CN111407268A - 一种基于相关函数的多通道脑电信号压缩方法 - Google Patents
一种基于相关函数的多通道脑电信号压缩方法 Download PDFInfo
- Publication number
- CN111407268A CN111407268A CN202010227404.XA CN202010227404A CN111407268A CN 111407268 A CN111407268 A CN 111407268A CN 202010227404 A CN202010227404 A CN 202010227404A CN 111407268 A CN111407268 A CN 111407268A
- Authority
- CN
- China
- Prior art keywords
- channel
- coding
- signal
- differential
- channels
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Theoretical Computer Science (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Computational Mathematics (AREA)
- Mathematical Physics (AREA)
- Pathology (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Algebra (AREA)
- Psychiatry (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Psychology (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
本发明属于脑电信号处理技术领域,公开一种基于相关函数的多通道脑电信号压缩方法,包括:计算每个通道的自相关函数和任意两个通道间的互相关函数;利用自相关函数和互相关函数,计算任意两个通道的差分信号和原信号的能量差值;基于能量差值,得到参考/编码通道顺序表;根据参考/编码通道顺序表,为每个通道指定唯一的参考通道,构造差分编码树;基于差分编码树对各通道进行差分运算得到各通道的差分信号;对差分信号中所包含的数据进行霍夫曼编码后得到压缩数据。本发明的多通道脑电信号压缩方法能够提高脑电信号的压缩率,从而降低传输功耗和存储消耗。
Description
技术领域
本发明涉及脑电信号处理技术,尤其涉及一种基于相关函数的多通道脑电信号压缩方法。
背景技术
随着微电子、生物医学、脑机接口等领域的发展,以无线体域网(Wireless BodyArea Network,WBAN)为中心,对目标对象进行远程生理信号监测,包括脑电信号(EEG)、心电信号(ECG)等逐渐成为常态。EEG信号能够反映出大脑的神经电活动,并且不具有伪装性,常常用于癫痫等脑疾病的诊断以及人体的情绪识别和身份识别。在上述领域中,通常需要对EEG信号进行多通道长时间的测量以得到大量的数据,并从中提取相应的有用信息。然而,由于脑电信号的长时间测量和记录会产生大量的数据,导致目前的测量设备需要设计足够容量的存储空间才能对大量数据进行全部存储,而这则会导致随身携带的测量设备的体积较大,降低其携带便利性。因此,需要设计一种对多通道脑电信号进行压缩的方法,实现减少传输的数据量,延长无线设备的使用时间,降低设备的传输带宽。
发明内容
为了解决上述技术问题,本发明提供一种基于相关函数的多通道脑电信号压缩方法,通过去相关差分运算消除临近通道的相关性,以减少脑电信号数据的存储空间。
本发明采用如下技术方案实现:
一种基于相关函数的多通道脑电信号压缩方法,包括:
计算每个通道的自相关函数和任意两个通道间的互相关函数;
利用自相关函数和互相关函数,计算任意两个通道的差分信号和原信号的能量差值;
基于能量差值,得到参考/编码通道顺序表;
根据参考/编码通道顺序表,为每个通道指定唯一的参考通道,构造差分编码树;
基于差分编码树对各通道进行差分运算得到各通道的差分信号;
对差分信号中所包含的数据进行霍夫曼编码后得到压缩数据。
优选地,通道的自相关函数和两个通道间的互相关函数的计算方法如下:
对于通道数为M,每通道样本数为L的多通道脑电信号,先求每个通道中L个样本值的平方和,再对样本数求平均即得到其自相关函数;两个通道对应时刻样本值之积求和,再对样本数求平均得到互相关函数;
设脑电信号通道i的L个样本值为xi(1)、xi(2)、...、xi(L),通道j的L个样本值为xj(1)、xj(2)、...、xj(L),则通道i和j自相关函数公式为:
通道i和j之间的互相关函数公式为:
优选地,任意两个通道的差分信号和原信号的能量差值计算步骤包括:
