一种温湿度传感器数据的隐式神经表示压缩方法

本发明公开了一种温湿度传感器数据的隐式神经表示压缩方法包括，获取温湿度传感器数据并进行去噪和归一化预处理，建立描述温度和湿度时空变化的耦合物理模型，并将其转化为物理损失函数以约束神经网络输出；其次，通过双阶段神经网络架构搜索，在第一阶段基于物理损失函数剪枝低贡献通道，在第二阶段利用动态学习率优化网络架构；最后，对优化后的网络进行量化，利用物理损失函数中的残差进行非对称算术编码，并计算当前残差与前一时刻残差的空间变化分布概率；本发明通过在神经网络架构中嵌入物理约束，能够降低高湿度梯度极端环境下的数据恢复误差，同时通过量化优化降低计算成本，适配边缘设备，提高了高精度环境监测的可靠性和实时性。