时序数据实时高效线性压缩与解压缩方法

摘要

本发明公开了一种时序数据实时高效线性压缩与解压缩方法。根据所处理时序数据的类型和压缩阈值，采用滤波算法对数据进行滤波，按照数据结构封装规则对滤波后的数据进行结构封装，将结构封装的数据存入数据缓冲区，当数据缓冲区存满时，启动线性压缩方法对结构封装的数据进行线性压缩，并将压缩后的数据存入历史数据存储区；当需要查询数据时，调用解压缩方法对历史数据存储区中的数据进行解压。本发明可应用于各类工业控制系统时序数据的压缩和解压缩，适用于数据流量大、采样种类多、干扰冗余严重的情况，可较好地保留原数据的特征，实时性好，压缩比高，实用性强。

主权项

1.一种时序数据实时高效线性压缩与解压缩方法，其特征在于，包括以下步骤：步骤1：对于待压缩的一组数据，基于第1个数据(x₁,y₁)和第2个数据(x₂,y₂)加上压缩阈值(0,t)为基准，建立第1条直线，该直线的斜率k_max为本次压缩的斜率上限：$k_{\max }=\frac{(y_2+t-y_1)}{(x_2-x_1)},$式中：x表示时刻；y表示x时刻的数据值；t表示压缩阈值，即数据压缩所允许的误差限；以第1个数据(x₁,y₁)和第2个数据(x₂,y₂)减去压缩阈值(0,t)为基准建立第2条直线，该直线的斜率k_min为本次压缩的斜率下限$k_{\min }=\frac{(y_2-t-y_1)}{(x_2-x_1)},$步骤2：再以第1个数据和第3个数据重复以上步骤，即得到新的斜率和斜率如下：$k_{\max }^{\prime }=\frac{(y_3+t-y_1)}{(x_3-x_1)};$$k_{\min }^{\prime }=\frac{(y_3-t-y_1)}{(x_3-x_1)};$取和k_max中的较小者作为k_max，取和k_min中的较大者作为k_min，即$k_{\max }=\min (k_{\max }^{\prime },k_{\max });$$k_{\min }=\max (k_{\min }^{\prime },k_{\min });$步骤3：对第i个数据(x_i,y_i)，i大于等于4，计算新的如下：$k_{\max }^{\prime }=\frac{(y_i+t-y_1)}{(x_i-x_1)};$$k_{\min }^{\prime }=\frac{(y_i-t-y_1)}{(x_i-x_1)};$取和k_max中的较小者作为k_max，取和k_min中的较大者作为k_min，即$k_{\max }=\min (k_{\max }^{\prime },k_{\max });$$k_{\min }=\max (k_{\min }^{\prime },k_{\min });$步骤4：比较当前的k_max与k_min，如果k_max>k_min，则令i=i+1，返回步骤3，如果k_max小于或等于k_min，则此段压缩结束，记录当前的i为n，保存压缩中用到的数据点n-1处的数据(x_n-1，y_n-1)，并根据数据点n-1处的k_max、k_min的平均值，调整n-1处的数据值y_n-1，即$y_{n-1}=\left(\frac{k_{\max }+k_{\min }}{2}\right)·(x_{n-1}-x_1)+y_1;$并将更新后的(x_n-1,y_n-1)保存到历史数据存储区；步骤5：处理待压缩的一组数据中的下一段数据，直到待压缩的一组数据的最后一个数据，具体步骤如下：将第n个数据点(x_n,y_n)作为所述的第1个数据点，将第n+1个数据点(x_n+1,y_n+1)作为所述的第2个数据点，…,依此类推，重复步骤1-4，直到处理到待压缩的数据的最后一个数据，整个压缩过程结束；压缩进行的过程中，当判断出到达数据的最后一位时，如果仍有k_max>k_min，则只保存最后一位数据，结束压缩；解压缩过程为：将历史数据存储区内相邻数据用直线相连以还原历史数据曲线，当需要查询某时刻的数据时，根据线性插值计算得到待求点处的数据。