设编码通道j的参考通道为p(j),则编码通道j和参考通道p(j)各自的自相关函数乘以通道信号的样本数求得编码通道j和参考通道p(j)原信号的能量;
编码通道j与通道参考p(j)对应时刻样本值之差的平方和,即为差分信号的能量,差分信号能量与参考通道p(j)原信号的能量之和,即为差分编码信号总能量,再减去编码通道j和参考通道p(j)的总能量,得到编码通道j和通道参考p(j)两个通道的差分信号和原信号的能量差值。
优选地,参考/编码通道顺序表通过以下步骤得到:
把所有能量差值进行升序排序,并对每个能量差值所对应的参考通道和编码通道的顺序也做同样的调整,得到参考/编码通道顺序表。
优选地,对能量差值进行升序排序采用的方法为快速排序算法,以第一个能量差值作为枢轴变量。
优选地,构造差分编码树的步骤包括:
设待编码通道总数为M,首先从参考/编码通道顺序表选出第一对参考通道p(j1)和编码通道j1,若j1尚未指定参考通道,且p(j1)指向j1的连接与已有参考通道-编码通道连接不形成回路,则把p(j1)指定为j1的参考通道,并把待编码通道总数减1;否则丢弃该通道对,顺序选择下一对通道;
重复直到待编码通道总数减少为1,表示只剩一个通道还未指定参考通道,把剩下的这一个通道指定为初始参考通道,差分编码树构造完成。
优选地,基于差分编码树对各通道进行差分运算得到各通道差分信号的步骤包知:
根据差分编码树,除初始参考通道外,把每个通道的信号样本值减去对应参考通道的信号样本值,得到各通道的差分信号。
优选地,对差分信号所包含的数据进行霍夫曼编码后得到压缩数据的步骤包括:
通过统计排序单元采用边输入边统计排序的方式来对差分信号中的字符出现频率进行统计,并且按照字符频率对字符进行排序;
通过编码单元根据差分信号中字符的频率,对排序后的字符进行霍夫曼编码后,通过数据输出单元将编码后得到的数据输出。
优选地,数据输出单元先输出霍夫曼编码表,然后再输出霍夫曼编码后得到的数据。
优选地,统计排序单元将输入的差分信号按8bits为单位进行划分后进行字符的统计排序。
与现有技术相比,本发明至少具有以下有益效果:
本发明基于多通道脑电信号临近通道间的相关性,采用差分编码的方式消除通道间的相关性。与原信号相比,得到的差分信号的动态范围和能量均有减小,有效地压缩了信号值的范围。然后再对差分编码后的数据进行霍夫曼编码,减少表示脑电信号所需的数据量,从而降低传输功耗和存储消耗。
附图说明
图1为本发明一个实施例中利用相关函数对多通道脑电信号进行压缩的流程图;
图2为本发明一个实施例中构造差分编码树流程图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号,其仅为了便于阐述说明而设置,对步骤之间的顺序不做任何限定,实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
本发明的基本思路包括:对于多通道脑电信号,首先计算各个通道的自相关函数和任意两个通道间的互相关函数,然后根据自相关和互相关函数计算任意两个通道间的差分信号与原信号的能量差值,然后对所有能量差值进行升序排序,并调整对应的参考通道和编码通道顺序,得到参考/编码通道顺序表;根据通道顺序构造差分编码树,并按照差分编码树对各通道进行差分运算得到差分信号;最后对差分信号进行霍夫曼编码,得到压缩数据。
本发明以基于国际脑电图学会建议标准的10-10系统和BCI2000脑机接口采集的多通道脑电信号作为原始数据库,该脑电信号共64通道,采样频率为160Hz,记录时间为2分钟。利用图1所示的压缩方法对其进行数据压缩,包括:
S1、计算每个通道的自相关函数和任意两个通道间的互相关函数,对于通道数为M=64,每通道样本数为L=160的多通道脑电信号,先求每个通道中L个样本值的平方和,再对样本数求平均即得到其自相关函数;两个通道对应时刻样本值之积求和,再对样本数求平均记得到互相关函数。设脑电信号通道i的L个样本值为xi(1)、xi(2)、...、xi(L),通道j的L个样本值为xj(1)、xj(2)、...、xj(L),则通道i和j自相关函数公式为:
通道i和j之间的互相关函数公式为:
样本数L=160乘以通道自相关函数即为该通道的原信号能量,以通道p(j)作为参考通道,通道j作为编码通道(p(j)≠j),那么编码通道j与参考通道p(j)对应时刻样本值之差的平方和,即为差分信号的能量差分信号的能量与参考通道p(j)能量Ep(j)之和,即为差分编码信号总能量再减去编码通道j和参考通道p(j)的总能量即为二者能量差值ΔEj,p(j)。
S3、根据步骤S2的所有共4032个能量差值ΔEj,p(j),求出参考/编码通道顺序表。首先以第一个能量差值作为枢轴变量,对所有ΔEj,p(j)采用快速排序算法进行升序排序,再把每个能量差值ΔEj,p(j)对应的编码通道j和参考通道p(j)按照相同的顺序进行调整,得到参考/编码通道顺序表。
