一种基于压缩感知的机房数据处理系统及其应用方法与流程

1.本发明涉及机房信息处理技术领域，尤其是涉及一种基于压缩感知的机房数据处理系统及其应用方法。

背景技术：

2.随着社会信息化的高速发展，机房计算机数量与日俱增，各类传感器的接入更是导致机房数据的海量式增长，这对于机房数据的采集、传输和存储都造成了相当大的压力。因此，机房信息处理技术领域迫切地需要研发一种高效可靠的机房数据处理方法。
3.传统的机房信号获取和处理方式一般包括数据的采样、压缩、传输和解压缩四个过程，且采样过程要求必循遵循nyquist-shannon采样定理。然而，当信号的带宽较大时，采样速率也需要随之增加，这种大量的数据采集需求给硬件系统和信号传输造成了极大的压力；而且，在数据压缩编码过程中，需要舍弃大量的冗余采样数据，这也造成了严重的内存资源浪费。
4.压缩感知(compressed sensing，cs)是目前信号处理领域一种全新的信号压缩方法。压缩感知突破了nyquist-shannon采样定理无失真恢复信号采样的限制，该方法利用信号的稀疏性，能够以远低于nyquist-shannon采样率对于信号进行采样，并从少量的采样数据中实现信号的精确或近似重构。特别地，压缩感知的采样和数据压缩可以同时进行，这不仅极大地提高了压缩效率，而且并未减损原始信号，能够有效地保障数据重构的质量，但是至今未见有将压缩感知应用于机房数据处理领域的方法。

技术实现要素：

5.针对上述情况，为克服现有技术之缺陷，本发明之目的就是提供一种基于压缩感知的机房数据处理系统及其应用方法，可有效解决现有机房数据采集和传输压力大，以及内存资源浪费的问题。
6.为实现上述目的，本发明解决的技术方案是，一种基于压缩感知的机房数据处理系统，该处理系统包括预处理模块、压缩感知采样模块、数据存储模块、数据传输模块和解码模块；其中，所述机房数据为机房内动环监控(fsu)设备采集的数据；
7.所述预处理模块，用于调用机房摄像头和机房fsu设备完成数据预采集工作和预处理工作；所述预采集是指对预采集的数据进行稀疏判断，当具备稀疏性则进行后续处理，否则进行稀疏表示预处理；所述预处理工作即为稀疏表示处理，是采用压缩感知算法对预采集的数据采用稀疏表示基进行稀疏表示；
8.所述压缩感知采样模块，用于压缩采样机房内原始数据，得到压缩采样数据；
9.所述数据存储模块，用于存储预处理数据和压缩采样数据，并具有本地存储和断点续传功能；所述数据传输模块，用于将预处理模块和压缩感知采样模块获得的数据通过有线通信和无线通信的通信方式传输至后端服务器平台的解码模块；
10.所述解码模块，用于对接收到的压缩数据进行解码，即根据已知的稀疏表示基、压
缩测量值和压缩测量矩阵实现对数据的重构，恢复原始信号，并输出重构后的原始信号。
11.所述的机房数据处理系统的机房数据处理应用方法，包括以下步骤：
12.s1、利用预处理模块，调用机房摄像头和机房fsu设备完成数据预采集工作和预处理工作，首先布置机房采集环境：布置机房fsu设备和监控摄像头；所述fsu设备下挂有多种南向设备，用于采集机房内动力设备和环境参数的数据；所述监控摄像头为网络摄像机，用于抓拍或录制机房图像数据；
13.s2、信号判别：判断所采集的原始信号是否本身具备稀疏性，当是，则执行步骤s4，否则执行步骤s3；所述稀疏性是指通过有限变换基向量的线性组合表示出原始信号；
14.s3、稀疏变换：将原始信号表示为稀疏信号，即采用变换的方式使得原始信号在某个变换域或稀疏基中表现出稀疏性，即根据原始信号的特性选取稀疏变换矩阵作为稀疏表示基，并使得原始信号在稀疏表示基上具有最少的非零投影系数个数；
15.s4、压缩采样：经压缩感知采样模块压缩采样机房内原始数据，方法是，设计一个与稀疏表示基不相关的压缩测量矩阵，采用低采样率对原始信号直接进行压缩采样处理，并输出压缩测量值，压缩采样过程是通过压缩测量矩阵将原始信号从高维空间映射到低维空间的过程；s5、数据存储：机房内的数据采集设备的数据存储模块具有本地存储功能和断点续传功能，用于存储预处理数据和压缩采样数据以及防止通信中断时的数据丢失；所述数据采集设备包括机房fsu设备和监控摄像头；
16.s6、数据传输：利用数据传输模块，通过有线通信或无线通信方式将步骤s4压缩采样的压缩测量值传至后端服务器平台；
17.s7、信号重构：经解码模块，通过求解数值优化，以压缩测量值来重构出原始信号；信号重构过程是通过已知的压缩测量值和压缩测量矩阵，将低维空间中压缩测量值恢复到高维空间中原始信号的过程；所述求解数值优化是，在不改变目标函数的前提下，求解出与压缩测量值相符合且具有最小l
0-范数；所述求解数值优化采用贪婪算法中的正交匹配追踪算法；
18.s8、校验采样数据精度：判别压缩感知采样的数据精度是否满足预设精度条件，当是，则保持该采样率进行后续数据采集，并执行步骤s9；否则调整采样率，并重复执行步骤s2～s7，直至满足预设精度条件为止；
19.s9、校验数据采集的完备性：判别采集数据是否满足预设完备性，当是，则结束，否则标记缺少采集的数据设备，并对标记设备重复执行步骤s2～s8，直至满足预设的完备阈值条件为止。
20.本发明处理系统效果好，处理方法简单，采用基于压缩感知的机房数据处理方法，可在远低于nyquist-shannon采样率对于信号进行采样，大大地减少了采样的数量，降低了数据采集压力和硬件系统复杂度，降低传统机房数据采集压力，还大大地节约了机房数据存储空间，从而进一步提高机房管理效率，降低机房运行成本，保障机房高效可靠地运行，是机房数据处理方法上的一大创新，有显著的社会和经济效益。
附图说明
21.图1是本发明中传统nyquist-shannon采样基本流程图；
22.图2为本发明基本流程图；
23.图3为本发明工作流程示意图；
24.图4为本发明信号重构步骤的工作流程示意图。
25.图5为本发明系统的模块化框图。
具体实施方式
26.以下结合附图和具体情况对本发明的具体实施方式作详细说明。
27.在传统的nyquist-shannon采样过程中，首先采用nyquist-shannon采样率对信号进行高速采样，然后再对高速采样数据进行压缩、存储/传输和解码的处理，传统nyquist-shannon采样基本流程图如图1所示。图2是基于压缩感知算法的采样基本流程图，如图2所示，在采样的同时就对数据进行了压缩处理，然后对压缩采样的数据进行存储/传输和信号重构，具体是通过求解一个优化问题来实现的，压缩感知算法能够以少量的采样数据来高概率地重构出原始信号。压缩感知算法主要包括信号稀疏表示、设计测量矩阵和信号重构。
28.结合图2-5给出，本发明实施例提供一种基于压缩感知的机房数据处理系统，该处理系统包括预处理模块、压缩感知采样模块、数据存储模块、数据传输模块和解码模块；如图5所示，为本发明实施例的基于压缩感知的机房数据处理系统的模块化框图；其中，所述机房数据为机房内fsu设备采集的数据；
29.所述预处理模块，用于调用机房摄像头和机房fsu设备完成数据预采集工作和预处理工作；所述预采集是指对预采集的数据进行稀疏判断，当具备稀疏性则进行后续处理，否则进行稀疏表示预处理；所述预处理工作即为稀疏表示处理，是采用压缩感知算法对预采集的数据采用稀疏表示基进行稀疏表示；
30.所述压缩感知采样模块，用于压缩采样机房内原始数据，得到压缩采样数据；
31.所述数据存储模块，支持接入tf存储卡、硬盘、u盘等存储设备，用于存储预处理数据和压缩采样数据，并具有本地存储和断点续传功能；
32.所述数据传输模块，用于将预处理模块和压缩感知采样模块获得的数据通过有线通信和无线通信的通信方式传输至后端服务器平台的解码模块，所述无线通信包括但不限于wi-fi、4g、5g等通信方式；
33.所述解码模块，用于对接收到的压缩数据进行解码，即根据已知的稀疏表示基、压缩测量值和压缩测量矩阵实现对数据的重构，恢复原始信号，并输出重构后的原始信号。
34.上述所述处理系统应用在机房数据处理应用方法，包括以下步骤：
35.s1、利用预处理模块，调用机房摄像头和机房fsu设备完成数据预采集工作和预处理工作，首先布置机房采集环境：布置机房fsu设备和监控摄像头；所述fsu设备下挂有多种南向设备，用于采集机房内动力设备和环境参数的数据；所述监控摄像头为网络摄像机，用于抓拍或录制机房图像数据；所述南向设备包括但不限于空调、智能电表、列头柜、电池组、温湿度传感器、烟雾报警器等动力和环境监控设备。
36.s2、信号判别：判断所采集的原始信号是否本身具备稀疏性，当是，则执行步骤s4，否则执行步骤s3；所述稀疏性是指通过有限变换基向量的线性组合就可以近似的表示出原始信号；
37.s3、稀疏变换：将原始信号表示为稀疏信号，即采用变换的方式使得原始信号在某个变换域或稀疏基中表现出稀疏性，即根据原始信号的特性选取稀疏变换矩阵作为稀疏表
示基，并使得原始信号在稀疏表示基上具有最少的非零投影系数个数；具体为：
38.设原始信号x为长度为n、稀疏度为k的一维离散信号，表示为：
39.x＝ψα
40.其中，ψ为n
×
n维的稀疏矩阵，是原始信号x的稀疏表示基；α为n
×
1维的稀疏向量，是原始信号x在ψ上的线性投影系数，一般可选择小波基、傅里叶基、离散余弦基等作为稀疏表示基，本实施例选择小波基作为稀疏表示基；
41.s4、压缩采样：经压缩感知采样模块压缩采样机房内原始数据，方法是，设计一个与稀疏表示基不相关的压缩测量矩阵，采用低采样率对原始信号直接进行压缩采样处理，并输出压缩测量值，压缩采样过程是通过压缩测量矩阵将原始信号从高维空间映射到低维空间的过程；压缩采样编码的表达式为：
42.y＝φx＝φψα
43.其中，x为n
×
1维的原始信号输入向量；y为m
×
1维的压缩测量输出向量，且k≤m≤n；φ为m
×
n维的压缩测量矩阵，采样率为s，且s＝m/n，压缩测量矩阵的设计原则是令y＝φx有且仅有一个唯一可以恢复的解；
44.上述压缩采样编码的表达式表示为：
45.y＝φψα＝θα
46.其中，θ为压缩感知矩阵，θ＝φψ，压缩感知矩阵θ满足约束等距性条件(restricted isometry property，rip)；对于稀疏度为k的稀疏信号α而言，约束等距性条件为：
[0047][0048]
其中，δk为约束等距常数；当δk《1，则压缩感知矩阵θ满足常数为δk(θ)的k-rip特性；
[0049]
由于证明压缩感知矩阵θ是否满足k-rip特性是十分困难的，所以一般采用与rip等价的条件，即压缩测量矩阵φ与稀疏表示基ψ的不相关性；当压缩测量矩阵φ与稀疏表示基ψ越不相关，压缩感知矩阵θ能满足约束等距性条件的概率越大，压缩测量矩阵φ与稀疏表示基ψ的相关性可表示为：
[0050][0051]
其中μ(φ,ψ)为φ与ψ相关系数，且相关系数μ(φ,ψ)越小，则表示压缩测量矩阵φ与稀疏表示矩阵ψ越不相关，则压缩测量输出向量y携带的原始信号x信息越多，即重构出原始信号x的概率就越高；本实施例采用傅里叶变换矩阵作为压缩测量矩阵；
[0052]
s5、数据存储：机房内的数据采集设备具有本地存储功能和断点续传功能，用于存储预处理数据和压缩采样数据以及防止通信中断时的数据丢失；所述断点续传功能是，当数据链路通信正常时，将压缩采样数据实时上传至后端服务器平台；当数据链路通信中断时，机房内的数据采集设备保存预设时间内的压缩采样数据；当数据链路通信恢复后，将预存的未上传的压缩采样数据重新上传至后端服务器平台；所述数据采集设备主要包括机房fsu设备和监控摄像头；
[0053]
s6、数据传输：利用数据传输模块，通过有线通信或无线通信方式将步骤s4压缩采样的压缩测量值y传至后端服务器平台；所述无线通信包括但不限于wi-fi、4g、5g等通信方式；
[0054]
s7、信号重构：经解码模块，通过求解数值优化，以压缩测量值y来重构出原始信号信号重构过程实际是通过已知的压缩测量值y和压缩测量矩阵φ，求解使得y＝φx成立的x的过程，即将低维空间中压缩测量值y恢复到高维空间中原始信号x的过程；所述求解数值优化是指，在不改变目标函数的前提下，求解出与压缩测量值y相符合且具有最小l
0-范数的。求解数值优化可表示为：
[0055]
min||α||0,s.t.y＝φx＝φψα
[0056]
由于最小l
0-范数是一个np-hard问题，复杂的计算量使之难以求解，故退而求其次将其转换为求解次最优解的问题，贪婪算法通过多次迭代不断寻局部最优解来逼近原始信号，从而实现对原始信号重构的目的。贪婪算法由于其算法结构简单、计算复杂度低、计算速度快的特性得到广泛的应用，贪婪算法表示为：
[0057]
min||α||0,s.t.||y-φψα||y《ε
[0058]
本实施例采用贪婪算法中的正交匹配追踪算法(orthogonal matching pursuit，omp)来求解数值优化。图4为本发明实施例的基于压缩感知的机房数据处理方法的信号重构步骤的工作流程示意图。如图4所示，具体操作如下：
[0059]
s71、输入：压缩感知矩阵θ、压缩测量值y、稀疏表示基ψ、原始信号稀疏度k；
[0060]
s72、初始化：迭代次数t＝1，残差向量索引集原子支撑集
[0061]
s73、寻匹配原子：计算残差向量γ0与压缩感知矩阵θ的内积|《γ
t-1
,θj》|；寻索引λ
t
，使之满足其中θj为θ的第j列；
[0062]
s74、更新索引集和原子支撑集：更新索引集λ
t
＝λ
t-1
∪{λ
t
}；更新原子支撑集
[0063]
s75、求解：利用最小二乘法求解投影系数估计，
[0064]
s76、更新残差：
[0065]
s77、更新迭代次数并判别：令t＝t+1，并对迭代次数进行判别；当t》k，则停止迭代，否则重复执行步骤s71～s75；
[0066]
s78、重构投影系数：重构中的非零项；索引集λ
t
中存放非零项的位置，将中对应的非零项迭代为最终求得的
[0067]
s79、输出重构的原始信号：利用稀疏表示基ψ得到重构的原始信号
[0068]
s8、校验采样数据精度：判别压缩感知采样的数据精度是否满足预设精度条件，当是，则保持该采样率进行后续数据采集，并执行步骤s9；否则调整采样率，并重复执行步骤s2～s7，直至满足预设精度条件为止；其判别方法为，判断本次压缩感知采样数据是否能够恢复出原始待采样数据，即判断重构信号的数据精度与预设待采样数据精度条件是否相符，其中，本次采样精度与预设采样精度误差在
±
0.8％以内，即为符合要求；
[0069]
s9、校验数据采集的完备性：判别采集数据是否满足预设完备性，当是，则结束，否则标记缺少采集的数据设备，并对标记设备重复执行步骤s2～s8，直至满足预设的完备阈值条件为止；其判别方法为，判断本次压缩感知采样是否能够呈现出机房内各个设备的监测数据，即判断本次所采集设备数据与预设待采集设备数据是否相符。
[0070]
由上述可知，本发明处理系统效果好，处理方法简单，与现有技术相比，有以下有益技术效果：
[0071]
1、本发明将压缩感知技术应用于机房信息处理技术领域，突破压缩感知在实践应用中的瓶颈，丰富压缩感知技术的应用范围和应用场景；
[0072]
2、本发明采用基于压缩感知的机房数据处理方法，可在远低于nyquist-shannon采样率对于信号进行采样，大大地减少了采样的数量，降低了数据采集压力和硬件系统复杂度，提高机房数据恢复的质量；
[0073]
3、本发明采用基于压缩感知的机房数据处理方法，可在采样的过程中同时完成数据压缩，这不仅降低了对数据链带宽的要求，减少了数据传输压力，还降低了计算机终端功耗，降低机房运行成本，节省了机房数据存储空间，极大地提高机房数据采样效率，保障机房高效可靠地运行，是机房数据处理方法上的一大创新，有显著的社会和经济效益。

技术特征：

1.一种基于压缩感知的机房数据处理系统，其特征在于，该机房数据处理系统包括预处理模块、压缩感知采样模块、数据存储模块、数据传输模块和解码模块；其中，所述机房数据为机房内fsu设备采集的数据；所述预处理模块，用于调用机房摄像头和机房fsu设备完成数据预采集工作和预处理工作；所述预采集是指对预采集的数据进行稀疏判断，当具备稀疏性则进行后续处理，否则进行稀疏表示预处理；所述预处理工作即为稀疏表示处理，是采用压缩感知算法对预采集的数据采用稀疏表示基进行稀疏表示；所述压缩感知采样模块，用于压缩采样机房内原始数据，得到压缩采样数据；所述数据存储模块，用于存储预处理数据和压缩采样数据，并具有本地存储和断点续传功能；所述数据传输模块，用于将预处理模块和压缩感知采样模块获得的数据通过有线通信和无线通信的通信方式传输至后端服务器平台的解码模块；所述解码模块，用于对接收到的压缩数据进行解码，即根据已知的稀疏表示基、压缩测量值和压缩测量矩阵实现对数据的重构，恢复原始信号，并输出重构后的原始信号。2.权利要求1所述的机房数据处理系统的机房数据处理应用方法，其特征在于，包括以下步骤：s1、利用预处理模块，调用机房摄像头和机房fsu设备完成数据预采集工作和预处理工作，首先布置机房采集环境：布置机房fsu设备和监控摄像头；所述fsu设备下挂有多种南向设备，用于采集机房内动力设备和环境参数的数据；所述监控摄像头为网络摄像机，用于抓拍或录制机房图像数据；s2、信号判别：判断所采集的原始信号是否本身具备稀疏性，当是，则执行步骤s4，否则执行步骤s3；所述稀疏性是指通过有限变换基向量的线性组合表示出原始信号；s3、稀疏变换：将原始信号表示为稀疏信号，即采用变换的方式使得原始信号在某个变换域或稀疏基中表现出稀疏性，即根据原始信号的特性选取稀疏变换矩阵作为稀疏表示基，并使得原始信号在稀疏表示基上具有最少的非零投影系数个数；s4、压缩采样：经压缩感知采样模块压缩采样机房内原始数据，方法是，设计一个与稀疏表示基不相关的压缩测量矩阵，采用低采样率对原始信号直接进行压缩采样处理，并输出压缩测量值，压缩采样过程是通过压缩测量矩阵将原始信号从高维空间映射到低维空间的过程；s5、数据存储：机房内的数据采集设备的数据存储模块具有本地存储功能和断点续传功能，用于存储预处理数据和压缩采样数据以及防止通信中断时的数据丢失；所述数据采集设备包括机房fsu设备和监控摄像头；s6、数据传输：利用数据传输模块，通过有线通信或无线通信方式将步骤s4压缩采样的压缩测量值传至后端服务器平台；s7、信号重构：经解码模块，通过求解数值优化，以压缩测量值来重构出原始信号；信号重构过程是通过已知的压缩测量值和压缩测量矩阵，将低维空间中压缩测量值恢复到高维空间中原始信号的过程；所述求解数值优化是，在不改变目标函数的前提下，求解出与压缩测量值相符合且具有最小l
0-范数；所述求解数值优化采用贪婪算法中的正交匹配追踪算法；s8、校验采样数据精度：判别压缩感知采样的数据精度是否满足预设精度条件，当是，
则保持该采样率进行后续数据采集，并执行步骤s9；否则调整采样率，并重复执行步骤s2～s7，直至满足预设精度条件为止；s9、校验数据采集的完备性：判别采集数据是否满足预设完备性，当是，则结束，否则标记缺少采集的数据设备，并对标记设备重复执行步骤s2～s8，直至满足预设的完备阈值条件为止。3.根据权利要求2所述的基于压缩感知的机房数据处理应用方法，其特征在于，包括以下步骤：s1、利用预处理模块，调用机房摄像头和机房fsu设备完成数据预采集工作和预处理工作，首先布置机房采集环境：布置机房fsu设备和监控摄像头；所述fsu设备下挂有多种南向设备，用于采集机房内动力设备和环境参数的数据；所述监控摄像头为网络摄像机，用于抓拍或录制机房图像数据；s2、信号判别：判断所采集的原始信号是否本身具备稀疏性，当是，则执行步骤s4，否则执行步骤s3；所述稀疏性是指通过有限变换基向量的线性组合就可以近似的表示出原始信号；s3、稀疏变换：将原始信号表示为稀疏信号，即采用变换的方式使得原始信号在某个变换域或稀疏基中表现出稀疏性，即根据原始信号的特性选取稀疏变换矩阵作为稀疏表示基，并使得原始信号在稀疏表示基上具有最少的非零投影系数个数；具体为：设原始信号x为长度为n、稀疏度为k的一维离散信号，表示为：x＝ψα其中，ψ为n
×
n维的稀疏矩阵，是原始信号x的稀疏表示基；α为n
×
1维的稀疏向量，是原始信号x在ψ上的线性投影系数，选择小波基、傅里叶基或离散余弦基作为稀疏表示基；s4、压缩采样：经压缩感知采样模块压缩采样机房内原始数据，方法是，设计一个与稀疏表示基不相关的压缩测量矩阵，采用低采样率对原始信号直接进行压缩采样处理，并输出压缩测量值，压缩采样过程是通过压缩测量矩阵将原始信号从高维空间映射到低维空间的过程；压缩采样编码的表达式为：y＝φx＝φψα其中，x为n
×
1维的原始信号输入向量；y为m
×
1维的压缩测量输出向量，且k≤m≤n；φ为m
×
n维的压缩测量矩阵，采样率为s，且s＝m/n，压缩测量矩阵的设计原则是令y＝φx有且仅有一个唯一可以恢复的解；上述压缩采样编码的表达式表示为：y＝φψα＝θα其中，θ为压缩感知矩阵，θ＝φψ，压缩感知矩阵θ满足约束等距性条件；对于稀疏度为k的稀疏信号α而言，约束等距性条件为：其中，δ
k
为约束等距常数；当δ
k
<1，则压缩感知矩阵θ满足常数为δ
k
(θ)的k-rip特性；采用与rip等价的条件，即压缩测量矩阵φ与稀疏表示基ψ的不相关性；当压缩测量矩阵φ与稀疏表示基ψ越不相关，压缩感知矩阵θ能满足约束等距性条件的概率越大，压缩测量矩阵φ与稀疏表示基ψ的相关性可表示为：
其中μ(φ,ψ)为φ与ψ相关系数，且相关系数μ(φ,ψ)越小，则表示压缩测量矩阵φ与稀疏表示基ψ越不相关，则压缩测量输出向量y携带的原始信号x信息越多，即重构出原始信号x的概率就越高；s5、数据存储：机房内的数据采集设备具有本地存储功能和断点续传功能，用于存储预处理数据和压缩采样数据以及防止通信中断时的数据丢失；所述断点续传功能是，当数据链路通信正常时，将压缩采样数据实时上传至后端服务器平台；当数据链路通信中断时，机房内的数据采集设备保存预设时间内的压缩采样数据；当数据链路通信恢复后，将预存的未上传的压缩采样数据重新上传至后端服务器平台；所述数据采集设备主要包括机房fsu设备和监控摄像头；s6、数据传输：利用数据传输模块，通过有线通信或无线通信方式将步骤s4压缩采样的压缩测量值y传至后端服务器平台；s7、信号重构：经解码模块，通过求解数值优化，以压缩测量值y来重构出原始信号信号重构过程是通过已知的压缩测量值y和压缩测量矩阵φ，求解使得y＝φx成立的x的过程，即将低维空间中压缩测量值y恢复到高维空间中原始信号x的过程；所述求解数值优化是，在不改变目标函数的前提下，求解出与压缩测量值y相符合且具有最小l
