海洋数据自适应采样通信方法及系统技术方案

本发明专利技术提供了一种海洋数据自适应采样通信方法及系统，包括水体相似度计算：采集并解析水体样本，计算解析得到的相邻数据差异性梯度；数据采集模式切换：根据相邻数据差异性梯度以及定义的采集模式切换阈值，确定数据采集模式；数据采集与通信：根据确定的数据采集模式采集、存储和传输数据。本发明专利技术融合机器学习与海洋仪器多传感器数据采集通信技术，采集数据更加有效，解决系统采集数据冗余问题；只对有效数据进行传输，解决了以往数据量大但无效数据占很大比重的问题，极大降低系统带宽浪费；根据数据变化情况采集数据，保证数据的仿真精度。

【技术实现步骤摘要】
海洋数据自适应采样通信方法及系统
本专利技术涉及数据处理
，具体地，涉及一种海洋数据自适应采样通信方法及系统。
技术介绍
当前海洋传感器的数据采集系统中，一般采用等密度数据采集算法，该算法由系统或用户设计开发阶段设定数据采集的密度，系统按照设定的采集密度对水体数据进行采集和分析，这种方法虽然比较简单，易于实现，但是它会带来时空冗余问题，造成采集的大数据量对通信造成压力，降低数据采集效率，尤其是面对目前海洋仪器越来越面向多传感器集成、大数据量取，这一传统方式的缺点日益凸显。目前
中对这一问题的解决方式一般是管理员根据测量性能的实际要求，人为地增加或减少数据采集及通信时间间隔，但是这样做同样存在缺陷。在数据变化比较明显的区域，认为提高采集频率，但是这样做对数据平缓区域的采集频率也提高了，浪费系统带宽；相反，如果降低系统带宽消耗，那么需要减小采样频率，这样又会导致数据变化强烈区域的仿真精度得不到保障。
技术实现思路
针对现有技术中的缺陷，本专利技术的目的是提供一种海洋数据自适应采样通信方法及系统。根据本专利技术提供的一种海洋数据自适应采样通信方法，包括：水体相似度计算步骤：采集并解析水体样本，计算解析得到的相邻数据差异性梯度；数据采集模式切换步骤：根据相邻数据差异性梯度以及定义的采集模式切换阈值，确定数据采集模式；数据采集与通信步骤：根据确定的数据采集模式采集、存储和传输数据。较佳的，所述水体相似度计算步骤具体包括：步骤1.1：采集水体样本；步骤1.2：通过机器学习，解析水体样本数据；步骤1.3：计算相邻数据差异性梯度。较佳的，所述数据采集模式切换步骤具体包括：步骤2.1：定义采集模式切换阈值；步骤2.2：比较相邻数据差异性梯度与采集模式切换阈值；步骤2.3：通过机器学习，自适应确定数据采集模式。较佳的，所述数据采集与通信步骤具体包括：步骤3.1：根据确定的数据采集模式采集数据；步骤3.2：存储与传输采集到的数据；步骤3.3：回到水体相似度计算步骤进行循环。根据本专利技术提供的一种海洋数据自适应采样通信系统，包括：水体相似度计算模块：采集并解析水体样本，计算解析得到的相邻数据差异性梯度；数据采集模式切换模块：根据相邻数据差异性梯度以及定义的采集模式切换阈值，确定数据采集模式；数据采集与通信模块：根据确定的数据采集模式采集、存储和传输数据。较佳的，所述水体相似度计算模块具体包括：样本采集子模块：采集水体样本；解析子模块：通过机器学习，解析水体样本数据；计算子模块：计算相邻数据差异性梯度。较佳的，所述数据采集模式切换步骤具体包括：阈值定义子模块：定义采集模式切换阈值；比较子模块：比较相邻数据差异性梯度与采集模式切换阈值；模式确定子模块：通过机器学习，自适应确定数据采集模式。较佳的，所述数据采集与通信模块具体包括：数据采集子模块：根据确定的数据采集模式采集数据；存储与传输子模块：存储与传输采集到的数据。与现有技术相比，本专利技术具有如下的有益效果：1、融合机器学习与海洋仪器多传感器数据采集通信技术，采集数据更加有效，解决系统采集数据冗余问题；2、只对有效数据进行传输，解决了以往数据量大但无效数据占很大比重的问题，极大降低系统带宽浪费；3、根据数据变化情况采集数据，保证数据的仿真精度。附图说明通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显：图1为本专利技术的流程图。具体实施方式下面结合具体实施例对本专利技术进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本专利技术，但不以任何形式限制本专利技术。应当指出的是，对本领域的普通技术人员来说，在不脱离本专利技术构思的前提下，还可以做出若干变化和改进。这些都属于本专利技术的保护范围。关于本专利的专利技术方式，我们主要搭载于面向全球深海大洋的智能浮标系统，基于1)多传感器数据采集，2)样本梯度计算，3)机器学习原理，4)自动控制原理，四个方面实现该专利技术专利。全球深海大洋智能浮标实现多传感器集成技术，搭载的传感器可以获取水体多种数据，在传感器工作时，传感器采集范围内的水体样本，获取样本数据，同时系统数据处理模块接收并处理水体样本数据。将处理后的数据进行机器学习，按照预设的算法计算数据的相邻数据差异性梯度，得到连续采样数据的相似程度，并以数值衡量。根据预先设置的采集模式切换阈值，并将机器学习结果梯度值与该阈值作比较，数据处理模块根据比较结果及适应范围，由核心控制单元自动控制切换数据采集模式：当水体相似度高(梯度值低于阈值)时，采用稀疏采集、通信的方式；当水体相似度低(梯度值高于阈值)时，采用密集采集、通信的方式。基于机器学习原理重复上述过程，使系统始终处于数据计算，阈值比较，模式切换的工作过程。如图1所示，本专利技术提供的一种海洋数据自适应采样通信方法，包括：水体相似度计算步骤：采集并解析水体样本，计算解析得到的相邻数据差异性梯度；数据采集模式切换步骤：根据相邻数据差异性梯度以及定义的采集模式切换阈值，确定数据采集模式；数据采集与通信步骤：根据确定的数据采集模式采集、存储和传输数据。水体相似度计算步骤具体包括：步骤1.1：采集水体样本；步骤1.2：通过机器学习，解析水体样本数据；步骤1.3：计算相邻数据差异性梯度。数据采集模式切换步骤具体包括：步骤2.1：定义采集模式切换阈值；步骤2.2：比较相邻数据差异性梯度与采集模式切换阈值；步骤2.3：通过机器学习，自适应确定数据采集模式。数据采集与通信步骤具体包括：步骤3.1：根据确定的数据采集模式采集数据；步骤3.2：存储与传输采集到的数据；步骤3.3：回到水体相似度计算步骤进行循环。基于上述海洋数据自适应采样通信方法，本专利技术还提供一种海洋数据自适应采样通信系统，包括：水体相似度计算模块：采集并解析水体样本，计算解析得到的相邻数据差异性梯度；数据采集模式切换模块：根据相邻数据差异性梯度以及定义的采集模式切换阈值，确定数据采集模式；数据采集与通信模块：根据确定的数据采集模式采集、存储和传输数据。水体相似度计算模块具体包括：样本采集子模块：采集水体样本；解析子模块：通过机器学习，解析水体样本数据；计算子模块：计算相邻数据差异性梯度。数据采集模式切换步骤具体包括：阈值定义子模块：定义采集模式切换阈值；比较子模块：比较相邻数据差异性梯度与采集模式切换阈值；模式确定子模块：通过机器学习，自适应确定数据采集模式。数据采集与通信模块具体包括：数据采集子模块：根据确定的数据采集模式采集数据；存储与传输子模块：存储与传输采集到的数据。本领域技术人员知道，除了以纯计算机可读程序代码方式实现本专利技术提供的系统及其各个装置、模块、单元以外，完全可以通过将方法步骤进行逻辑编程来使得本专利技术提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本专利技术提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。以上对本专利技术的具体实施例进行了描述。需要理解的是，本专利技术并不局限于上述特定实施方式，本领域本文档来自技高网...