S4、根据参考/编码通道顺序表,为每个通道指定唯一的参考通道,构造差分编码树。
如图2所示,设待编码通道总数为M=64,首先选出顺序表中的第一对参考通道p(j1)和编码通道j1,若j1尚未指定参考通道,且p(j1)指向j1的连接与已有参考通道-编码通道连接不形成回路,则把p(j1)指定为j1的参考通道,并把待编码通道总数减1;否则为j1指定参考通道,待编码通道总数保持不变,丢弃能量差值并选择下一对参考/编码通道。
S5、重复执行步骤S4,直到待编码通道总数减少为1,表示只剩一个通道还未指定参考通道,把该通道指定为初始参考通道,共有63对参考/编码通道对:j1--p(j1),j2--p(j2),……,j63--p(j63),则差分编码树构造完成。
S6、初始参考通道信号保持不变,其它通道的信号样本值xj(n)减去其参考通道的信号样本值xp(j)(n),,得到每个通道的差分信号:
S7、对差分信号中所包含的数据进行霍夫曼编码后得到压缩数据。通过统计排序单元采用边输入边统计排序的方式对差分信号中的字符出现频率进行统计,并且按照字符频率从大到小对字符进行排序。
具体地,将差分信号数据按顺序输入霍夫曼编码模块,数据输入有两个通道,一方面将输入的数据暂存,以用于后面编码输出,另一方面则输入到统计排序单元进行统计排序。统计排序单元将输入的数据按8bits为单位进行划分后进行字符的统计排序,其中的排序模块会根据输入的数据把对应的频率计数器数值加1,即相当于对输入的相同数据进行个数统计。直至差分信号数据输入完毕,完成字符统计排序。
S8、通过编码单元根据差分信号中字符的出现频率,对排序后的字符进行霍夫曼编码后,通过数据输出单元先输出霍夫曼编码表,然后再输出编码,得到压缩数据。
为了便于理解,以下将以5个字符为例说明霍夫曼编码的处理过程。假设一个信号包含的所有字符组成的集合X={x1,x2,x3,x4,x5},其概率为P(x1)=0.1、P(x2)=0.2、P(x3)=0.25、P(x4)=0.4、P(x5)=0.05。根据霍夫曼编码概率高码字短,概率低码字长的原则,首先按照概率的降序顺序对所有符号进行排列,结果如表1所示,表中w(xi)表示xi的码字。
表1
符号 | 频率 | 码字 |
x<sub>4</sub> | 0.4 | w(x<sub>4</sub>) |
x<sub>3</sub> | 0.25 | w(x<sub>3</sub>) |
x<sub>2</sub> | 0.2 | w(x<sub>2</sub>) |
x<sub>1</sub> | 0.1 | w(x<sub>1</sub>) |
x<sub>5</sub> | 0.05 | w(x<sub>5</sub>) |
每次把频率最低的两个字符合并,将其频率相加,重新为新字符分配码字,对新字符集按频率从大到小排序,直到仅剩一个字符,此时频率为1。最终这一信号的霍夫曼编码由表2给出:
表2
符号 | 频率 | 码字 |
x<sub>4</sub> | 0.4 | 1 |
x<sub>3</sub> | 0.25 | 01 |
x<sub>2</sub> | 0.2 | 000 |
x<sub>1</sub> | 0.1 | 0010 |
x<sub>5</sub> | 0.05 | 0011 |
编码结果表明,出现可能性最大的字符x4分配的码字长度最短,并且所有的码字都符合前缀编码的特点,这就保证了给定任何一个编码序列,都只能够通过唯一的方式解码。
由于差分信号的动态范围小于原信号,因此可以用更少的比特数表示每一个信号样本值,实现数据压缩目的。实验采用一组14个完成动作任务的脑电信号作为样本,信号通道数量为64,长度为160,进行对比测试。信号的压缩效果以压缩比进行衡量。实验结果如表3所示。
采用未去相关压缩方法的平均压缩率约为2.20,采用本发明去相关压缩方法的平均压缩率约为2.40,平均压缩率提升了约9.12%,证明本发明多通道去相关压缩方法可以进一步提高脑电信号的压缩率。
表3
任务 | 1 | 2 | 3 | 4 | 5 |
压缩率(未去相关) | 2.28 | 2.15 | 2.20 | 2.15 | 2.08 |
压缩率(去相关) | 2.41 | 2.38 | 2.41 | 2.40 | 2.35 |
任务 | 6 | 7 | 8 | 9 | 10 |
压缩率(未去相关) | 2.21 | 2.20 | 2.20 | 2.26 | 2.22 |
压缩率(去相关) | 2.40 | 2.42 | 2.39 | 2.40 | 2.40 |
任务 | 11 | 12 | 13 | 14 | - |
压缩率(未去相关) | 2.23 | 2.23 | 2.15 | 2.22 | - |
压缩率(去相关) | 2.44 | 2.40 | 2.36 | 2.41 | - |
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (10)
