编码器压缩率的调整方法、数据的反馈方法及装置制造方法及图纸

本发明专利技术涉及数据处理领域，提供一种编码器压缩率的调整方法、数据的反馈方法及装置，方法包括：将目标数据输入预先构建的第一神经网络模型，得到目标数据的最佳压缩率；第一神经网络模型是基于标记有最佳压缩率标签的目标数据样本对神经网络进行训练得到的；将编码器的压缩率调整至最佳压缩率。通过将目标数据输入第一神经网络模型，可以得到该目标数据的最佳压缩率，进而将编码器的压缩率调整至最佳压缩率，实现压缩率的自适应调整，使得数据压缩过程更加灵活可靠，解决了现有数据压缩方式数据压缩过程无法适应环境动态变化，压缩过程不够灵活可靠的问题。够灵活可靠的问题。够灵活可靠的问题。

【技术实现步骤摘要】
编码器压缩率的调整方法、数据的反馈方法及装置


[0001]本专利技术涉及数据处理
，尤其涉及一种编码器压缩率的调整方法、数据的反馈方法及装置。

技术介绍

[0002]传统自编码器中，编码器部分一般只能通过固定压缩率实现数据压缩，由于压缩率不可调整，数据压缩过程无法适应环境动态变化，压缩过程不够灵活可靠。

技术实现思路

[0003]本专利技术提供一种编码器压缩率的调整方法、数据的反馈方法及装置，用以解决现有技术中由于压缩率不可调整，数据压缩过程无法适应环境动态变化，压缩过程不够灵活可靠的缺陷。
[0004]第一方面，本专利技术提供一种编码器压缩率的调整方法，该方法包括：
[0005]将目标数据输入预先构建的第一神经网络模型，得到所述目标数据的最佳压缩率；其中，所述第一神经网络模型是基于标记有最佳压缩率标签的目标数据样本对神经网络进行训练得到的；
[0006]将编码器的压缩率调整至所述最佳压缩率。
[0007]根据本专利技术提供的编码器压缩率的调整方法，所述将目标数据输入预先构建的第一神经网络模型，得到所述目标数据的最佳压缩率，包括：
[0008]对所述目标数据的稀疏度进行分析，得到稀疏度分析结果；
[0009]基于所述稀疏度分析结果，确定所述目标数据的最佳压缩率。
[0010]根据本专利技术提供的编码器压缩率的调整方法，所述基于所述稀疏度分析结果，确定所述目标数据的最佳压缩率，包括：
[0011]基于所述稀疏度分析结果，将预设的多个理论压缩率中反馈精度高于预设精度阈值且反馈比特数最小的理论压缩率作为最佳压缩率。
[0012]根据本专利技术提供的编码器压缩率的调整方法，所述第一神经网络模型的训练过程，包括：
[0013]获取多个稀疏度不同的目标数据样本，并分别确定各个所述目标数据样本对应的最佳压缩率标签；
[0014]通过标记有最佳压缩率标签的目标数据样本对预先构建的神经网络进行训练，得到第一神经网络模型。
[0015]根据本专利技术提供的编码器压缩率的调整方法，所述通过标记有最佳压缩率标签的目标数据样本对预先构建的神经网络进行训练，包括：
[0016]向所述神经网络的损失函数中引入加权项，得到加权后的损失函数；
[0017]基于所述加权后的损失函数，通过标记有最佳压缩率标签的目标数据样本对所述神经网络进行训练。
[0018]根据本专利技术提供的编码器压缩率的调整方法，所述将编码器的压缩率调整至所述最佳压缩率，包括：
[0019]对编码器对应的第二神经网络模型中全连接层的节点数进行调节，以将所述编码器的压缩率调整至所述最佳压缩率。
[0020]第二方面，本专利技术还提供一种数据的反馈方法，该方法包括：
[0021]根据上述任一种所述编码器压缩率的调整方法将编码器的压缩率调整至所述最佳压缩率；
[0022]按照所述最佳压缩率对所述目标数据进行压缩；
[0023]将压缩后的所述目标数据和所述最佳压缩率对应的预设标识信息反馈至基站；
[0024]其中，所述基站用于根据所述预设标识信息确定所述最佳压缩率，并通过所述最佳压缩率对压缩后的所述目标数据进行解压缩。
[0025]根据本专利技术提供的数据的反馈方法，所述目标数据为下行信道状态信息。
[0026]第三方面，本专利技术还提供一种编码器压缩率的调整装置，该装置包括：
[0027]第一处理模块，用于将目标数据输入预先构建的第一神经网络模型，得到所述目标数据的最佳压缩率；其中，所述第一神经网络模型是基于标记有最佳压缩率标签的目标数据样本对神经网络进行训练得到的；
[0028]调整模块，用于将编码器的压缩率调整至所述最佳压缩率。
[0029]第四方面，本专利技术还提供一种数据的反馈装置，该装置包括：
