一种应用于智能物联网的特征提取及数据压缩方法、装置

1.本发明涉及智能物联网信号处理技术领域，更具体的，涉及一种应用于智能物联网的特征提取及数据压缩方法、装置。


背景技术：

2.智能物联网通过各种信息传感器实时采集各类信息，在终端设备、边缘域通过机器学习对数据进行智能化分析。为了对采集的信息进行高效应用，机器学习较多采用基于脉冲神经网络的方式。
3.现有事件驱动型芯片因为具有较低的功耗和时延，逐渐成为物联网芯片设计的主流，所以将原始采集信号处理成脉冲形式可以更好的与该类型芯片对接。
4.但是目前现有的方法中，一种方法是通过滤波器对信号进行滤波，将每个带通滤波器输出的信号能量作为信号的基本特征，对此特征进行编码成脉冲信号，这类方法需要高精度奈奎斯特采样并且滤波器本身和编码过程都需要额外的时延和能量消耗，不仅降低芯片对外界信息的反应速度，也会提高总体功耗。另一方法是使用基于事件驱动的采样，其基本原理是当输入信号发生较大变化时，认为采样时间发生并记录采样点的位置，在节省功耗的同时可以减少采样点的数量，但是在输入高频率信号时，得到的采样点依旧过多、存在冗余，对数据处理和传输有较大压力。


技术实现要素：

5.基于此，有必要针对现有方法中存在冗余数据、能量消耗偏高的问题，提供一种应用于智能物联网的特征提取及数据压缩方法、装置。
6.本发明采用以下技术方案实现：
7.第一方面，本发明公开了一种应用于智能物联网的特征提取及数据压缩方法，用于将原始采集信号转换成脉冲信号。
8.应用于智能物联网的特征提取及数据压缩方法包括以下步骤：
9.步骤一，对原始采集信号进行归一化得到归一化数据集；其中，原始采集信号包括m’个原始采样点，归一化数据集包括m’个归一化采样点，原始采样点与归一化采样点一一对应；
10.步骤二，对归一化数据集进行筛选得到局部极值数据集；其中，局部极值数据集包括m个局部极值点；
11.步骤三，对m个局部极值点进行时间特性提取、空间特性提取；
12.步骤四，对于单个局部极值点，融合其提取的时间特性、空间特性，并打包成具有时间信息和空间信息的异步脉冲；将m个局部极值点所对应的异步脉冲组成异步脉冲序列，形成脉冲信号。
13.该种应用于智能物联网的特征提取及数据压缩方法实现根据本公开的实施例的方法或过程。
14.第二方面，本发明公开了一种应用于智能物联网的特征提取及数据压缩装置，其使用了第一方面公开的应用于智能物联网的特征提取及数据压缩方法。
15.一种应用于智能物联网的特征提取及数据压缩装置包括：归一化模块、极值筛选模块、时间特性提取模块、空间特性提取模块。
16.归一化模块用于对原始采集信号进行归一化得到归一化数据集。其中，原始采集信号包括m’个原始采样点，归一化数据集包括m’个归一化采样点，原始采样点与归一化采样点一一对应。极值筛选模块用于对归一化数据集进行筛选得到局部极值数据集。其中，局部极值数据集包括m个局部极值点。时间特性提取模块用于对m个局部极值点进行时间特性提取。空间特性提取模块用于对m个局部极值点进行空间特性提取。异步脉冲序列转化模块用于对于单个局部极值点，融合其提取的时间特性、空间特性，并打包成具有时间信息和空间信息的异步脉冲；将m个局部极值点所对应的异步脉冲组成异步脉冲序列，形成脉冲信号。
17.该种应用于智能物联网的特征提取及数据压缩装置实现根据本公开的实施例的方法或过程。
18.第三方面，本发明公开了一种可读存储介质。可读存储介质中存储有计算机程序指令，计算机程序指令被一处理器读取并运行时，执行第一方面公开的应用于智能物联网的特征提取及数据压缩方法的步骤。
19.与现有技术相比，本发明具备如下有益效果：
20.1，本发明将数模转换和特征提取融合，避免了高精度的adc和复杂的数字处理，同时减少了后续脉冲神经网络的计算。
