一种基于补偿型长短期记忆网络的触感通信容错方法及系统技术方案

本发明专利技术涉及一种基于补偿型长短期记忆网络的触感通信容错方法及系统，根据触感数据特性，设计了补偿型LSTM数据预测模型，在接收数据时，利用该补偿型LSTM模型对通信过程中丢失的或者被压缩去掉的数据进行预测重构，恢复原序列。本发明专利技术通过加入补偿门对输出值进行补偿，进一步降低预测误差，提高触感通信系统稳定性。

【技术实现步骤摘要】
一种基于补偿型长短期记忆网络的触感通信容错方法及系统
本专利技术涉及触感通信
，特别是一种基于补偿型长短期记忆网络的触感通信容错方法及系统。
技术介绍
随着虚拟现实(VR)和人工智能领域的发展，人们逐渐无法满足于视觉和听觉上获得的真实感和沉浸感，因而触感在业界受到越来越多的关注。触感数据在传输过程中可能因网络抖动等问题造成传输出错，进而可能导致触感通信系统不稳定。传统上采用零阶保持与一阶线性等方法解决此问题，但研究表明触感数据并不仅是简单的线性关系。近年来，长短期记忆(LSTM)神经网络由于其在时间序列预测上的优势，有研究人员利用其实现了触感数据的非线性预测，并在容错性能上有了较大提升。但是触感数据的变化规律性较差，使用原始的LSTM进行预测时，当遇到触感数据变化前后斜率突变的情况时，LSTM预测将在拐点处出现一个较大误差，并在之后的预测中延续或稍微减小该误差值，从而导致总体上的预测效果不佳。
技术实现思路
有鉴于此，本专利技术提出一种基于补偿型长短期记忆网络的触感通信容错方法及系统，通过加入补偿门对输出值进行补偿，进一步降低预测误差，提高触感通信系统稳定性。本专利技术设计了以下方案实现：一种基于补偿型长短期记忆网络的触感通信容错方法，具体包括以下步骤：根据触感数据特性，设计了补偿型LSTM数据预测模型，在接收数据时，采用补偿型LSTM模型对通信过程中缺失的数据进行预测重构，恢复原序列。进一步地，所述补偿型LSTM模型为R-LSTM模型，通过分析，所述R-LSTM模型为在原始的LSTM门结构上增加一个补偿门，根据输入的前一时刻真实值xt-1与预测值Output_tml计算补偿值，把得到的补偿值加入到原来LSTM的输出反馈值中，得到当前时刻的预测值。进一步地，所述补偿门的计算公式如下：rt＝sigmoid(wr*(Output_tml-xt-1)+br)；式中，wr、br、Output_tml、xt-1分别为补偿门的权重系数、偏置系数、前一时刻的预测值、前一时刻的真实值，sigmoid()为激活函数，rt为计算得到的补偿值。进一步地，所述R-LSTM模型的总体计算公式如下：式中，ft是遗忘门，it是输入门，是细胞状态，ot是输出门，ht是当前时刻的输出反馈值；xt表示当前时刻的真实值，xt-1表示前一时刻的真实值；W项是权重矩阵，Wf、Wi、Wr和Wo分别是遗忘门、输入门、补偿门、输出门对应的权重矩阵，Wc是细胞状态的权重矩阵；b为偏置向量，bf、bi、br和bo分别是遗忘门、输入门、补偿门、输出门的偏置向量，bc是细胞状态的偏置向量；ht-1是前一个时刻的输出反馈值，Ct-1和Ct分别表示前一个时刻和当前时刻的细胞状态，outputst-1代表前一个时刻的输出预测值，rt代表当前时刻的补偿值；·表示矩阵之间的乘法运算，*表示逐元素相乘，σ和tanh是激活函数，σ表示sigmoid()函数，tanh()表示双曲正切函数。进一步地，本专利技术的方法还包括步骤：在发送数据时，通过对要发送的数据进行预测压缩，仅发送预测值与真实值相对偏差大于死区参数的数据帧，以减少需要发送的数据量。进一步地，所述缺失的数据为丢包数据或者因压缩省去的数据。进一步地，所述对要发送的数据进行预测压缩具体为：采用下式对数据进行预测压缩：式中，为当前要发送的真实值，为通过R-LSTM模型预测得到的预测值，k为死区参数。进一步地，所述死区参数k的取值为0.15。本专利技术还提供了一种补偿型长短期记忆网络的触感通信容错系统，包括接收端；根据触感数据特性，设计了补偿型LSTM数据预测模型，所述接收端在接收数据时，采用补偿型LSTM模型对通信过程中缺失的数据进行预测重构，恢复原序列。其中的所述补偿型LSTM模型为R-LSTM模型，该模型的具体内容同上文所述。本专利技术还提供了一种补偿型长短期记忆网络的触感通信容错系统，包括接收端与发送端；根据触感数据特性，设计了补偿型LSTM数据预测模型，所述接收端在接收数据时，采用补偿型LSTM模型对通信过程中缺失的数据进行预测重构，恢复原序列；所述发送端在发送数据时，通过对要发送的数据进行预测压缩，仅发送预测值与真实值相对偏差大于死区参数的数据帧，以减少需要发送的数据量；其中，所述补偿型LSTM模型为R-LSTM模型，该模型的具体内容同上文所述。发送数据时的步骤也采用上文所述的方法。与现有技术相比，本专利技术有以下有益效果：1、本专利技术在原始LSTM网络的基础上，根据实验结果，改进了原先的网络结构，新加入了一个补偿门用于在误差较大时补偿输出值，从而使得预测更加精准，使得触感通信系统的稳定性得到较大改善。2、本专利技术在发送端对要发送的数据进行压缩，当且仅当要发送的数据包的真实值和预测值的相对偏差大于死区参数k时，才发送当前数据，能够在同样的时间发送更多有用的数据，大幅度提高数据传输的效率。附图说明图1为本专利技术实施例的方法流程示意图。图2为本专利技术实施例的R-LSTM模型示意图。图3为本专利技术实施例的LSTM实验结果示意图。具体实施方式下面结合附图及实施例对本专利技术做进一步说明。应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。如图1所示，本实施例提供了一种基于补偿型长短期记忆网络的触感通信容错方法，具体包括以下步骤：根据触感数据特性，设计了补偿型LSTM数据预测模型，在接收数据时，采用补偿型LSTM模型对通信过程中缺失的数据进行预测重构，恢复原序列。进一步地，所述补偿型LSTM模型为R-LSTM模型，所述R-LSTM模型为在原始的LSTM门结构上增加一个补偿门，根据输入的前一时刻真实值xt-1与预测值Output_tml计算补偿值，把得到的补偿值加入到原来LSTM的输出反馈值中，得到当前时刻的预测值。特别的，所述补偿型长短记忆神经网络模型为本专利技术根据实验在原有LSTM模型基础上进行改进所得到的。原始长短期记忆网络(LSTM)用于触感通信算法存在一定缺陷。为了测试LSTM预测算法的性能，本实施例通过设计了无丢包的触感通信容错实验，用LSTM预测算法，在没有丢包的情况下，由前一时刻的真实值来预测当前时刻的值。最后把预测值与真实值进行比较，客观评价指标采用绝对误差。截取一小段区间预测值与真实值的拟合情况，如图3所示。其中，横坐标是对应的记录时间，单位为ms；纵坐标是触感数据的值大小，单位本文档来自技高网...

