本發(fā)明涉及數(shù)據(jù)處理，尤其涉及多通道并行數(shù)據(jù)采集與處理方法及系統(tǒng)。

背景技術(shù)：

1、數(shù)據(jù)處理技術(shù)領(lǐng)域涉及對原始數(shù)據(jù)進(jìn)行采集、轉(zhuǎn)換、分析和存儲的技術(shù)和方法，領(lǐng)域涵蓋多種技術(shù)，包括數(shù)據(jù)挖掘、信號處理和統(tǒng)計分析等，數(shù)據(jù)處理的目標(biāo)是從數(shù)據(jù)中提取有價值的信息，支持決策和優(yōu)化系統(tǒng)性能，在多通道數(shù)據(jù)處理場景中，技術(shù)的關(guān)鍵在于如何高效地同時處理來自多個信號源的數(shù)據(jù)，以提高數(shù)據(jù)采集的速度和準(zhǔn)確性，從而實現(xiàn)實時分析和反饋。

2、其中，多通道并行數(shù)據(jù)采集與處理方法指的是通過多通道同時收集并處理來自差異化來源的數(shù)據(jù)，該方法廣泛應(yīng)用于醫(yī)療監(jiān)測、環(huán)境監(jiān)測、工業(yè)控制等領(lǐng)域，其用途包括實時監(jiān)測生理信號、環(huán)境變化和工業(yè)設(shè)備狀態(tài)等，通過并行處理實現(xiàn)高效的數(shù)據(jù)分析和快速響應(yīng)，這種技術(shù)有助于提升系統(tǒng)的實時性和可靠性，增強(qiáng)決策支持能力。

3、現(xiàn)有技術(shù)在數(shù)據(jù)處理過程中存在一定的局限性，包括在多通道數(shù)據(jù)的實時性和準(zhǔn)確性方面，多信號源的數(shù)據(jù)采集難以實現(xiàn)高效同步，導(dǎo)致數(shù)據(jù)時間戳不一致，影響分析結(jié)果的可靠性，傳統(tǒng)方法在特征提取上常常依賴于固定的指標(biāo)，難以動態(tài)適應(yīng)變化的信號特性，造成分析深度不足，資源分配不夠靈活，導(dǎo)致在負(fù)載高峰期，響應(yīng)緩慢，影響整體性能。例如，在醫(yī)療監(jiān)測場景中，延遲的信號處理導(dǎo)致對患者狀況的錯誤判斷，影響及時干預(yù)的效果，使得現(xiàn)有技術(shù)在多通道并行數(shù)據(jù)處理方面的應(yīng)用受到限制，無法滿足高實時性和高準(zhǔn)確性要求的實際需求。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的是解決現(xiàn)有技術(shù)中存在的缺點，而提出的多通道并行數(shù)據(jù)采集與處理方法及系統(tǒng)。

2、為了實現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)方案，多通道并行數(shù)據(jù)采集與處理方法，包括以下步驟：

3、s1：通過對每個通道進(jìn)行數(shù)據(jù)采集，記錄數(shù)據(jù)類型與量，利用定時器同步多通道的數(shù)據(jù)流，并在數(shù)據(jù)庫中存儲數(shù)據(jù)，進(jìn)行時間戳的統(tǒng)一處理，匯總生成原始數(shù)據(jù)集；

4、s2：基于所述原始數(shù)據(jù)集提取關(guān)鍵特征，執(zhí)行多通道特征值映射，運用權(quán)重調(diào)整機(jī)制細(xì)化層級信息，進(jìn)行重構(gòu)誤差的分析與優(yōu)化，生成深層特征表示；

5、s3：將所述深層特征表示導(dǎo)入至分類器，執(zhí)行特征分類，計算分類結(jié)果的置信度，運用閾值判斷進(jìn)行類別劃分，生成通道數(shù)據(jù)分類決策結(jié)果；

6、s4：對所述通道數(shù)據(jù)分類決策結(jié)果進(jìn)行性能評估并記錄，將真實值與預(yù)測值進(jìn)行比較，提取誤分類樣本的數(shù)據(jù)，獲取通道分類性能數(shù)據(jù)；

7、s5：根據(jù)所述通道分類性能數(shù)據(jù)，監(jiān)測處理過程中的負(fù)載，記錄多通道資源使用情況，計算處理時間和占用比，進(jìn)行資源動態(tài)調(diào)整，獲取通道負(fù)載監(jiān)測數(shù)據(jù)；