[0030]第二处理模块，用于根据上述任一种所述编码器压缩率的调整方法将编码器的压缩率调整至所述最佳压缩率；
[0031]压缩模块，用于按照所述最佳压缩率对所述目标数据进行压缩；
[0032]反馈模块，用于将压缩后的所述目标数据和所述最佳压缩率对应的预设标识信息反馈至基站；
[0033]其中，所述基站用于根据所述预设标识信息确定所述最佳压缩率，并通过所述最佳压缩率对压缩后的所述目标数据进行解压缩。
[0034]本专利技术提供的编码器压缩率的调整方法、数据的反馈方法及装置，通过将目标数据输入第一神经网络模型，可以得到该目标数据的最佳压缩率，进而将编码器的压缩率调整至最佳压缩率，从而实现压缩率的自适应调整，使得数据压缩过程更加灵活可靠。
附图说明
[0035]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0036]图1是本专利技术提供的编码器压缩率的调整方法的流程示意图；
[0037]图2是编码器压缩率的调整、数据压缩、反馈以及解压缩的原理示意图；
[0038]图3是各个神经网络模型的结构示意图；
[0039]图4是本专利技术提供的数据的反馈方法的流程示意图；
[0040]图5是本专利技术提供的编码器压缩率的调整装置的结构示意图；
[0041]图6是本专利技术提供的数据的反馈装置的结构示意图；
[0042]图7是本专利技术提供的电子设备的结构示意图。
具体实施方式
[0043]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0044]下面结合图1至图7描述本专利技术实施例提供的编码器压缩率的调整方法、数据的反馈方法、编码器压缩率的调整装置、数据的反馈装置以及基于上述编码器压缩率的调整方法搭建的电子设备。
[0045]图1示出了本专利技术实施例提供的编码器压缩率的调整方法，该方法包括：
[0046]步骤110：将目标数据输入预先构建的第一神经网络模型，得到目标数据的最佳压缩率；其中，第一神经网络模型是基于标记有最佳压缩率标签的目标数据样本对神经网络进行训练得到的；
[0047]步骤120：将编码器的压缩率调整至最佳压缩率。
[0048]可以理解的是，本实施例中目标数据指的是待压缩的数据，当上述编码器压缩率的调整方法应用于频分双工系统中时，上述目标数据可以是下行信道状态信息，即信道矩阵。
[0049]在示例性实施例中，将目标数据输入预先构建的第一神经网络模型，得到目标数据的最佳压缩率的过程，具体可以包括：
[0050]对目标数据的稀疏度进行分析，得到稀疏度分析结本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种编码器压缩率的调整方法，其特征在于，包括：将目标数据输入预先构建的第一神经网络模型，得到所述目标数据的最佳压缩率；其中，所述第一神经网络模型是基于标记有最佳压缩率标签的目标数据样本对神经网络进行训练得到的；将编码器的压缩率调整至所述最佳压缩率。2.根据权利要求1所述的编码器压缩率的调整方法，其特征在于，所述将目标数据输入预先构建的第一神经网络模型，得到所述目标数据的最佳压缩率，包括：对所述目标数据的稀疏度进行分析，得到稀疏度分析结果；基于所述稀疏度分析结果，确定所述目标数据的最佳压缩率。3.根据权利要求2所述的编码器压缩率的调整方法，其特征在于，所述基于所述稀疏度分析结果，确定所述目标数据的最佳压缩率，包括：基于所述稀疏度分析结果，将预设的多个理论压缩率中反馈精度高于预设精度阈值且反馈比特数最小的理论压缩率作为最佳压缩率。4.根据权利要求1所述的编码器压缩率的调整方法，其特征在于，所述第一神经网络模型的训练过程，包括：获取多个稀疏度不同的目标数据样本，并分别确定各个所述目标数据样本对应的最佳压缩率标签；通过标记有最佳压缩率标签的目标数据样本对预先构建的神经网络进行训练，得到第一神经网络模型。5.根据权利要求4所述的编码器压缩率的调整方法，其特征在于，所述通过标记有最佳压缩率标签的目标数据样本对预先构建的神经网络进行训练，包括：向所述神经网络的损失函数中引入加权项，得到加权后的损失函数；基于所述加权后的损失函数，通过标记有最佳压缩率标签的目标数据样本对所述神经网络进行训练。6.根据权利要求1所述的编码器...

【专利技术属性】
技术研发人员：蒋玉骅，叶宏远，高飞飞，
申请(专利权)人：清华大学，
类型：发明
国别省市：