一种基于LS-SVM的互联网实时信号传输方法

摘要

本发明涉及一种基于LS‑SVM的互联网实时信号传输方法，属于计算机网络、信号处理两个技术领域的交叉。步骤包括：初始化阶段，模型信息的交互过程，发送端模型更新，应用端信号重建的过程。优点是：在发送端和应用端同时创建的基于LS‑SVM的DPS双预测模型，采用DPS机制，在期望的误差范围内，用预测模型的传输来替代采样数据的传输，大大减少网络传输数据量，有效的减少了网络带宽的占有率。用LS‑SVM在线预测提高互联网中非线性信号的预测精度，解决传统DPS方法在非线性信号网络传输中存在的可靠性问题；大大的减少了模型的训练的时间，只需要计算更新的拉格朗日乘子和偏置值。

主权项

一种基于LS‑SVM的互联网实时信号传输方法，其特征在于包括下列步骤：(一)、初始化阶段(1)、首先，选择N个均匀的采样数据，使用粒子群算法PSO，对核函数参数δ和常数γ进行优化，建立LS‑SVM模型，即算出核函数、α_i和b，由于采用的是均匀的采样，N值的大小也是固定的，由RBF核函数的计算公式可知核函数在整个预测过程中不受时间因素影响，是时不变的，在发送端存储已经算好的核函数和核函数的逆矩阵，能够有效的减少数据的计算量，其中核函数被用来预测数据，核函数的逆矩阵被用来计算预测模型参数α_i和b的，依据建立的LS‑SVM模型对采样数据进行预测，如果预测值和真实的采样数据值的误差超出用户期望误差ε时，计算发送数据的压缩率，由于在模型的信息交互过程中，选择三次的“握手”机制，在时钟同步的过程，和传输模型的更新信息，共需要发送6个数据帧，故：(2)、随着预测数据的个数的增加，压缩率随之增大，当数据的压缩率大于用户期望压缩率P时，选择压缩率最接近P时刻对应的预测误差阈值作为发送端的预测误差阈值ε_s，向应用端发送核函数创建所需的初始时间和时间间隔信息的数据帧；否则，向应用端发送无法进行用户期望误差ε预测的信息反馈；(二)、模型信息的交互过程发送端先发送同步请求，应用端收到后计算处理延迟，并将处理延迟值随同步响应帧和确认帧返回至发送端；发送端计算初始发送时刻和发送端接收到响应的时刻的差值，将其与接收端上的处理延迟相减，除以2即得到本次的同步帧传输时间，发送端向应用端发送携带同步帧传输时间的同步包和确认包，之后传输模型的更新信息，故一次的模型更新需要传输6个数据帧；(三)、发送端模型更新模型信息的更新，并将更新的模型信息发送到应用端，具体的模型更新条件是：(1)、误差在[0,ε_s]时，LS‑SVM进行了很好的数据预测，不需要更新模型；(2)、误差在[ε_s，ε_r]，预测误差在此范围的采样数据的个数超出训练样本1/4N时，才更新模型，选取的是之后的N个均匀的采样数据并建立模型；(3)、误差大于ε_r时由于数据的剧烈动荡，需要立即更新模型；采用两个阈值的方式，在保证模型的预测精度的同时，减少了模型的更新次数，可以有效的减少网络带宽的占有率；(四)、应用端信号重建的过程；(1)、首先，等待模型信息交互过程，接收同步帧，回复同步帧和确认帧，接收确认帧和同步帧后，解析同步帧，更新本地时钟信息；(2)、应用端将用户定义的预测误差阈值ε_r发送到发送端，等待接收发送端的反馈信息，如果是无法满足用户定义的预测误差阈值ε_r的预测时，需将此信息反馈给用户；否则，接收模型的核函数信息帧，依据初始时间和时间间隔生成核函数，保存核函数，并利用模型信息计算信号采样值；(3)、接收模型的更新信息后，建立LS‑SVM模型，对未传输的训练样本数据和采样值不满足更新条件的数据进行信号的恢复。