基于多源传感器数据的无损压缩算法研究.docx

基于多源传感器数据的无损压缩算法研究摘要近年来，多源传感器系统已经广泛应用在军事、农业，林业等多个领域，然而随之而来的问题 是，信息表现的多样性、信息数量的巨大性，信息关系的复杂性，以及要求信息处理的实时性，都 已大大超出一般计算机的综合处理能力对多源传感器数据压缩技术研究，可以有效的解决上述问 题，这对多源传感器系统的发展起着重要意义通过传感器采集的数据通常会进行后续处理，以获得诸如植被、森里砍伐等不同数值指标，此 类数据在压缩前后不应该出现任何差异，因此本文以无损压缩算法为主要研究对象本文首先以信 息论的概念为出发点，介绍了数据压缩的概念和基础理论，其中给出了压缩算法性能评价指标，并 指出了压缩的极限所在之后，所究了基于统计的Shannon编码、Huffman编码和算术编码，基于字 典的LZW算法，作了理论与算法层面分析考虑到经典压缩算法通常只关注通用性，并不追求压缩 的高效性，而本文希望针对多源传感器数据找出一种更有效的压缩算法之后，本文通过大量研究 发现DEFLATE算法编码特点与传感器数据的“近邻原则”相吻合，这是一种结合了 LZ77和Huffman 的算法，在理论上它应能更有效的处理多源传感器数据。

之后，为了进一步针对待测数据提升算法 性能，本文提出在DEFLATE算法匹配过程中，增加“副搜索”功能，这个改进有效的增加找到更长 匹配串的可能性，从而进一步降低编码长度为了将改进的DEFLATE算法与经典压缩算法作对比，本文在最后一章给出了 Huffman算法、LZW、 改进deflate算法压缩与解压缩的具体实现方法，通过最终对比实验发现，DEFLATE算法对多源传 感器数据的压缩性能优越关键字：多源传感器，DEFLATE算法，副搜索，Huffman算法，LZW算法Research on Lossless Compression Algorithm Based on Multi-sensor DataElectronics and Information Technology 11-1 Gong ShunwangSupervisor Wang PeiAbstractIn recent years, multi sensor system has been widely used in military, agricultural, forestry and other fields, but the ensuing problem is, the diversity of presented information and the enormous amount of information, information on the complexity of the relationship, as well as the requirements of real-time information processing, are significantly higher than general computer integrated processing capabilities. Research on multi-source data compression, can effectively solve the problem, which plays an important role in the development of multi sensor system.Data collected by sensors typically for subsequent processing in order to obtain different numerical indicators such as vegetation, forest felling, such data should not be any difference before and after compression, therefore, lossless compression algorithms are the main object of this thesis. Firstly started from the concepts of Information Theory, introduces the concept of data compression and basic theory, which gives the assessment criteria of compression algorithm performance, and points out the compressed limits. This thesis studies Shannon coding, Huffman coding and arithmetic coding, LZW algorithm. Taking into account the classical compression algorithms usually only focus on versatility, and we hope for multi sensor data to figure out a more efficient compression algorithms. This thesis through a large number of characteristics encoded DEFLATE algorithm with the sensor data the study found "neighbor principle" match, which is a combination of the LZ77 algorithm and Huffman, in theory, it should be able to handle multiple sources of data more effectively. And in order to further improving algorithm performance test data presented in the DEFLATE algorithm in the matching process, increase in "search*' function, this effectively increases the likelihood of longer match is found, further reducing code length.In order to improve compared with classic compression algorithm DEFLATE algorithm, based on the final chapter gives a Huffman algorithm, LZW compression and decompression algorithm realization methods, according to the final experiment found that DEFLATE algorithm for multi-source data compression and superior performance.Keywords: multi-sensor, DEFLATE, subsidiary searching, Huffman algorithm, LZW algorithm目录1绪论 11.1研究背景 11.1.1多源传感器应用综述 11.1.2研究数据压缩的意义 21.2国内外发展现状 21.3本文研究的主要内容和论文结构 42数据压缩理论基础 62.1 压缩技术 62.1.1无损压缩 62.1.2有损压缩 72.2信息论简介 72.2.1 信源 82.2.2信息量与炳 82.3压缩性能评价指标 93经典无损压缩算法 113.1香农编码 113.2霍夫曼编码 123.2.1霍夫曼编码方法 123.2.2霍夫曼解码方法 143.2.3霍夫曼编码算法程序模块 143.3算术编码 153.3.1算术编码原理 153.3.2算术编码算法程序模块 183.3.3算术编码伪代码 183.3.4算术编码最优压缩性Ml 193.4 LZW 编码 203.4.1 LZW 字典结构 203.4.2 LZW 算法描述 203.4.3 LZW 编码过程 203.4.4 LZW 解码过程 234基于多源传感器数据无损压缩算法设计 264.1算法总体设计 264.2 Deflate 算法 274.2.1 LZ77算法字串匹配 274.2.2 Huffman 算法二次编码 294.3对DEFLATE算法匹配过程改进 295无损压缩算法实现及对比实验 315.1无损压缩算法实现 315.1.1 Huffman算法的具体实现 315.1.2 LZW算法的具体实现 335.1.3改进DEFLATE算法的具体实现 355.2算法的对比实验及结果分析 395.2.1数据源 395.2.2 Huffman 算法测试 405.2.3 LZW算法测试 425.2.4 Deflate 与改进 Deflate 算法测试 445.2.5测试结果对比分析 466总结与展望 48致谢 49参考文献 501绪论1.1研究背景随着微电子技术、集成电路及其设计技术、计算机技术、近代信号处理技术和传感器技术的发 展，各种面向复杂应用背景的多传感器系统大量涌现。