0-范数，求解数值优化表示为：min||α||0,s.t.y＝φx＝φψα采用贪婪算法中的正交匹配追踪算法来求解数值优化，贪婪算法通过多次迭代不断寻局部最优解来逼近原始信号，从而实现对原始信号重构的目的，贪婪算法表示为：min||α||0,s.t.||y-φψα||y<ε输出重构的原始信号，利用稀疏表示基ψ得到重构的原始信号s8、校验采样数据精度：判别压缩感知采样的数据精度是否满足预设精度条件，当是，则保持该采样率进行后续数据采集，并执行步骤s9；否则调整采样率，并重复执行步骤s2～s7，直至满足预设精度条件为止；其判别方法为，判断本次压缩感知采样数据是否能够恢复出原始待采样数据，即判断重构信号的数据精度与预设待采样数据精度条件是否相符，其中，本次采样精度与预设采样精度误差在
±
0.8％以内，即为符合要求；s9、校验数据采集的完备性：判别采集数据是否满足预设完备性，当是，则结束，否则标记缺少采集的数据设备，并对标记设备重复执行步骤s2～s8，直至满足预设的完备阈值条件为止；其判别方法为，判断本次压缩感知采样是否能够呈现出机房内各个设备的监测数据，即判断本次所采集设备数据与预设待采集设备数据是否相符。4.根据权利要求3所述的基于压缩感知的机房数据处理应用方法，其特征在于，所述的步骤s7中采用贪婪算法中的正交匹配追踪算法来求解数值优化，具体步骤如下：s71、输入：压缩感知矩阵θ、压缩测量值y、稀疏表示基ψ、原始信号稀疏度k；s72、初始化：迭代次数t＝1，残差向量索引集原子支撑集s73、寻匹配原子：计算残差向量γ0与压缩感知矩阵θ的内积|<γ
t-1
,θ
j
>|；寻索引
λ
t
，使之满足其中θ
j
为θ的第j列；s74、更新索引集和原子支撑集：更新索引集λ
t
＝λ
t-1
∪{λ
t
}；更新原子支撑集s75、求解：利用最小二乘法求解投影系数估计，s76、更新残差：s77、更新迭代次数并判别：令t＝t+1，并对迭代次数进行判别；当t>k，则停止迭代，否则重复执行步骤s71～s75；s78、重构投影系数：重构中的非零项；索引集λ
t
中存放非零项的位置，将中对应的非零项迭代为最终求得的s79、输出重构的原始信号：利用稀疏表示基ψ得到重构的原始信号5.根据权利要求2-4任一项所述的基于压缩感知的机房数据处理应用方法，其特征在于，所述的无线通信包括wi-fi、4g或5g通信方式。6.根据权利要求2或3所述的基于压缩感知的机房数据处理应用方法，其特征在于，所述的步骤s4采用傅里叶变换矩阵作为压缩测量矩阵。7.根据权利要求3所述的基于压缩感知的机房数据处理应用方法，其特征在于，所述的步骤s3选择小波基作为稀疏表示基。8.根据权利要求2或3所述的基于压缩感知的机房数据处理应用方法，其特征在于，所述南向设备包括空调、智能电表、列头柜、电池组、温湿度传感器和烟雾报警器动力和环境监控设备。

技术总结

一种基于压缩感知的机房数据处理系统，包括预处理模块、压缩感知采样模块、数据存储模块、数据传输模块和解码模块；机房数据处理系统的机房数据处理应用方法，包括以下步骤：S1、利用预处理模块，调用机房摄像头和机房FSU设备完成数据预采集工作和预处理工作；S2、信号判别：判断所采集的原始信号是否本身具备稀疏性；S3、稀疏变换；S4、压缩采样；S5、数据存储；S6、数据传输；S7、信号重构；S8、校验采样数据精度；S9、校验数据采集的完备性；大大地减少了采样的数量，降低了数据采集压力和硬件系统复杂度，降低传统机房数据采集压力，大大地节约机房数据存储空间，进一步提高机房管理效率，降低机房运行成本，有显著的社会和经济效益。有显著的社会和经济效益。有显著的社会和经济效益。