基于張量分解的AoT序列數據有損壓縮方法

作者：楊晨,高鴻,張麗瑩,胡旭,俞肇元,李冬雙

摘要：Array of Things (AoT)通過單一位置上的多傳感器對城市系統進行連續動態觀測。AoT觀測數據量大且持續增長,使得如何利用有限的計算資源進行AoT序列數據的壓縮傳輸成為其應用的關鍵瓶頸之一。本文提出了一種基于張量分解的AoT序列數據的有損壓縮方法。面向其海量、高維且需在傳感器端處理的需求,該方法首先將AoT序列數據組織成高維張量,利用算法復雜度較低的張量CANDECOMP/PARAFAC (CP)分解提取各維度上的特征主分量,而后利用張量重構實現特征保持的數據有損壓縮。利用基于張量分解的有損壓縮方法,針對美國芝加哥市區的24 h內感測的聲光電磁數據進行了實驗,討論了不同壓縮參數對壓縮比、壓縮誤差、壓縮精度、壓縮時間、壓縮過程運行內存占用和壓縮結果內存占用之間的影響。實驗結果表明該方法可實現AoT序列數據的有損壓縮,其較小的內存占用能夠支持傳感器端數據壓縮。并且與原始光場強度對比表明,壓縮后的數據保持了原有時空分布特征。與傳統矢量量化編碼壓縮方法相比,在相同壓縮精度下,本文方法的壓縮比約高27%~76%,壓縮時間約節省46%~73%,壓縮結果所占內存約節省17%~57%,因此本文方法具有更高的壓縮比,更低的壓縮時間和內存占用,可為Ao T這一類數據的大規模有損壓縮提供借鑒意義。

發文機構：南京師范大學虛擬地理環境教育部重點實驗室 江蘇省地理環境演化國家重點實驗室培育建設點 江蘇省地理信息資源開發與利用協同創新中心 江蘇省作物遺傳生理國家重點實驗室/江蘇省作物栽培生理重點實驗室 江蘇省糧食作物現代產業技術協同創新中心

關鍵詞：傳感器時空序列AOT有損壓縮多維張量張量分解CP分解張量重構sensorspatio-temporal sequenceArray of Things(AoT)lossy compressionmultidimensional tensortensor decompositionCANDECOMP/PARAFAC decompositiontensor reconstruction

分類號： TP3[自動化與計算機技術—計算機科學與技術]