多传感器的数据融合(Ltoa Fusion),它是20 世纪80年代形成和发展起来的一种自动化信息综合处理技术，是指对来自多个传感器的数据进行多 级别、多方面、多层次的处理，从而产生新的有意义的信息，而这种新信息是任何单一传感器所无 法获得的然而该技术在发展过程中面临着如信息量巨大带来的问题，这对多传感器数据的传输、 保存造成很大影响，因此现在对基于此类数据的压缩算法的需求日趋迫切1.1.1多源传感器应用综述随着现代科学技术在军事领域的广泛应用，现代战争己经突破了传统模式，发展成为陆、海、 空、天、电磁五位一体的战争⑵在现代战术系统中，依靠单一传感器提供信息已无法满足作战需要， 必须运用包括雷达、红外、激光、电子支援措施(Electronic Support Measures, ESM)等在内的多种 有源、无源传感器来提供观测信息这就需要对多数据源获取的信息进行综合处理，实时进行目标 发现和优化综合处理来获取目标状态估计、目标属性及目标身份、态势评估、威胁估计等作战信息 [3]»多传感器系统具有更强的生存能力，扩展了空间覆盖范围，并能够减少信息的模糊性而得到更精 确的估计结果，这些优点都使得多传感器系统的应用越来越重要。

在农业工程中，应用最多的是遥感系统遥感应用主要是对地面目标或实体进行监视、识别与 定位其中，包括对自然资源，如水利资源、森林资源和矿产资源等的调查与定位；对自然灾害、原 油泄露、核泄露、森林火灾和自然环境变化进行监测等对一个农业资源监视系统，不仅可以对农 作物的生长情况、种植面积、水肥状况、自然灾害监测、是否发生病虫害等进行监测和了解，而且 还可以对农作物进行估产，通过遥感数据提取农作物的生物物理和生物化学参数，进行重要的生物 和农学参数的反演和对一些重要的生态系统过程(如光合作用、碳氮循环等)的研究模拟，通过研 究光谱数据与干物质产量、叶面积指数等基本农。