【技术实现步骤摘要】
本申请属于计算机，涉及一种基于数据类型的时序数据自适应压缩方法，特别是一种针对不同类型的时序数据采用不同压缩策略的自适应压缩方法及系统。
技术介绍
1、随着医疗物联网技术的快速发展，各类物联设备在各行各业中产生的时序数据不断快速增长。这些数据包括生命体征类(监护仪、呼吸机、麻醉机等)、检查检验类(ct、超声、dr、检验设备)以及基础设施类(给排水、供配电、医用气体、暖通空调)等设备产生的数据。对于如何高效压缩和存储这些时序数据的问题，目前仍然是一个亟待解决的问题。
2、传统的时序数据压缩方法通常采用固定压缩参数，无法适应不同类型的数据，导致压缩效果不佳。因此，研究一种基于数据类型的时序数据自适应压缩方法具有重要的理论和实际意义。本专利技术提供了一种基于数据类型的时序数据自适应压缩方法，通过结合滑动窗口压缩算法和增量式压缩算法，实现对不同类型数据的高效无损压缩。该方法能够根据不同类型的数据进行自适应压缩，提高压缩效果，并且具有较低的存储空间和传输带宽需求，适用于存储资源受限，网络带宽有限的环境。
3、总之，随着医疗物联网技术的不断发展，对时序数据的高效压缩和存储的需求越来越迫切。本专利技术的基于数据类型的时序数据自适应压缩方法为解决这一问题提供了有效的解决方案。
技术实现思路
1、本专利技术目的是提供一种医疗物联网设备的时序数据自适应压缩方法及系统，该方法通过对时序数据的类型进行识别，针对不同类型数据采用相应的压缩算法，实现在保证数据完整性的前提下，降低数据存
2、本专利技术的一个优势在于提供了一种基于数据类型的时序数据自适应压缩方法，特别是一种针对不同类型的时序数据采用不同压缩策略的自适应压缩方法。该方法能够在资源受限、网络受限的情况下，实现在有限的存储空间内存储更多的数据。
3、本专利技术的另一个优势在于提供了一种高效无损的时序数据压缩技术，能够保留数据的完整性和准确性，将数据压缩到更小的存储空间中，同时具有可重构性，能够完全还原成原始数据
4、本专利技术为实现上述目的所采用的技术方案是：医疗物联网设备的时序数据自适应压缩方法，包括以下步骤：
5、获取生命体征数据；
6、对生命体征数据进行数据类型识别；
7、根据识别的数据类型，选择压缩策略；
8、采用选定的压缩策略对时序数据进行压缩。
9、所述生命体征数据为从物联网设备通过通信协议获取的实时生命体征数据或者波形图。
10、所述对生命体征数据进行数据类型识别，包括以下步骤：
11、识别不同数据类型的数据；
12、对于某种数据类型的生命体征数据，识别用于表征数据类型所属生命体征的阈值范围，构建去异常条件；
13、如果某数据满足去异常条件，则将该数据为正常数据；
14、否则，认为是异常数据。
15、所述根据识别的数据类型，选择压缩策略，包括以下步骤：
16、对于用于表示生命体征监测数据的连续性数据，数据类型为数字，使用差分压缩算法以进行数据压缩；
17、对于用于表示设备类型的数据，数据类型为字符串，且具有重复数据，使用字典编码方法以进行数据压缩；
18、对于用于表示生命体征的波形数据，包含高频率的采样值，使用差分哈夫曼编码方法以进行压缩。
19、所述采用选定的压缩策略对时序数据进行压缩，对于用于表示生命体征监测类别的时序数据，根据最佳压缩比和编码方式进行压缩；
20、其中，最佳压缩比和编码方式通过以下步骤得到：
21、首先，统计出字符的出现频率，并更新字符频率字典表；根据字符频率字典表，获得对应的哈夫曼编码分配表或者低频字符分配表；
22、然后，将时序数据与哈夫曼编码分配表或者低频字符分配表匹配，得到用于表征是否匹配的返回值，进而得出最佳压缩比和编码方式。
23、所述采用选定的压缩策略对时序数据进行压缩，对于用于表示设备类型的数据，使用字典编码方法进行数据压缩，包括以下步骤：
24、建立字典：遍历数据列中的所有唯一字符串值；为每个唯一字符串值分配一个唯一的整数标识符；构建字典，将每个唯一字符串值与其对应的整数标识符关联；
25、替换原始值：对数据列中的每个字符串值，查找字典并将其替换为相应的整数标识符，原始字符串值被整数值取代；
26、存储字典和编码后的数据：存储建立的字典，包括字符串值到整数标识符的映射；存储编码后的数据，即包含整数标识符的新数据列，用于替代原始字符串数据。
27、所述采用选定的压缩策略对时序数据进行压缩，对于用于表示生命体征的波形数据，使用差分哈夫曼编码方法以进行压缩，包括以下步骤：
28、步骤1)差分压缩：统计波形数据序列中每个数据点与前一个数据点之间的差异值，得到差异值序列；
29、步骤2)进行哈夫曼编码：