1.一种基于相关函数的多通道脑电信号压缩方法,其特征在于,包括:
计算每个通道的自相关函数和任意两个通道间的互相关函数;
利用自相关函数和互相关函数,计算任意两个通道的差分信号和原信号的能量差值;
基于能量差值,得到参考/编码通道顺序表;
根据参考/编码通道顺序表,为每个通道指定唯一的参考通道,构造差分编码树;
基于差分编码树对各通道进行差分运算得到各通道的差分信号;
对差分信号中所包含的数据进行霍夫曼编码后得到压缩数据。
3.根据权利要求1所述的多通道脑电信号压缩方法,其特征在于,任意两个通道的差分信号和原信号的能量差值计算步骤包括:
设编码通道j的参考通道为p(j),则编码通道j和参考通道p(j)各自的自相关函数乘以通道信号的样本数求得编码通道j和参考通道p(j)原信号的能量;
编码通道j与通道参考p(j)对应时刻样本值之差的平方和,即为差分信号的能量,差分信号能量与参考通道p(j)原信号的能量之和,即为差分编码信号总能量,再减去编码通道j和参考通道p(j)的总能量,得到编码通道j和通道参考p(j)两个通道的差分信号和原信号的能量差值。
4.根据权利要求1所述的多通道脑电信号压缩方法,其特征在于,参考/编码通道顺序表通过以下步骤得到:
把所有能量差值进行升序排序,并对每个能量差值所对应的参考通道和编码通道的顺序也做同样的调整,得到参考/编码通道顺序表。
5.根据权利要求4所述的多通道脑电信号压缩方法,其特征在于,对能量差值进行升序排序采用的方法为快速排序算法,以第一个能量差值作为枢轴变量。
6.根据权利要求1所述的多通道脑电信号压缩方法,其特征在于,构造差分编码树的步骤包括:
设待编码通道总数为M,首先从参考/编码通道顺序表选出第一对参考通道p(j1)和编码通道j1,若j1尚未指定参考通道,且p(j1)指向j1的连接与已有参考通道-编码通道连接不形成回路,则把p(j1)指定为j1的参考通道,并把待编码通道总数减1;否则丢弃该通道对,顺序选择下一对通道;
重复直到待编码通道总数减少为1,表示只剩一个通道还未指定参考通道,把剩下的这一个通道指定为初始参考通道,差分编码树构造完成。
7.根据权利要求6所述的多通道脑电信号压缩方法,其特征在于,基于差分编码树对各通道进行差分运算得到各通道差分信号的步骤包知:
根据差分编码树,除初始参考通道外,把每个通道的信号样本值减去对应参考通道的信号样本值,得到各通道的差分信号。
8.根据权利要求1所述的多通道脑电信号压缩方法,其特征在于,对差分信号所包含的数据进行霍夫曼编码后得到压缩数据的步骤包括:
通过统计排序单元采用边输入边统计排序的方式来对差分信号中的字符出现频率进行统计,并且按照字符频率对字符进行排序;
通过编码单元根据差分信号中字符的频率,对排序后的字符进行霍夫曼编码后,通过数据输出单元将编码后得到的数据输出。
9.根据权利要求8所述的多通道脑电信号压缩方法,其特征在于,数据输出单元先输出霍夫曼编码表,然后再输出霍夫曼编码后得到的数据。
10.根据权利要求8所述的多通道脑电信号压缩方法,其特征在于,统计排序单元将输入的差分信号按8bits为单位进行划分后进行字符的统计排序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010227404.XA CN111407268B (zh) | 2020-03-27 | 2020-03-27 | 一种基于相关函数的多通道脑电信号压缩方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010227404.XA CN111407268B (zh) | 2020-03-27 | 2020-03-27 | 一种基于相关函数的多通道脑电信号压缩方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111407268A true CN111407268A (zh) | 2020-07-14 |
CN111407268B CN111407268B (zh) | 2021-05-14 |
Family
ID=71486291
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010227404.XA Active CN111407268B (zh) | 2020-03-27 | 2020-03-27 | 一种基于相关函数的多通道脑电信号压缩方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111407268B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114257656A (zh) * | 2021-12-22 | 2022-03-29 | 深圳锂安技术有限公司 | 一种电池系统数据的压缩处理方法、装置及电子设备 |