【技术保护点】
1.一种基于补偿型长短期记忆网络的触感通信容错方法，其特征在于，包括以下步骤：/n根据触感数据特性，设计补偿型LSTM数据预测模型，在接收数据时，利用补偿型LSTM模型对通信过程中缺失的数据进行预测重构，恢复原序列。/n

【技术特征摘要】
1.一种基于补偿型长短期记忆网络的触感通信容错方法，其特征在于，包括以下步骤：
根据触感数据特性，设计补偿型LSTM数据预测模型，在接收数据时，利用补偿型LSTM模型对通信过程中缺失的数据进行预测重构，恢复原序列。


2.根据权利要求1所述的一种基于补偿型长短期记忆网络的触感通信容错方法，其特征在于，所述补偿型LSTM模型为R-LSTM模型，所述R-LSTM模型为在原始的LSTM门结构上增加一个补偿门，根据输入的前一时刻真实值xt-1与预测值Output_tml计算补偿值，把得到的补偿值加入到原来LSTM的输出反馈值中，得到当前时刻的预测值。


3.根据权利要求2所述的一种基于补偿型长短期记忆网络的触感通信容错方法，其特征在于，所述补偿门的计算公式如下：
rt＝sigmoid(wr*(Output_tml-xt-1)+br)；
式中，wr、br、Output_tml、xt-1分别为补偿门的权重系数、偏置系数、前一时刻的预测值、前一时刻的真实值，sigmoid()为激活函数，rt为计算得到的补偿值。


4.根据权利要求2所述的一种基于补偿型长短期记忆网络的触感通信容错方法，其特征在于，所述R-LSTM模型的总体计算公式如下：



式中，ft是遗忘门，it是输入门，是细胞状态，ot是输出门，ht是当前时刻的输出反馈值；xt表示当前时刻的真实值，xt-1表示前一时刻的真实值；W项是权重矩阵，Wf、Wi、Wr和Wo分别是遗忘门、输入门、补偿门、输出门对应的权重矩阵，Wc是细胞状态的权重矩阵；b为偏置向量，bf、bi、br和bo分别是遗忘门、输入门、补偿门、输出门的偏置向量，bc是细胞状态的偏置向量；ht-1是前一个时刻的输出反馈值，Ct-1和Ct分别表示前一个时刻和当前时刻的细胞状态，outputst-1代表前一个时刻的输出预测值，rt代表当前时刻的补偿值；·表示矩阵之间的乘法运算，*表示逐元素相乘，σ和tanh是激活函数，σ表示sigmoid()函数，tanh()表示双曲正切函数。


5.根据权利要求1所述的一种基于补偿型长短期记忆网络的触感通信容错方法，其特征在于，还包括步骤：在发送数据时，通过对要发送的数据进行预测压缩，仅发送预测值与真实值相对偏差大于死区参数的数据帧，以减少需要发送的数据量。


6.根据权利要求5所述的一种基于补偿型长短期记忆网络的触感通信容错方法，其特征在于，所述缺失的数据为丢包数据或者因压缩省去的数据。


7.根据权利要求5...

【专利技术属性】
技术研发人员：徐艺文，林擎旭，郑权斐，房颖，赵铁松，
申请(专利权)人：福州大学，
类型：发明
国别省市：福建;35