30、首先，统计每个差异值的出现频率，并按出现频率升序排列，得到编码序列；
31、构建哈夫曼树，包括以下步骤：
32、(1)编码序列中每个差异值的出现频率作为一个节点，在n个节点找到两个最小权值节点分别作为两个为叶子节点构建一棵树，树根节点权值为左孩子节点、右孩子节点的权值和；
33、(2)在编码序列中找到两个最小权值的节点，将它们作为根节点，递归地构建左右子树；
34、(3)返回步骤(2)，遍历编码序列中所有节点，构成哈夫曼树；
35、(4)对每一层级的左孩子节点的权值即出现频率进行数据还原，实现差异值与出现频率的映射关系；
36、步骤3)，从哈夫曼树根节点开始，向左路径为0，向右路径为1，根据差异值与出现频率的映射关系，得到每个差异值的哈夫曼编码，构成二进制序列。
37、医疗物联网设备的时序数据自适应压缩方法，还包括对接收到的压缩数据进行解压缩，还原为原始时序数据，具体步骤如下：
38、1)获取预置的哈夫曼编码分配表或者低频字符分配表；
39、2)获取待解码数据，其中，待解码数据包括至少一个完整的压缩数据段；
40、3)根据预置的哈夫曼编码分配表或者低频字符分配表对待解码数据进行哈夫曼解码或低频字符解码，并记录待解码数据中的非完整的压缩数据段；
41、4)获取包括非完整的压缩数据段的下一待解码数据，返回步骤1)。
42、医疗物联网设备的时序数据自适应压缩系统，包括：
43、数据采集模块，用于获取生命体征数据；
44、数据类型识别模块，用于对生命体征数据进行数据类型识别；
45、压缩策略选择模块，用于根据识别的数据类型，选择压缩策略；
46、压缩模块，用于采用选定的压缩策略对时序数据进行压缩。
47、解压缩模块，用于对接收到的压缩数据进行解压缩，还原为原始时序数据。<本文档来自技高网...
【技术保护点】
1.医疗物联网设备的时序数据自适应压缩方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的医疗物联网设备的时序数据自适应压缩方法，其特征在于，所述生命体征数据为从物联网设备通过通信协议获取的实时生命体征数据或者波形图。
3.根据权利要求1所述的医疗物联网设备的时序数据自适应压缩方法及系统，其特征在于，所述对生命体征数据进行数据类型识别，包括以下步骤：
4.根据权利要求1所述的医疗物联网设备的时序数据自适应压缩方法，其特征在于，所述根据识别的数据类型，选择压缩策略，包括以下步骤：
5.根据权利要求1或4所述的医疗物联网设备的时序数据自适应压缩方法，其特征在于，所述采用选定的压缩策略对时序数据进行压缩，对于用于表示生命体征监测类别的时序数据，根据最佳压缩比和编码方式进行压缩；
6.根据权利要求1或4所述的医疗物联网设备的时序数据自适应压缩方法，其特征在于，所述采用选定的压缩策略对时序数据进行压缩，对于用于表示设备类型的数据，使用字典编码方法进行数据压缩，包括以下步骤：
7.根据权利要求1或4所述的医疗物联网
8.根据权利要求1所述的医疗物联网设备的时序数据自适应压缩方法，其特征在于，还包括对接收到的压缩数据进行解压缩，还原为原始时序数据，具体步骤如下：
9.医疗物联网设备的时序数据自适应压缩系统，其特征在于，包括：
10.根据权利要求1所述的医疗物联网设备的时序数据自适应压缩系统，其特征在于，包括解压缩模块，用于对接收到的压缩数据进行解压缩，还原为原始时序数据。
...【技术特征摘要】
1.医疗物联网设备的时序数据自适应压缩方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的医疗物联网设备的时序数据自适应压缩方法，其特征在于，所述生命体征数据为从物联网设备通过通信协议获取的实时生命体征数据或者波形图。
3.根据权利要求1所述的医疗物联网设备的时序数据自适应压缩方法及系统，其特征在于，所述对生命体征数据进行数据类型识别，包括以下步骤：
4.根据权利要求1所述的医疗物联网设备的时序数据自适应压缩方法，其特征在于，所述根据识别的数据类型，选择压缩策略，包括以下步骤：
5.根据权利要求1或4所述的医疗物联网设备的时序数据自适应压缩方法，其特征在于，所述采用选定的压缩策略对时序数据进行压缩，对于用于表示生命体征监测类别的时序数据，根据最佳压缩比和编码方式进行压缩；
6.根据权利要求1或4所述的医...
【专利技术属性】
技术研发人员：钱鹏，卢朝霞，景春雷，张磊，乔屾，倪艺洋，夏文超，
申请(专利权)人：东软汉枫医疗科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。