21.2，本发明从原始采集信号中筛选出局部极值点，忽略掉非极值点的采样点，这样在处理高频率或长信号时可以进一步缩短处理后的数据长度，减少数据冗余。
22.3，本发明通过异步脉冲序列转化，将局部极值点的信息打包成具有时间信息和空间信息异步脉冲，无需重新编码，避免了额外编码过程带来的时延和能耗。并且异步脉冲序列包含的时间特征是由相邻极点的时间差表示，输入脉冲神经网络时可以实现异步的效果，避免脉冲间多个神经元等待的问题；异步脉冲序列包含的空间特征被转换成2n行二进制序列，每一个极值点的空间特征实时值只有一行是1，这样可以减少计算量，并实现脉冲稀疏性。
附图说明
23.图1为本发明实施例1中一种应用于智能物联网的特征提取及数据压缩方法的流程图；
24.图2为实施例1提供的原始采集信号的实例图；
25.图3为实施例1提供的归一化数据集的实例图；
26.图4为实施例1提供的局部极值数据集的实例图；
27.图5为实施例1提供的提取时间特征的实例图；
28.图6为实施例1提供的提取空间特征的实例图；
29.图7为实施例1提供的进行异步脉冲转化的示意图；
30.图8为实施例1提供的进行异步脉冲转化的实例图。
具体实施方式
31.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
32.需要说明的是，当组件被称为“安装于”另一个组件，它可以直接在另一个组件上或者也可以存在居中的组件。当一个组件被认为是“设置于”另一个组件，它可以是直接设置在另一个组件上或者可能同时存在居中组件。当一个组件被认为是“固定于”另一个组件，它可以是直接固定在另一个组件上或者可能同时存在居中组件。
33.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“或/及”包括一个或多个相关的所列项目的任意的和所有的组合。
34.实施例1
35.请参阅图1，图1为本发明中应用于智能物联网的特征提取及数据压缩方法的流程图，用于将原始采集信号转换成脉冲信号。
36.如图1所示，应用于智能物联网的特征提取及数据压缩方法包括以下步骤：
37.步骤一，对原始采集信号进行归一化得到归一化数据集。
38.其中，原始采集信号包括m’个原始采样点，归一化数据集包括m’个归一化采样点，原始采样点与归一化采样点一一对应。
39.需要说明的是，归一化只改变采样点值的大小，不改变各个采样点的时间信息。也就说，m’个原始采样点对应m’个不同的采集时间；m’个归一化采样点也对应m’个不同的采集时间。
40.如图2、图3所示，分别为本实施例1提供的原始采集信号图和归一化数据集图。其中，图中横坐标为采样点数，纵坐标为采样点幅值。原始采集信号一般使用采集器进行获取，采样频率为s，采样时间可以由采集器进行记录，当然也可以依据采样频率集合采样点数计算得到采样时间。
41.简单来说，归一化用于根据原始采集信号幅值的最大值和最小值并通过算法将所有原始采集信号限定在一定范围的数据空间内，适合进行比较。
42.具体的，进行归一化的方法包括：
43.依据m’个原始采样点的最大值、最小值，构建归一方程，将m’个原始采样点限定在数据空间[-a,1-a]内，形成m’个归一化采样点。
[0044]
归一方程为：
[0045][0046]
式中，x表示原始采样点的值，y表示归一化采样点的值，min(x)表示原始采样点的最小值，max(x)表示原始采样点的最大值，a表示线性调整值。
[0047]
这是因为，归一方程若不包含-a项，则就是将原始采样点限定在[0,1]内；增加-a
项后，将[0,1]进行偏移。一般的，a建议取0.5。即限定在数据空间[-0.5,0.5](也可以表示为[-a,a])内，相对于0坐标对称，方便展示。
