一种基于人工智能的多模实物仿真系统数据解码方法与流程

本发明涉及数据解码，具体涉及一种基于人工智能的多模实物仿真系统数据解码方法。

背景技术：

1、基于人工智能的多模实物仿真系统是一种集成了多种传感器和智能算法的模拟仿真平台，用于研发、测试和验证复杂的物理系统等。该系统的数据解码是指通过智能算法解析和理解来自多种传感器的数据，从而重建和模拟真实环境中的物体和行为，其作用在于将复杂的多源数据转化为可操作的信息，使仿真系统能够更准确地再现现实世界的物理特性和交互模式，从而提升仿真精度、支持系统优化和决策，并促进新技术的研发和应用。

2、多模实物仿真系统数据解码过程中主要将实物采集到的各种信息进行特征提取并进行融合，从而通过仿真系统模拟出与实物特征属性更加相近的模拟元件等。但是在对实物采集到的各种监测数据进行解码融合过程中，由于采集实物信息的类型较多，而这些数据在采集和接收过程由于采集数据的传播速度等可能存在一定的差异，从而导致不同类型的监测数据在实际时间上具有一定的延迟偏差，进而导致不同数据在时间上对齐度可能较差，实物的各种信息数据解码融合结果的准确性较低。

技术实现思路

1、为了解决现有方法在对实物的各种信息数据解码融合结果的准确性较低的问题，本发明的目的在于提供一种基于人工智能的多模实物仿真系统数据解码方法，所采用的技术方案具体如下：

2、本发明提供了一种基于人工智能的多模实物仿真系统数据解码方法，该方法包括以下步骤：

3、获取实物不同类型的监测数据序列；

4、结合参考序列中每个数据与待对齐序列中每个数据之间的局部窗口内数据的相关情况、局部窗口内数据的波动幅度的差异以及采集时刻的差异，获得匹配数据对；所述参考序列为每两个监测数据序列中的一个监测数据序列，待对齐序列为另一个监测数据序列；其中，局部窗口大小是基于两个监测数据序列中每个数据的局部波动特征以及监测数据序列的整体波动特征确定的；

5、基于匹配数据对中数据之间的时间差异对所有时间差异进行分类，综合分类结果确定待对齐序列的延迟时长；利用延迟时长将待对齐序列与参考序列中的数据对齐；

6、利用多模实物仿真系统对参考序列和对齐后的监测数据序列进行解码处理。

7、优选的，所述局部窗口大小的获取，包括：

8、对于任意两种类型的监测数据序列：

9、将其中一个监测数据序列记为第一序列，将另一个监测数据序列中的任一数据记为候选数据；

10、基于候选数据所在的监测数据序列中所有数据的离散程度和候选数据的时间邻域内的数据的离散程度，确定第一系数，所述所有数据的离散程度与所述第一系数呈正相关关系，所述时间邻域内的数据的离散程度与所述第一系数呈负相关关系；

11、基于候选数据所在的监测数据序列中极值点的数量和第一序列中极值点的数量，确定第二系数，所述候选数据所在的监测数据序列中极值点的数量与所述第二系数呈负相关关系，所述第一序列中极值点的数量与所述第二系数呈正相关关系；

12、结合所述第一系数和所述第二系数获得候选数据的局部窗口大小，所述第一系数和所述第二系数均与局部窗口的长度呈正相关关系。

13、优选的，所述结合参考序列中每个数据与待对齐序列中每个数据之间的局部窗口内数据的相关情况、局部窗口内数据的波动幅度的差异以及采集时刻的差异，获得匹配数据对，包括：

14、根据待分析数据的局部窗口内的数据与待对齐序列中每个数据的局部窗口内的数据之间的相关程度，获得待分析数据与待对齐序列中每个数据的非线性因子，所述相关程度与所述非线性因子呈负相关关系；

15、根据待分析数据与待对齐序列中每个数据的非线性因子、待分析数据的局部窗口内的数据的波动幅度与待对齐序列中每个数据的局部窗口内的数据的波动幅度之间的差异、以及待分析数据的采集时刻与待对齐序列中每个数据的采集时刻之间的差异，获得待分析数据与待对齐序列中每个数据的匹配程度，所述非线性因子、所述波动幅度之间的差异和所述采集时刻之间的差异均与所述匹配程度呈负相关关系；

16、基于所述匹配程度获得匹配数据对；所述待分析数据为参考序列中的任一数据。

17、优选的，所述基于所述匹配程度获得匹配数据对，包括：

18、待分析数据和与其匹配程度最大的数据构成一个匹配数据对。

19、优选的，所述基于匹配数据对中数据之间的时间差异对所有时间差异进行分类，包括：

20、所有匹配数据对中两个数据之间的时间差异构成时间差异序列；

21、对时间差异序列中的元素进行聚类获得各簇。

22、优选的，采用迭代自组织聚类算法对时间差异序列中的元素进行聚类。

23、优选的，所述综合分类结果确定待对齐序列的延迟时长，包括：

24、将候选簇内所有时间差异的均值与时间差异序列中所有时间差异的均值之间的差异，记为整体时间间隔；将候选簇内每个时间差异与候选簇内所有时间差异的均值之间的差异，记为候选簇内每个时间差异的第一差异；根据所述整体时间间隔和候选簇内所有时间差异的第一差异的整体分布水平，得到候选簇的置信度；所述整体时间间隔和所述第一差异的整体分布水平均与所述置信度呈负相关关系；所述候选簇为任一簇；

25、结合所有簇的整体置信度确定待对齐序列的延迟时长。

26、优选的，所述结合所有簇的整体置信度确定待对齐序列的延迟时长，包括：

27、将置信度最大的簇作为目标簇；

28、将目标簇内所有时间差异的均值作为待对齐序列的延迟时长。

29、优选的，所述利用延迟时长将待对齐序列与参考序列中的数据对齐，包括：

30、基于所述延迟时长将待对齐序列中对应采集时刻的数据与参考序列中所对应采集时刻的数据进行匹配，获得参考序列中的数据对应的匹配数据；

31、若参考序列中存在数据无对应的匹配数据，则采用数据预测算法补齐数据。

32、优选的，所述获取实物不同类型的监测数据序列，包括：

33、对于任意一种类型的监测数据：

34、按照采集时间的先后顺序，将该种类型的所有监测数据进行排序，获得该种类型的监测数据序列。

35、本发明至少具有如下有益效果：

36、本发明考虑到多模态实物仿真系统数据解码过程中主要将实物采集到的各种监测数据进行特征提取并进行融合，从而通过多模态实物仿真系统模拟出与实物特征属性更加相近的模拟元件，但是采集到的监测数据类型可能较多，采集到的监测数据可能存在时间延迟，导致不同类型的监测数据之间存在时间差异，因此，为了提高该系统对采集数据进行解码并进行特征融合等操作的准确性，需要对采集到的存在延迟的监测数据进行时间对齐，本发明首先结合参考序列中每个数据与待对齐序列中每个数据之间的局部窗口内数据的相关情况、局部窗口内数据的波动幅度的差异以及采集时刻的差异情况，获得了多个匹配数据对，基于匹配数据对中数据之间的时间差异对所有时间差异进行了分类，综合分类结果获得了更加准确的延迟时长，进而基于延迟时长将待对齐序列与参考序列中的数据对齐，利用多模实物仿真系统对参考序列和对齐后的监测数据序列进行解码处理，提高了多模实物仿真系统对实物的属性信息采集解码融合分析等过程的准确性，使得模拟出的实物属性更加准确，保证了该系统的最终准确性。