CN116153453A (zh) * | 2023-04-20 | 2023-05-23 | 深圳市魔样科技有限公司 | 基于云边协同的智能戒指信息管理方法及系统 |
CN116489236A (zh) * | 2023-06-25 | 2023-07-25 | 中国科学院自动化研究所 | 脑电信号实时无损压缩方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1961486A (zh) * | 2004-07-02 | 2007-05-09 | 日本电信电话株式会社 | 多信道信号编码方法、解码方法、装置、程序及其存储介质 |
CN102077276A (zh) * | 2008-06-26 | 2011-05-25 | 法国电信公司 | 多声道音频信号的空间合成 |
CN105915226A (zh) * | 2016-04-27 | 2016-08-31 | 深圳市禾望电气股份有限公司 | 一种录波数据的处理方法及系统 |
FR3030947B1 (fr) * | 2014-12-22 | 2017-01-27 | Commissariat Energie Atomique | Procede de pretraitement de compression de donnees adapte a des donnees de mesures de signaux electro-corticographiques (ecog) et systeme d'acquisition et de transmission de donnees ecog. |
CN109495113A (zh) * | 2018-10-19 | 2019-03-19 | 华南理工大学 | 一种脑电信号的压缩方法及装置 |
-
2020
- 2020-03-27 CN CN202010227404.XA patent/CN111407268B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1961486A (zh) * | 2004-07-02 | 2007-05-09 | 日本电信电话株式会社 | 多信道信号编码方法、解码方法、装置、程序及其存储介质 |
CN102077276A (zh) * | 2008-06-26 | 2011-05-25 | 法国电信公司 | 多声道音频信号的空间合成 |
FR3030947B1 (fr) * | 2014-12-22 | 2017-01-27 | Commissariat Energie Atomique | Procede de pretraitement de compression de donnees adapte a des donnees de mesures de signaux electro-corticographiques (ecog) et systeme d'acquisition et de transmission de donnees ecog. |
CN105915226A (zh) * | 2016-04-27 | 2016-08-31 | 深圳市禾望电气股份有限公司 | 一种录波数据的处理方法及系统 |
CN109495113A (zh) * | 2018-10-19 | 2019-03-19 | 华南理工大学 | 一种脑电信号的压缩方法及装置 |
Non-Patent Citations (1)
Title |
---|
李玉坤: "脑电无线信号采集系统数据压缩算法的研究", 《中国硕士学位论文全文数据库 信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114257656A (zh) * | 2021-12-22 | 2022-03-29 | 深圳锂安技术有限公司 | 一种电池系统数据的压缩处理方法、装置及电子设备 |
CN116153453A (zh) * | 2023-04-20 | 2023-05-23 | 深圳市魔样科技有限公司 | 基于云边协同的智能戒指信息管理方法及系统 |
CN116489236A (zh) * | 2023-06-25 | 2023-07-25 | 中国科学院自动化研究所 | 脑电信号实时无损压缩方法、装置、电子设备及存储介质 |
CN116489236B (zh) * | 2023-06-25 | 2023-09-12 | 中国科学院自动化研究所 | 脑电信号实时无损压缩方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111407268B (zh) | 2021-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111407268B (zh) | 一种基于相关函数的多通道脑电信号压缩方法 | |