[0048]
步骤二，对归一化数据集进行筛选得到局部极值数据集。其中，局部极值数据集包括m个局部极值点。
[0049]
本步骤二就是为了压缩数据的长度，消除冗余数据。需要注意的是，m个局部极值点对应m个不同的采集时间。其中，第m个局部极值点的采集时间为tm。
[0050]
具体的，步骤二中进行筛选的方法包括：
[0051]
判断当前归一化采样点是否同时大于或同时小于与之相邻的两个归一化采样点；若符合，则当前归一化采样点是局部极值点；否则，当前归一化采样点不是局部极值点。
[0052]
这样，忽略掉相邻局部极值点之间的采样点，保留局部极值点，可以减少数据的冗余，缩短最终的异步脉冲序列长度，降低能量消耗，提高设备反应速度。
[0053]
参看图4，对图3进行步骤二的处理后，即得到图4的局部极值数据集，其包含6个局部极值点(沿横坐标正向依次设定为p1、p2、p3、p4、p5、p6)，对应6个不同的采集时间。
[0054]
步骤三，对m个局部极值点进行时间特性提取、空间特性提取。
[0055]
其中，时间特征提取是为了保存局部极值点的时间信息。空间特征提取是为了保存局部极值点的空间信息。
[0056]
时间特性提取、空间特性提取在顺序上不强制分先后，也可以同步进行。
[0057]
(1)时间特性提取：
[0058]
对于第m个局部极值点，获取其与第m-1个局部极值点之间存在的归一化采样点个数δs
m-1
，再除以采样频率s，得到时间差δt
m-1
，并作为第m个局部极值点的时间特征；1＜m≤m。
[0059]
对于δs
m-1
，可以直接对第m-1个局部极值点之间存在的归一化采样点个数进行统计得到。也可以先统计第m个局部极值点到归一化数据集初始处之间的采样点个数sm，再统计第m-1个局部极值点到归一化数据集初始处之间的采样点个数s
m-1
，求取差值得到δs
m-1
。
[0060]
用公式表示即为：
[0061][0062]
式中，s表示原始采集信号的采样频率。
[0063]
需要注意的是，对于第1个局部极值点，获取其到归一化数据集初始处之间存在归一化采样点个数δs0，再除以采样频率s，得到时间差δt0，并作为第1个局部极值点的时间特征。
[0064]
参看图5，对图4的局部极值数据集进行时间特性提取后，得到δt0～δt5共6个时间特征。
[0065]
(2)空间特性提取：
[0066]
将数据空间[-a,1-a]平均划分为2n个窗口，每个窗口设置有对应的索引、并具有上下阈值。这里是按照n bit的规格进行划分，也就是说，每个窗口的跨度为1/2n。
[0067]
本实施例1中，参看图6，若将窗口从下至上按顺序编号进行索引，则索引就是从0到2
n-1。其中，横坐标轴以下的窗口索引为0到2
n-1-1，横坐标轴以上的窗口索引为2
n-1
到2
n-1。
[0068]
按照从下到上的顺序，第1个窗口就是索引为0的窗口，其下阈值为-a，上阈值为-a+1/2n；第2个窗口就是索引为1的窗口，其下阈值为-a+1/2n，上阈值为-a+2/2n；第3个窗口就是索引为2的窗口，其下阈值为-a+2/2n，上阈值为-a+3/2n；
…
；以此类推。
[0069]
若第m个局部极值点大于第m’个窗口的下阈值、小于或等于第m’个窗口的上阈值，则确定第m个局部极值点处于第m’个窗口内，此时将第m’个窗口的索引作为第m个局部极值点的空间特征初始值；m’∈[1,2n]。
[0070]
如图6所示，本实施例1中，6个局部极值点分别处于不同的窗口内，并具有不同的采样时间。具体的，沿横坐标正向，6个局部极值点所处窗口的索引分别为：2
n-1-3、2
n-1
+2、1、2
n-2、2
n-1-2、2
