限和异常点判据,改进算法在压缩误差只有很小变化的前提下,较大地提高了压缩比.本算法适合离线和在线压缩,并可集成于各种过程数据处理软件包中.     

基于新型三层误差反向传播网络的图像压缩

基于误差反向传播算法对图像进行压缩的工作已有很多。论文介绍了三层误差反向传播网络拓扑结构和新型二层误差反向传播网络拓扑结构,为进一步提高图像压缩的压缩比和压缩质量,在新型二层误差反向传播网络拓扑结构的压缩层和重建层之间加入一过渡层,使得网络在学习过程中更好地收敛到原始图像。论文提出了新型三层误差反向传播网络拓扑结构并给出了相应算法的严格数学推导过程。经过上机压缩测试,相对于其它误差反向传播算法对图像进行压缩的压缩比、学习速度和压缩质量都有很大提高,取得了很好的效果。     

历史数据压缩算法在DSP上的实现

工业控制中需要记录大量的历史数据，因其数据量庞大，需要的存储空间也及其庞大，同时网络传输过程的实现比较困难，针对这一情况，提出了一种基于整数小波变换和多级树集合分割编码压缩新算法，并在DSP平台上实现，给出仿真结果，结果表明此算法可方便地控制数据压缩比和重构误差，并且具有压缩速度快、熏构误差小和压缩比高的特点。     

改进的SDT算法及其在过程数据压缩中的应用

阐述了过程数据压缩的重要性及特点 ,介绍了SDT(SwingingDoorTrending)算法及改进的SDT算法的基本原理 ,给出了离线压缩、在线压缩及信号重建的软件框图。介绍了改进的SDT算法的应用 ,分析了改进算法的性能。     

可调重构误差的传感数据时间相关压缩算法

无线传感器网络(WSN)节点能量与带宽均非常有限,难以适应大量数据长时间传输的需求,所以非常有必要对原始采集的数据进行聚合或压缩处理。利用传感数据间存在的时间相关性,提出分段常量近似与Haar小波压缩相结合的二级压缩算法,在误差可调的情况下压缩该类时间相关的传感数据。通过真实数据集上的实验,分析该算法的数据重构误差、数据压缩比与压缩耗时情况,并与其他压缩算法进行对比。实验结果表明,该算法能够有效地利用传感数据中存在的时间相关性,显著减少冗余数据,有较高的压缩比并保证数据精度。     

基于压缩感知理论的WSNs时序信号分段压缩算法

针对压缩感知理论(CS)应用在无线传感器网络中时序信号在传输过程存在压缩比率低、通信能耗高等问题,提出了一种时序信号分段压缩算法来解决在信号稀疏度未知及高稀疏度条件下,压缩感知数据重构算法中存在的重构效率低,重构精度差,影响网络生命周期的问题.该算法将采集数据中非零元素个数作为分段依据,通过减少段内非零元素组合数量来提高信号重构精度,同时利用了压缩感知理论特性实现了对信号的高压缩率.实验结果表明,在以混沌量子免疫克隆重构(Q-CSDR)算法为重构算法、在信号盲稀疏度及稀疏度高于40的条件下,能够以大于0.4的压缩比率对信号进行压缩,其重构信号的均方误差小于0.01,能够延长网络寿命2倍左右.     

基于SDLST算法的导弹状态数据压缩方法

针对海量状态数据的压缩,对旋转门趋势(Swinging Door Trending,SDT)算法进行改进,提出一种旋转门最小二乘趋势(Swinging Door Least Square Trending,SDLST)算法。通过最小二乘拟合的引入,避免了压缩偏移量对压缩精度的影响,有效控制压缩失真度在0.5以下,同时不增加算法复杂度,运算速度快,对系统资源占用少。该算法在导弹状态监测系统软件中测试完成,对导弹全寿命维护监测产生的海量状态数据,如温湿度、振动、位置姿态等进行了有效的压缩存储。验证了其有效性,具有很高的实用价值。     

基于SQL数据库的过程数据压缩方法

利用SQL Server数据库存储过程历史数据,提出一种增量型的SDT压缩算法,有效地实现了过程历史数据的实时存储。对于通过OPC方式从化工过程底层读取的实时数据,利用增量型的SDT算法进行实时压缩存储,利用LZW算法对存储的值进行二次无损压缩。实验测试表明,该方法能够实时处理大量的过程数据,同时尽最大可能对过程数据进行压缩,降低存储成本。在容差为1%、测点为 1 000个时,该算法使平均压缩率达到约85%。     

SDT算法及其在局域控制网络中压缩过程数据的应用

SDT（Swinging Door Trending）算法运算量 小，在过程数据压缩中得到广泛应用．为了提高该算法的性能，对该算法进行了改进，给出 了离线和在线压缩算法及信号重建算法．仿真研究表明改进算法在最大偏差与误差平方和等 方面的性能指标优于原算法．用Neuron C编写了改进算法的应用程序，并成功下载到自行设 计的数据采集节点中，实现了改进压缩算法的在线应用．     

SDT算法及其在过程数据压缩中的应用

首先阐述了过程数据压缩的重要性及特点，然后介绍了SDT（Swinging Door Trending)算法的基本原理，给出了离线压缩、在线压缩及信号重建的软件框图，最后介绍了SDT算法的应用，并得出了一些结论。希望对过程数据压缩的研究和应用提供一定的帮助。     

一种过程数据有损压缩比的动态控制方法

对于涉及使用压缩偏差[ΔE]的有损压缩算法（如旋转门算法、矩形波串法、后向斜率法）,一般需要长时间的实验才能得到合适的[ΔE]。对于测点较多系统简直是一种灾难。因此,[ΔE]的设置严重限制了压缩算法的实用性和方便性。鉴于此,提出了以压缩比CR（CR=1－压缩后的数据个数/压缩前的数据个数）为导向的动态控制方法。它假定压缩比CR和压缩偏差[ΔE]之间存在线性关系。在给定目标压缩比[CRdest]的条件下,借助于先前一段数据压缩情况,在可调区间[ΔEmin,ΔEmax]上动态地调整[ΔE],使实际[CR→CRdest]。该方法的特点在于使得压缩比可控,同时降低了相关压缩算法参数设置难度。     

基于预测模型的轨迹数据压缩方法

针对目前路网环境下海量轨迹数据压缩效率低下的问题,提出了一种基于预测模型的轨迹数据压缩方法（CTPM）。通过将轨迹数据的时间信息和空间信息分别进行压缩,使得压缩后的轨迹数据在空间维度上无损,并且在时间维度上误差有界,以此提高压缩效率。在空间方面,首先利用部分匹配预测（PPM）算法通过轨迹已经行驶的部分路段对其下一时刻可能的位置进行预测;然后通过删除预测成功的路段来减少轨迹数据的存储代价。在时间方面,首先利用轨迹通行状况具有周期性的特点,构建了不同时间区间的通行速度统计模型,来预测移动对象进入下一路段所需要的时间;然后删除预测时间误差小于给定阈值的路段数据来进行压缩处理。实验结果显示,与已有的基于路网的并行轨迹压缩（PRESS）算法相比,CTPM的空间压缩比和时间压缩比平均分别提高了43%和1.5%,同时时间压缩误差减小了9.5%。实验结果表明所提算法在提高压缩比的同时有效地降低了压缩时间和压缩误差。     

球面模型的逼近与数据压缩及推广

提出了一种三维物体表面的逼近表示与数据压缩方法.该方法可以在不增加表示物体表面的数据量(例如面片数量)的情况下,使逼近误差降低约1/2;在逼近误差不变的情况下,使表示物体表面的数据量大幅下降.提出了用与最基本的三维物体--球体表面相交的面片来表示球面的方法,将该方法扩展到了一般曲面.理论分析与实验数据表明,新算法与传统方法相比,其数据压缩比约为35%.该研究在虚拟现实技术和三维模型的数据压缩及传输等领域有较重要的学术及应用价值.     

RWM&DEWS数据二次压缩算法研究

对柑橘实时水分监控与旱情预警系统中的数据参数进行拟合分析,在探讨SDT和LZW 2种压缩算法的基础上,提出一种二次压缩算法:第1次压缩采用基于SDT算法思想的甲均值方法;第2次压缩采用改进的LZW算法实现.对压缩效果进行测试,仿真实验证明,在相同的硬件和软件环境下,该算法能实时、高效地压缩数据.