[发明专利]一种基于自回归模型帧预测的雷达数据压缩方法

权利要求书

1.一种基于自回归模型帧预测的雷达数据压缩方法，其特征在于，首先确定各原始帧数据的参考帧，将参考帧进行AR模型帧间预测后得到预测帧，然后用原始帧数据和前一帧重构数据进行差分建立差分模型，将当前帧与其预测帧的差值做BAQ的压缩及解压得到恢复的差值数据，最后将恢复的差值数据与预测帧相加得到重构的数据，包括以下步骤：

S1、取深空探测雷达的M帧道数据，对每组帧道数据进行N个点的采样，并将采样数据量化为16位存储的数据，将其作为原始帧数据；

S2、对于原始帧数据中的当前帧，将其与之前的多项帧数据做差值；

S3、对步骤S2中得到的各个差值数据求其1-范数和小数据占比，将1-范数和小数据占比的乘积作为评定参考帧的指标，评定参考帧具体为：分别对差值求1-范数norm1(A)和小数据占比Small_data_ratio(A)，1-范数norm1(A)用于判断数据动态范围，小数据占比Small_data_ratio(A)用于判断量化误差，最后将两个指标乘积作为最终预测指标，1-范数norm1(A)数值越小，动态范围越小，对于数组A＝[a₁,a₂,...,a_m]，1-范数定义如下：

norm1(A)＝|a₁|+|a₂|+...+|a_m|

其中，a表示数组A中的元素，m表示数组A中的元素个数，将差值数据进行归一化处理，取归一化后数据最大值与最小值的二分之一为阈值，将归一化后小于阈值的数据定义为小数据，小数据占比定义如下：

small_data_ratio＝N1/N2

其中，N1为小数据的数量，N2为总数据量，小数据占比Small_data_ratio(A)中数值小的数据越多，量化误差越小；

S4、根据步骤S3得到的乘积指标确定预测过程中所需要的参考帧；

S5、重复步骤S2到S4，依次得到各帧数据对应的参考帧；

S6、建立AR模型，将步骤S5各组参考帧数据经过AR模型预测后，分别选择其最优预测系数，经计算得到各帧数据的预测帧；

S7、对当前帧和由步骤S6得到的预测帧做差分，得到差值数据；

S8、将步骤S7得到的差值数据经分块自适应量化算法过程进行压缩、解压后，得到恢复差值；

S9、将步骤S1原始帧数据与步骤S8恢复差值相加得到重构帧数据，由重构帧数据和原始帧数据计算峰值信噪比PSNR和逼真度K共同判断重构数据的重构度，完成数据重构。

2.根据权利要求1所述的一种基于自回归模型帧预测的雷达数据压缩方法，其特征在于，步骤S2具体如下：

取消遍历的过程，对当前帧之前的n-1帧数据做一差值遍历；分别确定各个帧数据的最优参考帧距当前帧位置距离的最大值d₁和各个帧数据的次优参考帧距当前帧的位置距离的最大值d₂，将当前帧与之前的d₁项帧数据做差值计算得到最优参考帧；将当前帧与之前的d₂项帧数据做差值计算得到次优参考帧。

3.根据权利要求1所述的一种基于自回归模型帧预测的雷达数据压缩方法，其特征在于，步骤S6中，进行AR模型预测其预测阶数p≥2，且进行AR预测选取的帧数据必须与当前帧具有相关性，参考帧包括最优参考帧及次优参考帧，具体为：定义最优参考帧和次优参考帧分别为当前帧相关性最强的一帧数据及相关性次强的一帧数据。

4.根据权利要求1所述的一种基于自回归模型帧预测的雷达数据压缩方法，其特征在于，步骤S6中，AR模型具体如下：

其中，为预测帧数据，x为原始帧数据，n为预测帧数据的位置数，a为预测系数，p为预测阶数。

5.根据权利要求1所述的一种基于自回归模型帧预测的雷达数据压缩方法，其特征在于，步骤S8具体为：对差值数据进行分块，计算块内均值、方差，将每个数据块进行归一化处理符合均值为0，方差为1的高斯分布，以(0，1)高斯分布为基础进行量化，计算输出电平，将输出电平进行编码并传输，由数据块、数据块方差及输出电平恢复出重构差值数据。

6.根据权利要求1所述的一种基于自回归模型帧预测的雷达数据压缩方法，其特征在于，步骤S9重构过程中，对于16位存储的数据，定义峰值信噪比PSNR如下：

PSNR＝s/e

其中，s＝65535²，

定义逼真度K如下：

其中，f(i,j)为压缩后数据，g(i,j)为未压缩的原始数据。