n-1-1。
[0071]
需要说明的是，不同的局部极值点可能会处于相同的窗口中，但不同的局部极值点肯定有不同的采集时间。
[0072]
很明显，窗口数越多，局部极值点的空间特征表示起来越精细。经过上述的处理，m个局部极值点的时间特性和空间特性都被保存下来。对于第i个局部极值点(表示为pi)，其信号可表示为(δt
i-1
,pi)，其中，pi表示第i个局部极值点所处窗口的索引，i∈[1,m]。
[0073]
需要注意的是，2n个窗口在后续进行异步脉冲时，会根据第m个局部极值所处的采集时间，使空间特征产生实时变化——即从初始值变化成实时值。
[0074]
步骤四，对于单个局部极值点，融合其提取的时间特性、空间特性，并打包成具有时间信息和空间信息的异步脉冲；将m个局部极值点所对应的异步脉冲组成异步脉冲序列，形成脉冲信号。
[0075]
本步骤四是将每个极值点打包成异步脉冲，生成具有时空特征的异步脉冲序列。也就是说，异步脉冲序列由所有极值点对应的异步脉冲组成。
[0076]
需要强调的是，异步脉冲序列的长度数值与局部极值点的个数数值相同，即两者在时间维度上保持一致。
[0077]
具体的，异步脉冲序列包括1行时间序列、2n行空间序列。
[0078]
其中，1行时间序列用于反映m个局部极值点的时间特征。2n行空间序列用于反映m个局部极值点的空间特征实时值。
[0079]2n
行空间序列与2n个窗口的索引一一对应；其中，若第m个局部极值点处于第m’个窗口内，在tm和t
m-1
之间，第m’个窗口的索引对应的空间序列的空间特征实时值置于1，其余2
n-1行空间序列的空间特征实时值置于0。其中，tm表示第m个局部极值点的采集时间，t
m-1
表示第m-1个局部极值点的采集时间。
[0080]
参看图7，即：若第m个局部极值点处于第m’个窗口内，在tm和t
m-1
之间，第m’个窗口持续发出高电平，其他2
n-1个窗口保持低电平，从而形成脉冲信号。
[0081]
以图6为实例进行说明，参看图8，基于图6的6个局部极值点p1～p6，会产生六组数据，构成一组时间上连续的数据流：
[0082]
对于p1，其在采集时间t0～t1之间，形成了一组数据；该组数据包括一行时间差δt0和2n行二进制序列。其中，δt0＝t
1-t0。2n行二进制序列在索引为2
n-1-3的窗口所对应的那一行是1，其余2
n-1行是0。
[0083]
对于p2，其在采集时间t1～t2之间，形成了一组数据；该组数据包括一行时间差δt1和2n行二进制序列。其中，δt1＝t
2-t1。2n行二进制序列在索引为2
n-1
+2的窗口所对应的那
一行是1，其余2
n-1行是0。
[0084]
对于p3，其在采集时间t2～t3之间，形成了一组数据；该组数据包括一行时间差δt2和2n行二进制序列。其中，δt2＝t
3-t2。2n行二进制序列在索引为1的窗口所对应的那一行是1，其余2
n-1行是0。
[0085]
对于p4、p5、p6，与上述类似，不再赘述。
[0086]
总的来说，每组数据都包含了一行时间差信息和2n行二进制序列。每个极点所对应的窗口都会在相应的时间区间内持续发放脉冲，整体在时间上是有连续性的，没有间隔和空闲时间。
[0087]
这样，由于相同采集时间下，只会存在一个局部极值点，那么该局部极值点经过上述处理就只有一个脉冲发放。换句话说，2n行空间序列被转换成2n行二进制序列，每一个极值点的空间特征实时值只有一行是1。这样使得脉冲信号具有稀疏性。
[0088]
通过上述操作，可以直接产生2n个通道信号组成脉冲信号，无需再使用滤波器等对时间特征、空间特征重新编码，避免了额外编码过程带来的时延和能耗；同时由于存在时间序列，2n个通道信号在输入脉冲神经网络时可以实现异步，避免脉冲间多个神经元等待的问题，达到低功耗的效果。