【技术保护点】
1.一种海洋数据自适应采样通信方法，其特征在于，包括：水体相似度计算步骤：采集并解析水体样本，计算解析得到的相邻数据差异性梯度；数据采集模式切换步骤：根据相邻数据差异性梯度以及定义的采集模式切换阈值，确定数据采集模式；数据采集与通信步骤：根据确定的数据采集模式采集、存储和传输数据。

【技术特征摘要】
1.一种海洋数据自适应采样通信方法，其特征在于，包括：水体相似度计算步骤：采集并解析水体样本，计算解析得到的相邻数据差异性梯度；数据采集模式切换步骤：根据相邻数据差异性梯度以及定义的采集模式切换阈值，确定数据采集模式；数据采集与通信步骤：根据确定的数据采集模式采集、存储和传输数据。2.根据权利要求1所述的海洋数据自适应采样通信方法，其特征在于，所述水体相似度计算步骤具体包括：步骤1.1：采集水体样本；步骤1.2：通过机器学习，解析水体样本数据；步骤1.3：计算相邻数据差异性梯度。3.根据权利要求1所述的海洋数据自适应采样通信方法，其特征在于，所述数据采集模式切换步骤具体包括：步骤2.1：定义采集模式切换阈值；步骤2.2：比较相邻数据差异性梯度与采集模式切换阈值；步骤2.3：通过机器学习，自适应确定数据采集模式。4.根据权利要求1所述的海洋数据自适应采样通信方法，其特征在于，所述数据采集与通信步骤具体包括：步骤3.1：根据确定的数据采集模式采集数据；步骤3.2：存储与传输采集到的数据；步骤3.3：回到水体相似度计算步...

【专利技术属性】
技术研发人员：于方杰，谢强，陈戈，呼欣蕾，丁策夫，张浩，
申请(专利权)人：中国海洋大学，
类型：发明
国别省市：山东,37