Mô tả khái quát phương pháp sử dụng DCT transform:
B1:Coi tín hiệu EEG vào là : data
B2: Bước tiếp theo biến đổi DCT tín hiệu vào : DCT_data
B3: Giữ lại N phần tử đầu tiên để gửi đi, còn loại bỏ đi K phần tử còn lại
B4: biến đổi DCT ngược dữ liệu [N K]; ở đây K gồm K số 0 :gọi là recov_data
B5: tính lỗi giữa tín hiệu thật và DCT ngược : err=data-recov_data
B6: Lượng tử hoá lỗi này, sau đó sử dụng Huffman coding để nén và truyền sai số này đi Ở bên nhận sẽ thực hiện như B4 sau đó lấy kết quả cộng với lỗi nhận được để khôi phục lại dữ liệu ban đầu.
Kết quả mô phỏng:
Hình 26 : tín hiệu lỗi
tỉ lệ nén = 0.3336
phần trăm tiết kiệm = 66.64%
Nhận thấy sử dụng biến đổi DCT để nén EEG cũng đạt được kết quả tương đối. Mặc dù sai số giữa tín hiệu khôi phục và tín hiệu ban đầu cũng khá nhỏ, song vẫn có thể xảy ra xác suất gây lỗi chẩn đoán. Hơn nữa hiệu quả nén không cao bằng Huffman. Tuy nhiên nó cho phép mức độ tính toán đơn giản
Một vấn đề khó giải quyết hơn một chút trong quá trình mô phỏng này là việc lượng tử hoá lỗi. Khi lấy hệ số N khá cao thì sai số giữa tín hiệu nguồn và tín hiệu khôi phục không lớn. Nên ta có thể sử dụng một số ít bit hơn để biểu diễn lỗi. Trong Matlab dữ liệu nó xử lý nhỏ nhất là 8 bit, điều này khiến cho việc mô phỏng trong trường hợp này không bộc lộ hết hiệu quả mà tiềm năng của nó có thể thực hiện được.
Từ đó rút ra nhận xét là : tuỳ thuộc vào thiết bị phần cứng về tốc độ xử lý và khả năng lưu trữ mà chúng ta lựa chọn phương pháp nào cho phù hợp. Người ta cho rằng, phương pháp nén không mất thông tin không giành được nhiều sự quan tâm
bởi nó cho hiệu quả nén không cao, mà người ta tập trung nghiên cứu các phương pháp nén mất thông tin để đạt được hiệu quả nén cao hơn. Song tín hiệu EEG đặc biệt cần thiết yêu cầu khả năng khôi phục lại hoàn toàn dữ liệu đựơc ghi ban đầu, nên nếu sử dụng phương pháp nén mất thông tin chúng ta bằng cách nào đó phải biến nó về loại không mất dữ liệu (ví dụ như nén lỗi và gửi cả lỗi như phương pháp biến đổi DCT ở trên). Khi đó về hiệu quả nén chúng ta cần phải xem xét kĩ, tuỳ vào từng trường hợp mà lựa chọn phương pháp nào hơn. Có lẽ điều đáng quan tâm là ở mức độ phức tạp tính toán?
TÀI LIỆU THAM KHẢO
[1] Guiliano Antoniol and Paolo Tonella.” EEG data compression techniques”. IRST, trento, Italy, Tech. Rep. 9508-03, 1997.
[2] G.Nave and A. Cohen, “ECG compression using long-term prediction” IEEE trans. Biomed. Eng., Vol. 40, no. 9, pp. 877-885, Sept. 1993.
[3] Ida Mengyi Pu.” fundamental data compression”.Nxb Elsevier.,2006
[4] J. Markel and A. Grey. Linear Prediction of speech. New york: Springer-Verlag, 1976.
[5] Khalid Sayood .”Introduction to data compression”, third edition., Nxb Elseveer., 2006 [6] Leif Sörnmo and Pablo Laguna. “Bioelectrical signal processing in cardiac and
neurological applications”. tr.3-161
[7] Peyton Z. Peebles, Jr., Ph.D.” Probability, Random variables, and random signal principles”
[8] PGS.TS. Nguyễn Bình.” Lý thuyết thông tin”. tr. 3-63
[9] Trần Mạnh Tuấn.” Xác suất & thống kê lý thuyết và thực hành tính toán”. Nxb ĐHQGHN . IV/2004
MỤC LỤC NỘI DUNG
...1
...1
CHƯƠNG 1: GIỚI THIỆU CHUNG...2
1.1. Nén dữ liệu ...2
1.2. Tín hiệu EEG (Electroencephalograph) và Sự cần thiết nén dữ liệu y sinh (Biomedical data compression)...4
1.2.1. Tín hiệu EEG...4
1.2.2. Sự cần thiết nghiên cứu nén tín hiệu y sinh...7
CHƯƠNG 2: LÝ THUYẾT NÉN DỮ LIỆU...9
2.1. Những vấn đề chung...9
2.2. Lý thuyết thông tin...11
2.2.1. Khái niệm thông tin ...11
2.2.2.2.Giới thiệu về lý thuyết thông tin ...12
2.3. Các phương pháp nén dữ liệu ...15
2.3.1. Các phương pháp nén không mất thông tin...15
2.3.1.1 Mã Huffman...15
2.3.1.2. Mã số học ...19
2.3.1.3.Kĩ thuật từ điển...22
2.3.1.4. Phương pháp nén dựa vào ngữ cảnh (context-based compression) ...23
1.4. Đo chất lượng nén ...25
CHƯƠNG 3: NÉN TÍN HIỆU EEG...26
3.1. Các phương pháp đã được sử dụng để nén EEG...26
3.1.1. Các phương pháp nén không mất thông tin (lossless compression)...26
3.1.1.1. Giới thiệu phương pháp nén...26
3.1.1.2. Phương pháp mã Huffman...31
3.1.1.3. Nén đếm lặp...34
3.1.1.4. Kĩ thuật nén dự đoán (preditive compression techniques)...35
3.1.1.4.2 Bộ dự đoán lọc số...37
3.1.1.4.3. Dự đoán tuyến tính thích nghi...38
3.1.1.4. Phương pháp nén biến đổi (Transformation compression)...39
3.1.2. Giới thiệu các phương pháp nén EEG khác...40
3.2. Những đặc trưng của tín hiệu EEG...40
3.2.1. Nén dự đoán với những lối vào trễ...41
3.2.2. Lượng tử hoá vectơ của tín hiệu EEG...41
CHƯƠNG 4: MÔ PHỎNG...44
4.1. Mã Huffman ...44