8、s6：依據(jù)所述通道負(fù)載監(jiān)測數(shù)據(jù)，進(jìn)行資源使用情況的統(tǒng)計分析，識別負(fù)載變化趨勢，動態(tài)調(diào)整資源分配，生成通道資源調(diào)度策略。

9、作為本發(fā)明的進(jìn)一步方案，所述原始數(shù)據(jù)集包括通道數(shù)據(jù)類型、通道數(shù)據(jù)量、時間戳信息，所述深層特征表示包括層級特征、映射特征、重構(gòu)誤差，所述通道數(shù)據(jù)分類決策結(jié)果包括分類標(biāo)簽、置信度值、類別，所述通道分類性能數(shù)據(jù)包括真實值、預(yù)測值、誤分類樣本，所述通道負(fù)載監(jiān)測數(shù)據(jù)包括處理負(fù)載、資源使用情況、處理時間，所述通道資源調(diào)度策略包括資源分配方案、調(diào)度規(guī)則、負(fù)載調(diào)整。

10、作為本發(fā)明的進(jìn)一步方案，通過對每個通道進(jìn)行數(shù)據(jù)采集，記錄數(shù)據(jù)類型與量，利用定時器同步多通道的數(shù)據(jù)流，并在數(shù)據(jù)庫中存儲數(shù)據(jù)，進(jìn)行時間戳的統(tǒng)一處理，匯總生成原始數(shù)據(jù)集的步驟具體為：

11、s101：通過對每個通道進(jìn)行數(shù)據(jù)采集，在數(shù)據(jù)通道上部署數(shù)據(jù)采集單元，每個單元配置監(jiān)測的mems傳感器，按照設(shè)定頻率自動記錄多類數(shù)據(jù)的類型和數(shù)量，為每種數(shù)據(jù)類型指定識別碼，并將數(shù)據(jù)量累積記錄，得到數(shù)據(jù)類型記錄結(jié)果；

12、s102：根據(jù)所述數(shù)據(jù)類型記錄結(jié)果，設(shè)置定時器控制數(shù)據(jù)采集頻率，使用時間同步協(xié)議調(diào)整多通道的數(shù)據(jù)采集時刻，生成時間同步的數(shù)據(jù)流記錄；

13、s103：將所述時間同步的數(shù)據(jù)流記錄整合后存儲至數(shù)據(jù)庫中，對每條數(shù)據(jù)進(jìn)行時間戳處理，采用統(tǒng)一的時間格式對數(shù)據(jù)進(jìn)行編碼和分類，并對數(shù)據(jù)進(jìn)行匯總整理，構(gòu)建原始數(shù)據(jù)集。

14、作為本發(fā)明的進(jìn)一步方案，基于所述原始數(shù)據(jù)集提取關(guān)鍵特征，執(zhí)行多通道特征值映射，運用權(quán)重調(diào)整機(jī)制細(xì)化層級信息，進(jìn)行重構(gòu)誤差的分析與優(yōu)化，生成深層特征表示的步驟具體為：

15、s201：對所述原始數(shù)據(jù)集進(jìn)行篩選，挑選與目標(biāo)變量關(guān)聯(lián)的數(shù)據(jù)點，利用數(shù)據(jù)點創(chuàng)建初級數(shù)據(jù)模型，篩選與目標(biāo)關(guān)聯(lián)的特性，得到初步關(guān)鍵數(shù)據(jù)集；

16、s202：將所述初步關(guān)鍵數(shù)據(jù)集應(yīng)用于特征映射，為每個數(shù)據(jù)通道分配初始權(quán)重，并根據(jù)每個通道的數(shù)據(jù)響應(yīng)動態(tài)調(diào)整權(quán)重，細(xì)化特征層次，生成調(diào)整后特征映射集；

17、s203：使用所述調(diào)整后特征映射集，對每個特征的重構(gòu)誤差進(jìn)行測量，調(diào)整映射參數(shù)，迭代優(yōu)化誤差，獲取深層特征表示。

18、作為本發(fā)明的進(jìn)一步方案，將所述深層特征表示導(dǎo)入至分類器，執(zhí)行特征分類，計算分類結(jié)果的置信度，運用閾值判斷進(jìn)行類別劃分，生成通道數(shù)據(jù)分類決策結(jié)果的步驟具體為：