[0089]
实施例2
[0090]
本实施例2公开了一种应用于智能物联网的特征提取及数据压缩装置，其使用了实施例1的应用于智能物联网的特征提取及数据压缩方法。
[0091]
一种应用于智能物联网的特征提取及数据压缩装置包括：归一化模块、极值筛选模块、时间特性提取模块、空间特性提取模块。
[0092]
归一化模块用于对原始采集信号进行归一化得到归一化数据集。其中，原始采集信号包括m’个原始采样点，归一化数据集包括m’个归一化采样点，原始采样点与归一化采样点一一对应。极值筛选模块用于对归一化数据集进行筛选得到局部极值数据集。其中，局部极值数据集包括m个局部极值点。时间特性提取模块用于对m个局部极值点进行时间特性提取。空间特性提取模块用于对m个局部极值点进行空间特性提取。异步脉冲序列转化模块用于对于单个局部极值点，融合其提取的时间特性、空间特性，并打包成具有时间信息和空间信息的异步脉冲；将m个局部极值点所对应的异步脉冲组成异步脉冲序列，形成脉冲信号。
[0093]
实施例3
[0094]
本实施例3公开了一种可读存储介质，可读存储介质中存储有计算机程序指令，计算机程序指令被一处理器读取并运行时，执行实施例1的应用于智能物联网的特征提取及数据压缩方法的步骤。
[0095]
实施例1的方法在应用时，可以软件的形式进行应用，如设计成计算机可读存储介质可独立运行的程序，计算机可读存储介质可以是u盘，通过u盘设计成通过外在触发启动整个方法的程序。
[0096]
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0097]
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并
不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

技术特征：
1.一种应用于智能物联网的特征提取及数据压缩方法，用于将原始采集信号转换成脉冲信号，其特征在于，所述应用于智能物联网的特征提取及数据压缩方法包括以下步骤：步骤一，对所述原始采集信号进行归一化得到归一化数据集；其中，所述原始采集信号包括m’个原始采样点，归一化数据集包括m’个归一化采样点，原始采样点与归一化采样点一一对应；步骤二，对所述归一化数据集进行筛选得到局部极值数据集；其中，所述局部极值数据集包括m个局部极值点；步骤三，对m个局部极值点进行时间特性提取、空间特性提取；步骤四，对于单个局部极值点，融合其提取的时间特性、空间特性，并打包成具有时间信息和空间信息的异步脉冲；将m个局部极值点所对应的异步脉冲组成异步脉冲序列，形成脉冲信号。2.根据权利要求1所述的应用于智能物联网的特征提取及数据压缩方法，其特征在于，步骤一中进行归一化的方法包括：依据m’个原始采样点的最大值、最小值，构建归一方程，将m’个原始采样点限定在数据空间[-a,1-a]内，形成m’个归一化采样点。3.根据权利要求1或2所述的应用于智能物联网的特征提取及数据压缩方法，其特征在于，a＝0.5。4.根据权利要求1所述的应用于智能物联网的特征提取及数据压缩方法，其特征在于，步骤二中进行筛选的方法包括：判断当前归一化采样点是否同时大于或同时小于与之相邻的两个归一化采样点；若符合，则当前归一化采样点是局部极值点；否则，当前归一化采样点不是局部极值点。5.根据权利要求1所述的应用于智能物联网的特征提取及数据压缩方法，其特征在于，步骤三中进行时间特性提取的方法包括：对于第m个局部极值点，获取其与第m-1个局部极值点之间存在的归一化采样点个数δs
m-1
，再除以采样频率s，得到时间差δt
m-1
，并作为第m个局部极值点的时间特征；1＜m≤m；对于第1个局部极值点，获取其到归一化数据集初始处之间存在归一化采样点个数δs1，再除以采样频率s，得到时间差δt1，并作为第1个局部极值点的时间特征。6.根据权利要求4所述的应用于智能物联网的特征提取及数据压缩方法，其特征在于，步骤四中进行空间特征提取的方法包括：将数据空间[-a,1-a]平均划分为2
n
个窗口，每个窗口设置有对应的索引、并具有上下阈值；若第m个局部极值点大于第m’个窗口的下阈值、小于或等于第m’个窗口的上阈值，则确定第m个局部极值点处于第m’个窗口内，并将第m’个窗口的索引作为第m个局部极值点的空间特征初始值；m’∈[1,2
n
]。7.根据权利要求1所述的应用于智能物联网的特征提取及数据压缩方法，其特征在于，所述异步脉冲序列的长度数值与局部极值点的个数数值相同。8.根据权利要求6所述的应用于智能物联网的特征提取及数据压缩方法，其特征在于，所述异步脉冲序列包括1行时间序列、2
n
行空间序列；
其中，1行时间序列用于反映m个局部极值点的时间特征；2
n
行空间序列用于反映m个局部极值点的空间特征实时值；2
n
行空间序列与2
n
个窗口的索引一一对应；其中，若第m个局部极值点处于第m’个窗口内，在t
m
和t
m-1
之间，第m’个窗口的索引对应的空间序列的空间特征实时值置于1，其余2
n-1行空间序列的空间特征实时值置于0，第m’个窗口持续发出高电平，其他2
n-1个窗口保持低电平，形成脉冲信号；其中，t
m
表示第m个局部极值点的采集时间，t
m-1
表示第m-1个局部极值点的采集时间。9.一种应用于智能物联网的特征提取及数据压缩装置，其特征在于，其使用了如权利要求1-8中任一所述的应用于智能物联网的特征提取及数据压缩方法；所述应用于智能物联网的特征提取及数据压缩装置包括：归一化模块，其用于对所述原始采集信号进行归一化得到归一化数据集；其中，所述原始采集信号包括m’个原始采样点，归一化数据集包括m’个归一化采样点，原始采样点与归一化采样点一一对应；极值筛选模块，其用于对所述归一化数据集进行筛选得到局部极值数据集；其中，所述局部极值数据集包括m个局部极值点；时间特性提取模块，其用于对m个局部极值点进行时间特性提取；空间特性提取模块，其用于对m个局部极值点进行空间特性提取；以及异步脉冲序列转化模块，其用于对于单个局部极值点，融合其提取的时间特性、空间特性，并打包成具有时间信息和空间信息的异步脉冲；将m个局部极值点所对应的异步脉冲组成异步脉冲序列，形成脉冲信号。10.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序指令，计算机程序指令被一处理器读取并运行时，执行如权利要求1-8中任一所述的应用于智能物联网的特征提取及数据压缩方法的步骤。

技术总结
本发明涉及智能物联网信号处理技术领域，更具体的，涉及一种应用于智能物联网的特征提取及数据压缩方法、装置。本发明从原始采集信号中筛选出局部极值点，忽略掉非极值点的采样点，这样在处理高频率或长信号时可以进一步缩短处理后的数据长度，减少数据冗余。本发明通过异步脉冲序列转化，将局部极值点的信息打包成具有时间信息和空间信息异步脉冲，无需重新编码，避免了额外编码过程带来的时延和能耗。并且异步脉冲序列输入脉冲神经网络时可以实现异步的效果，避免脉冲间多个神经元等待的问题；异步脉冲序列可以减少计算量，并实现脉冲稀疏性。本发明解决了现有方法中存在冗余数据、能量消耗偏高的问题。能量消耗偏高的问题。能量消耗偏高的问题。


技术研发人员：蔺智挺 赵天昊 刘影 吴秀龙 彭春雨 赵强 郝礼才
受保护的技术使用者：安徽大学
技术研发日：2023.07.14
技术公布日：2023/10/19