基于波形存储型红外学习的数据压缩方法

计算机与现代化

基于波形存储型红外学习的数据压缩方法

湖南农业大学信息科学技术学院，湖南长沙410128

收稿日期:2013-12-30 出版日期:2014-04-17 发布日期:2014-04-23
作者简介:作者简介：曾炼成（1974），男，湖南隆回人，湖南农业大学信息科学技术学院讲师，硕士，研究方向：嵌入式系统，无线传感器网络；周小云（1979），女，湖南邵阳人，讲师，硕士，研究方向：嵌入式系统。
基金资助:

基金项目：湖南省科技厅基金资助项目（2012GK3114, 2013GK3106）

Approach to Data Compression Based on Waveform Storage Infrared Remote Control Transmitter

Information Science and Technology Institute, Hunan Agricultural University, Changsha 410128, China

Received:2013-12-30 Online:2014-04-17 Published:2014-04-23

摘要/Abstract

摘要：

摘要：波形存储型红外遥控学习不受波形编码格式以及协议类型限制，数据编码压缩是其关键所在。以红外载波频率38 kHz来计量脉冲宽度，将脉冲波形转化为一维有符号数数组并聚类；利用先验知识构建固定长度的静态字典，对短脉冲以2 bit编码，长脉冲以多个编码短脉冲串联构成。实际测试表明，红外遥控学习数据编码压缩率高，编码数据还原红外遥控波形控制准确。



关键词: 数据压缩, 聚类, 静态字典编码, 红外遥控

Abstract:

Abstract: Waveform storage infrared control transmitter is unrestricted from coding format and protocol type, and data compression and coding is the key issue. The pulse width is measured with IR carrier frequency 38 kHz. The high / low pulse waveform is turned into a onedimensional array of signed numbers and clustered. A fixedlength static dictionary is built through prior knowledge. The short pulses are encoded as 2bit, and the long pulses are made up of some encoded short pulses in series. Actual tests show that the data compression rate is high, and transformed infrared remote waveform can control accurately.



Key words:

Key words: data compression, clustering, static dictionary coding, infrared remote control

中图分类号:

TN911.72

曾炼成，周小云. 基于波形存储型红外学习的数据压缩方法[J]. 计算机与现代化.

ZENG Liancheng, ZHOU Xiaoyun. Approach to Data Compression Based on Waveform Storage Infrared Remote Control Transmitter[J]. Computer and Modernization.

参考文献

［1］

程小辉,康燕萍. 可识别载波的红外遥控自学习模块研究与设计［J］. 电子技术应用, 2013,39(2):121124.

［2］郑伟,谢利理,张震. 一种具有自学习功能的智能红外遥控器设计［J］. 计算机测量与控制, 2007,15(12):17581759,1800.

［3］陈祖爵,王建毅. 智能型红外遥控器的设计［J］. 微计算机信息, 2008,24(2):305307.

［4］李冬梅,高文焕. 通用学习式红外遥控器中数据压缩与识别算法［J］. 清华大学学报:自然科学版, 2000,40(7):8588.

［5］徐志,陈冲,林武. 基于模糊模式识别算法的学习型红外遥控器的编码压缩［J］. 福州大学学报:自然科学版, 2008,36(9):6164.

［6］林武,何明华,徐志. 一类学习型红外遥控器电路设计关键技术分析［J］. 南昌大学学报:工学版, 2008,30(9):279282,306.

［7］顾晓红. 学习型遥控器中的码型识别［J］. 电子与封装, 2009,9(10):4245.

［8］姚文详,宋岩. ARM CortexM3权威指南［M］. 北京:北京航空航天大学出版社, 2009:102123.

［9］何乃味. 单片机定时器捕获模式解码红外遥控器的方法［J］. 现代电子技术, 2012,35(18):1113.

［10］黄海阳,吴锤红. 一种基于单片机的红外遥控信号解码新方法［J］. 单片机与嵌入式系统应用, 2012,12(7):3033.

［11］叶林俊. 单片机I／O口的红外遥控软件调制技术［J］. 单片机与嵌入式系统应用, 2011,11(12):2224.

［12］常涛,雪琦. 基于FPGA的红外遥控信号接收模块的设计［J］. 电子元器件应用, 2011,13(5):4446.

［13］张毅,李晋. 基于射频的学习型红外线遥控器设计［J］. 计算机时代, 2011(2):4547.

［14］孙吉贵,刘杰,赵连宇. 聚类算法研究［J］. 软件学报, 2008,19(1):4861.

［15］任景彪,尹绍宏. 一种有效的kmeans聚类初始中心选取方法［J］. 计算机与现代化， 2010(7):8486.

[1]	王秋忆, 周浩, 郑婷婷. 改进RetinaNet的电力设备目标检测方法[J]. 计算机与现代化, 2024, 0(01): 47-52.
[2]	王宏杰, 徐胜超. 基于希尔伯特相似度的云平台异常传输数据聚类方法[J]. 计算机与现代化, 2023, 0(09): 27-31.
[3]	韩雪. 基于约束聚类和粒子群算法的多路径规划[J]. 计算机与现代化, 2023, 0(08): 7-11.
[4]	孙子雨, 任燃, 魏曦哲. 基于DTW-TCN的股票分类及预测研究[J]. 计算机与现代化, 2023, 0(08): 31-37.
[5]	王艺成, 张国良, 张自杰, . 基于改进YOLOv5的小目标检测方法[J]. 计算机与现代化, 2023, 0(05): 100-105.
[6]	马瑜涓, 韩建宁, 史韶杰, 曹尚斌, 杨志秀. 基于HMRF的改进Kmeans脑肿瘤分割算法[J]. 计算机与现代化, 2023, 0(03): 1-5.
[7]	洪涛, 朱鹏宇, 郭波, 王敬宇. 基于半监督聚类的通信缺陷研判知识库构建及迭代技术[J]. 计算机与现代化, 2023, 0(02): 28-33.
[8]	刘兴建, 杨晓夫, 胡磊. 基于非负矩阵分解的半监督模型用于多层网络聚类[J]. 计算机与现代化, 2023, 0(02): 83-88.
[9]	文紫鑫, 李少英, 王斌成, 刘博, . 基于近邻关系聚合的人脸聚类方法[J]. 计算机与现代化, 2022, 0(12): 81-87.
[10]	关云鹏, 刘玉龙. 基于从共现矩阵提取关联的类别型数据聚类[J]. 计算机与现代化, 2022, 0(11): 1-8.
[11]	张子璇, 沙秀艳, 肖霏, 粟宝婵, 隋雨陆, 孟子宸. 基于犹豫模糊Canopy-K均值聚类算法的研究与应用[J]. 计算机与现代化, 2022, 0(11): 17-21.
[12]	丁绪东, 杨东润, 刘慧, 赵星凯, 张迎, 孙梅, . 数据驱动的蒸发器在线建模方法[J]. 计算机与现代化, 2022, 0(11): 22-31.
[13]	李春生, 冯阳宵, 富宇, 张可佳, 吴润桐. 基于均值聚类的员工行为分析方法[J]. 计算机与现代化, 2022, 0(09): 19-24.
[14]	陈广福, 连雁平, . 融合节点中心性和度相关聚类的有向网络链路预测[J]. 计算机与现代化, 2022, 0(08): 36-42.
[15]	李舒, 张伟业, 汪坤, 段照斌. 基于聚类分析的航班油耗组合估计[J]. 计算机与现代化, 2022, 0(08): 65-69.