19、s301：輸入所述深層特征表示進(jìn)行分類處理，根據(jù)特征與預(yù)設(shè)分類標(biāo)準(zhǔn)的相似度進(jìn)行匹配，為每個數(shù)據(jù)點分配初步類別，使用相似度評分決定每個特征的類別歸屬，得到初步分類標(biāo)簽集；

20、s302：基于所述初步分類標(biāo)簽集，對每個類別標(biāo)簽進(jìn)行置信度評估，包括特征的類別貢獻(xiàn)度和類別內(nèi)數(shù)據(jù)點的一致性分析，為每個類別標(biāo)簽計算數(shù)值型的置信度，生成置信度數(shù)值集；

21、s303：使用所述置信度數(shù)值集，設(shè)置閾值進(jìn)行類別判定，對于每個類別，比較置信度與閾值，超過閾值的類別標(biāo)簽被確定為合格，通過閾值比較進(jìn)行類別驗證，獲取通道數(shù)據(jù)分類決策結(jié)果。

22、作為本發(fā)明的進(jìn)一步方案，對所述通道數(shù)據(jù)分類決策結(jié)果進(jìn)行性能評估并記錄，將真實值與預(yù)測值進(jìn)行比較，提取誤分類樣本的數(shù)據(jù)，獲取通道分類性能數(shù)據(jù)的步驟具體為：

23、s401：根據(jù)所述通道數(shù)據(jù)分類決策結(jié)果，配置數(shù)據(jù)比對單元，在單元內(nèi)設(shè)置參數(shù)提取每個通道的預(yù)測值和真實值，單元采用內(nèi)部腳本對每個通道的數(shù)據(jù)進(jìn)行比較，記錄匹配和不匹配的結(jié)果，得到匹配差異記錄；

24、s402：分析所述匹配差異記錄，使用數(shù)據(jù)過濾機(jī)制，篩選分類錯誤的樣本，包括檢測每個樣本的預(yù)測類別與實時類別是否一致，并記錄不一致樣本的信息，生成誤分類樣本列表；

25、s403：利用所述誤分類樣本列表，應(yīng)用隨機(jī)森林算法，進(jìn)行統(tǒng)計分析并評估每個通道的性能，計算每個通道的分類準(zhǔn)確率，整理數(shù)據(jù)形成每個通道的性能概覽，將數(shù)據(jù)匯總并進(jìn)行性能評估，獲取通道分類性能數(shù)據(jù)。

26、作為本發(fā)明的進(jìn)一步方案，所述隨機(jī)森林算法的公式如下：

27、，

28、計算分類性能，得到每個通道的性能值，其中，表示分類準(zhǔn)確率，代表通道分類正確的樣本總數(shù)，代表通道處理的樣本總數(shù)，代表通道的誤分類樣本數(shù)，為調(diào)節(jié)系數(shù)。

29、作為本發(fā)明的進(jìn)一步方案，根據(jù)所述通道分類性能數(shù)據(jù)，監(jiān)測處理過程中的負(fù)載，記錄多通道資源使用情況，計算處理時間和占用比，進(jìn)行資源動態(tài)調(diào)整，獲取通道負(fù)載監(jiān)測數(shù)據(jù)的步驟具體為：

30、s501：基于所述通道分類性能數(shù)據(jù)，監(jiān)測每個通道的負(fù)載情況，記錄每個通道在處理過程中的資源使用情況，統(tǒng)計每個通道的處理時間和資源消耗量，并進(jìn)行數(shù)據(jù)整合，獲取通道負(fù)荷情況；

31、s502：基于所述通道負(fù)荷情況，分析多通道的占用比，評估資源使用效率，比較多通道之間的負(fù)載差異，并進(jìn)行動態(tài)調(diào)整，生成資源使用評估結(jié)果；

32、s503：基于所述資源使用評估結(jié)果，實施資源動態(tài)調(diào)整，優(yōu)化通道資源分配，調(diào)整處理優(yōu)先級，并進(jìn)行負(fù)載均衡，獲取通道負(fù)載監(jiān)測數(shù)據(jù)。