Dixon et al. | Compressed sensing system considerations for ECG and EMG wireless biosensors | |
US8473438B2 (en) | Combined-model data compression | |
Arnavut | ECG signal compression based on Burrows-Wheeler transformation and inversion ranks of linear prediction | |
CN109785847B (zh) | 基于动态残差网络的音频压缩算法 | |
CN116346289A (zh) | 一种用于计算机网络中心的数据处理方法 | |
Shi et al. | Differential-clustering compression algorithm for real-time aerospace telemetry data | |
CN116418882B (zh) | 基于hplc双模载波通信的存储器数据压缩方法 | |
CN107135004A (zh) | 一种对地震数据流的自适应实时无损压缩方法 | |
Trabuco et al. | S-EMG signal compression based on domain transformation and spectral shape dynamic bit allocation | |
Anant et al. | Vector quantization of ECG wavelet coefficients | |
CN115276666A (zh) | 一种装备训练模拟器数据高效传输方法 | |
Campobello et al. | A simple and efficient near-lossless compression algorithm for multichannel EEG systems | |
CN116861271B (zh) | 基于大数据的数据分析处理方法 | |
Ben-Romdhane et al. | Event-driven ECG sensor in healthcare devices for data transfer optimization | |
CN109495113A (zh) | 一种脑电信号的压缩方法及装置 | |
Kamboh et al. | Resource constrained VLSI architecture for implantable neural data compression systems | |
Rasheed et al. | Lossless compression and implementation for medical signals using verilog | |
US20220124373A1 (en) | Data compression implementation | |
Tornekar et al. | Comparative study of lossless ECG signal compression techniques for wireless networks | |
Craven et al. | Effects of non-uniform quantization on ECG acquired using compressed sensing | |
Chang et al. | An efficient lossless ECG compression method using delta coding and optimal selective huffman coding | |
Favaro et al. | Hardware implementation of a multi-channel EEG lossless compression algorithm | |
US20210306000A1 (en) | Systems, Methods, and Media for Low-Power Encoding of Continuous Physiological Signals in a Remote Physiological Monitor | |
US5708429A (en) | Method of compressing electroencephalographic signals |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |