关键字 |
| 数据压缩、大米算法、曲线拟合,Verilog。 |
介绍 |
| 无损数据压缩技术保留了源数据的准确性通过删除冗余应用程序源数据,准确的原始数据可以从压缩数据重建。减压过程的重构原始数据压缩数据恢复删除冗余[5]。重建数据的精确复制原始数据。无损压缩是在这种情况下,重要的是,原和解压数据是相同的,或者偏离原始数据可能有害的[7]。无损数据压缩提出了许多空间科学探测任务的应用程序增加科学返回或减少电路板存储器的要求,车站接触时间和数据档案体积。雷竞技网页版 |
| 有损压缩可以减少通过识别不必要的信息和删除它。有损方法通常用于压缩声音,图像或视频。原始数据无损压缩方案是可逆的,可以重建,虽然有损计划接受某种损失的数据以达到更高的压缩[5]。 |
大米算法 |
| 在水稻算法,变长编码压缩方法[1]。变长编码压缩方法,短码字分配给数据,预计将出现频率较高的[6]。大米算法的主要优势是,它可以适应低熵高熵来源。 |
| 在图1水稻算法的框图。 |
| 它主要由两个部分,一个预处理器和一个自适应熵编码器。预处理程序的功能是decorrelate数据样本,然后将它们映射到符号适用于自适应熵编码器[1]。 |
| 答:自适应熵编码器压缩选项 |
| 不同的压缩选项[1],[2]: |
| •基本序列编码 |
| •split-sample选项 |
| •低熵的选择 |
| •没有压缩选项 |
| 出最大压缩的选择对于一个给定的数据集被选中。 |
| b预处理程序 |
| 1)预测:一个最简单的预测编码是一个线性一阶单位延迟预测图2所示。 |
| Δi在图2的输出,将输入数据之间的差异和前面的数据符号象征,称为预测误差。δi称为预测误差映射函数[1]。 |
| 2)映射器:根据预测valueA¯害怕一个一个½¯害怕一个½¯害怕害怕一个½¯½,预测误差映射器,它可以将每个预测误差值,Δi,一个n位非负整数,δi,适合加工的熵编码器[6]。 |
| 表后,我说明了预测误差映射器的操作单位延迟预测应用于8位数据的样本值从0到255 [1],[2]。 |
| 预测误差映射功能: |
 (1) |
 (2) |
对水稻进行了转基因处理算法使用曲线拟合 |
| 曲线拟合是一条曲线或一个数学函数的过程,最适合一组数据点。一个方程是由曲线拟合,可用于任何地方找到点沿着曲线[3],[8]。它可以包括插值,光滑函数符合所需的数据。拟合曲线时使用数据集的范围之外,它被称为外推。因此预测下一个数据值(¯害怕一个½¯害怕一个½¯害怕害怕一个½¯½)是可能的,这个方法[11]。对一组输入分配一个惟一的函数,这个函数是更新组不同的输入[4]。 |
| 答:多项式曲线拟合对水稻进行了转基因处理算法 |
| 一个多项式的一般形式秩序是由: |
 (3) |
| 使用最小二乘曲线方法,这样一条曲线,让数据(y)之间的误差最小,最终获得函数f (x)。 |
| 任何错误的一般表达式使用最小二乘方法是: |
 (4) |
| 情商的形式。(3)代入普通最小平方误差eq。(4) |
 (5) |
| 时的数据点,i-current数据点,j-order的多项式。 |
| 最适合曲线将线和数据之间的误差最小点[10]。因此,目标是最小化eq。(5)并找到相应的值的系数ak a0。情商降到最低。(5),对每个系数误差的导数a0,正义与发展党k = 1, 2…。j,每个值设置为0。 |
 (6) |
| 代表方程用矩阵形式如下 |
| 我= 1…………. . n |
| 知道a0的价值,正义与发展党,解决eq。(7)只为这 |
 () |
| 可以使用以下解决方法: |
 (7) |
| 因此 |
 (8) |
| 使用方程(8)的值系数a0,正义与发展党发现最后一个多项式方程,得到适合数据点[4]。然后量化系数的值,这些值然后实现函数用于预测下一组值。量化函数系数δ值和ID代表使用的压缩选项传递给接收者[1]。结果在接收机可以重建数据没有任何错误,这意味着这些结果在无损压缩。 |
| 对水稻进行了转基因处理算法的特例 |
| 在特殊情况下使用对水稻进行了转基因处理算法实现方法获得更高的压缩。特殊情况下适用当输入信号压缩和信号曲线拟合得到的重叠在初始阶段。现有的水稻算法找到相应的δ(δ)值和压缩选项适用于所有δ值。修改后的大米算法排除初始δ= 0值,然后应用压缩选项。特殊情况是用一个例子来解释。 |
| 图3显示了特殊情况输入信号 |
| 图4显示了使用大米算法获得的δ值为输入信号,图3所示 |
| 图5显示了输入信号的曲线,通过曲线拟合的函数对水稻进行了转基因处理算法 |
| 在图6中实际值和δ值显示在特殊情况下获得的。δ值通过特殊情况的值的数量少于实际δ值 |
| 了解对水稻进行了转基因处理算法的使用基于曲线拟合图5和图6中表示考虑上面的例子。如果δ值包含一块零后跟其他数字,也就是说,如果δ值0,0,0,0,0,0,13日,6日,5日,28日,27日,30日,29日,0,0,0 |
| 然后,不需要传输的比特数对水稻进行了转基因处理算法时这些数据。这是因为最初的6 0不采取进一步的程序(即压缩选项并不是应用于这些初始零值)。所以最好的压缩选项可以选择只采取δ值从δδ= 0 = 13。因此,传输数据将包括更少的比特。随着样本数量的数据块是常数(在这个例子中,块是16)的样本数量的接收器是重建的数据填充未指定的位置与零。 |
仿真结果和比较研究 |
| 在图7图8显示了输入样本和曲线拟合函数 |
| 在图8中显示输出映射期间获得大米算法 |
| 图9显示了使用大米算法输出波形,这是获取用Verilog HDL在ModelSim仿真结果。C5和byte5代表压缩数据,运用5分样本的选择 |
| 图10显示了在映射使用修改后的大米算法获得的值。通过曲线拟合函数值 |
| 在图11中对水稻进行了转基因处理算法的输出波形显示压缩数据显示,这是用Verilog HDL在ModelSim仿真结果的获得。 |
| 使用ModelSim仿真输入数据从文件读取变量的函数参数(f_mat)计算和量化(f_mat_quantized)。函数(f)值计算每一点使用这些量化值。进一步δ(Adelta)值确定。Adelta压缩使用所有可能的压缩选项和压缩数据至少选择传输的比特数。这里二分裂样本选择(C2)选为比特(c2_bit)是最小的数量相比与其他选项。压缩数据位在C2 byte2转换为字节和存储。 |
| 对于上面的例子在压缩数据的比特数是52(图9 c5_bit)当大米算法。而在压缩数据的比特数是34(图:11 c2_bit)对水稻进行了转基因处理算法。因此,压缩数据的比特数减少对水稻进行了转基因处理算法。 |
| 图12是一个高度不同的输入和曲线拟合信号 |
| 图13显示了映射δ值输入使用大米算法在图12 |
| 图14显示了映射图12中δ值输入使用修改后的大米算法获得的 |
| 在上面的数据变量命名为δ,错误,θ等被减去发现数据值的预测值和使用eq。(1)和(2),在水稻的算法。这里即使有n个输入,只出席(n - 1)输出单元的输出,因为延迟预测。 |
| 曲线拟合的一个特定的函数分配给数据集,也可以预测下一个值,然后计算误差值可以通过减去数据值的预测值和δθ值获得使用eq。(2)和(3)给您如果有n个输入,输出也会有n值 |
| 答:比较水稻基于曲线拟合的算法和对水稻进行了转基因处理算法 |
| •在水稻算法中,我们预测,下一个数据将类似于当前数据。 |
| 而在基于曲线拟合对水稻进行了转基因处理算法,函数是为给定的一组开发的输入和数据可以根据预测函数。这导致较小的δ值。当这些δ值被压缩,最后压缩数据包含更少的比特算法比现有的水稻。因此利用曲线拟合数据位传输大大减少。这将导致更高的压缩比 |
| •在水稻算法,压缩后向接收方发送数据时,一个是第一个输入数据的参考价值,(n - 1)的δ值和相对应的ID传输使用的压缩选项。 |
| 而在对水稻进行了转基因处理算法函数系数,n的值δ和相对应的ID压缩选项被传输到接收机。 |
| •对水稻进行了转基因处理算法采用无损压缩。因此确切的信号可以被重建在接收方没有任何损失。 |
| •可能当特殊情况修改更高的压缩算法是适用的。 |
结论 |
| 本文对比大米算法和对水稻进行了转基因处理算法基于曲线拟合。评估对水稻进行了转基因处理算法的性能给出不同的真实世界的信号和相应的输出是指出,然后与水稻的产量相比,算法相同的输入。与曲线拟合对水稻进行了转基因处理算法,生成一个函数根据输入数据集,与即将到来的预计值。大米算法仅用于那些组数据冗余的存在。但随着对水稻进行了转基因处理算法,实现曲线拟合的可用于任何实时信号以特定的方式不同。因此后来方法发现许多应用程序在大多数行业大数据可能发生的变化,如。过程控制行业。仿真结果表明,改良水稻的数据压缩算法时使用的是一个真实世界的信号。使用改性大米与无损压缩算法和曲线拟合技术,可以重建原始信号。 |
表乍一看 |
 |
| 表1 |
|
数据乍一看 |
 |
 |
 |
 |
 |
| 图1 |
图2 |
图3 |
图4 |
图5 |
 |
 |
 |
 |
 |
| 图6 |
图7 |
图8 |
图9 |
图10 |
 |
 |
 |
 |
| 图11 |
图12 |
图13 |
图14 |
|
引用 |
- ccsd(空间数据系统咨询委员会),绿皮书二期,2006年12月
- 冲洗液,蓝书二期,2012年5月
- Medioni、杰拉德和Yoshio Yasumoto。“角点检测和曲线表示使用立方B <我> < / i >样条函数。”计算机视觉、图形和图像处理39.3 (1987):267 - 278。
- 理查森,马克H。,and David L. Formenti. "Global curve fitting of frequency response measurements using the rational fract ion polynomialmethod."国际模态分析会议。1985年。
- 美国哈立德,介绍数据压缩,第二版。圣马特奥市CA:摩根考夫曼,2000。
- r . f .大米和j . r . Plaunt”自适应可变长编码压缩效率的航天器电视数据,“IEEE反式。Commun。Techno.Vol。COM-19,第一部分,第897 - 889页,1971年12月。
- t·A·韦尔奇”一个高性能的数据压缩技术,IEEE反式。第一版。17卷,没有。6页8-19,1984年6月。
- 勒索克斯,E。,and M. Daniel. "Data reduction of polygonal curves using B-splines."计算机辅助设计31.8 (1999):507 - 515。
- 梁,Maylor K。,and Yee-Hong Yang. "Dynamic two-strip algorithm in curve fitting."模式识别23.1 (1990):69 - 79。
- Ichida、Kozo Kiyono武,Fujiichi Yoshimoto。“一次曲线拟合的方法分段三次多项式”。ACM Transactionson数学软件(鞋子)3.2 (1977):164 - 174。
- 维氏,托马斯J。,Ronald E. Wambles, and Charles K. Mann. "Curve fitting and linearity: data processing in Raman spectroscopy."AppliedSpectroscopy55.4 (2001):389 - 393。
|
菜单
(1)
(2)
(3)
(4)
(5)
(6)
()
(7)
(8)