33、作為本發(fā)明的進(jìn)一步方案，依據(jù)所述通道負(fù)載監(jiān)測數(shù)據(jù)，進(jìn)行資源使用情況的統(tǒng)計分析，識別負(fù)載變化趨勢，動態(tài)調(diào)整資源分配，生成通道資源調(diào)度策略的步驟具體為：

34、s601：基于所述通道負(fù)載監(jiān)測數(shù)據(jù)，進(jìn)行多通道資源使用情況的統(tǒng)計，計算每個通道的平均負(fù)載、最大負(fù)載和最小負(fù)載，整合數(shù)據(jù)，獲取通道資源使用統(tǒng)計數(shù)據(jù)；

35、s602：基于所述通道資源使用統(tǒng)計數(shù)據(jù)，識別負(fù)載變化趨勢，分析多通道在差異化時間段的負(fù)載波動，進(jìn)行時間段內(nèi)負(fù)載數(shù)據(jù)的比較，生成負(fù)載變化趨勢分析結(jié)果；

36、s603：基于所述負(fù)載變化趨勢分析結(jié)果，動態(tài)調(diào)整通道的資源分配，優(yōu)化資源配置，實施調(diào)度策略，生成通道資源調(diào)度策略。

37、多通道并行數(shù)據(jù)采集與處理系統(tǒng)，所述多通道并行數(shù)據(jù)采集與處理系統(tǒng)用于執(zhí)行上述多通道并行數(shù)據(jù)采集與處理方法，所述系統(tǒng)包括：

38、數(shù)據(jù)采集模塊通過對每個通道進(jìn)行數(shù)據(jù)采集，記錄多通道數(shù)據(jù)，進(jìn)行數(shù)據(jù)類型與量的分類，設(shè)定定時器并進(jìn)行數(shù)據(jù)流的同步，執(zhí)行數(shù)據(jù)存儲至數(shù)據(jù)庫，處理時間戳并統(tǒng)一格式，生成原始數(shù)據(jù)集；

39、特征提取模塊基于所述原始數(shù)據(jù)集，提取關(guān)鍵特征，執(zhí)行特征值映射并結(jié)合權(quán)重調(diào)整機(jī)制，細(xì)化層級信息，分析重構(gòu)誤差，生成深層特征表示；

40、分類決策模塊基于所述深層特征表示，將數(shù)據(jù)輸入分類器，執(zhí)行特征分類，計算分類結(jié)果置信度，運用閾值進(jìn)行類別劃分，生成通道數(shù)據(jù)分類決策結(jié)果；

41、性能評估模塊基于所述通道數(shù)據(jù)分類決策結(jié)果，對分類性能進(jìn)行評估，比較真實值與預(yù)測值，提取誤分類樣本數(shù)據(jù)，生成通道分類性能數(shù)據(jù)；

42、資源調(diào)度模塊基于所述通道分類性能數(shù)據(jù)，監(jiān)測負(fù)載情況，記錄資源使用情況，計算處理時間與占用比，動態(tài)調(diào)整資源分配，生成通道資源調(diào)度策略。

43、與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點和積極效果在于：

44、本發(fā)明中，通過每個通道進(jìn)行數(shù)據(jù)采集，實時記錄數(shù)據(jù)類型與量，實現(xiàn)多信號源數(shù)據(jù)流的高效同步，這種同步過程確保數(shù)據(jù)在時間上的一致性，為后續(xù)分析提供可靠的基礎(chǔ)，對原始數(shù)據(jù)集進(jìn)行關(guān)鍵特征提取，細(xì)化層級信息，使得分析過程中的數(shù)據(jù)關(guān)聯(lián)性得以強(qiáng)化，提升數(shù)據(jù)處理的深度。深層特征表示的生成，通過分類器執(zhí)行特征分類，計算結(jié)果置信度，運用閾值判斷進(jìn)行類別劃分，極大提高分類的準(zhǔn)確性和實時性。在性能評估中，真實值與預(yù)測值的對比，進(jìn)一步提取誤分類樣本，為后續(xù)調(diào)整提供了依據(jù)，負(fù)載監(jiān)測與動態(tài)資源調(diào)整的結(jié)合，優(yōu)化資源使用情況，使得資源分配更具靈活性和適應(yīng)性，從而有效應(yīng)對差異化處理需求，提升多通道并行處理的響應(yīng)能力和穩(wěn)定性。