ECG信号的自适应无损压缩

【摘要】： 在医学研究领域,心脏疾病一直以来都是一项重要的研究课题,而对于心脏疾病的诊断与研究,心电图信号即ECG(electrocardiogram)信号又是一项极为重要的临床诊断指标和评价依据。多年来,许多学者和研究人员都对ECG信号的压缩进行了很多研究,而其压缩技术的重要性也日益显著。在原始ECG信号数据当中,往往包含大量的冗余和不相关信息,这些信息既浪费存储空间和传输带宽,又毫无价值,而通过利用信号数据中的这些冗余与不相关的信息,我们就能够实现对原始数据的压缩,从而为信息更好的存储与传输创造条件。 ECG信号的压缩可分为两大类,即:有损压缩与无损压缩。有损压缩可以达到很高的压缩率,但是解码重构信号与原始信号并不完全一致,存在一定的错误,误差与信息丢失。无损压缩虽然压缩率达不到有损压缩那么高,但是经过解码重构,恢复后的信号与原始信号完全一致。由于ECG信号的特殊性,无损压缩的重要性远比有损压缩更有意义与应用价值。 本文的研究既是建立在ECG信号的无损压缩基础上进行的: 我们提出了一种单通道ECG信号自适应线性预测的无损压缩方案。为此,我们设计了一种新的自适应可变系数线性预测器,并且此预测器是自回归的。与一般的线性预测相比,我们设计的是一种可选择预测系数的模型,针对信号特点即做到了预测的动态自适应又做到了预测系数可变,最后,我们对预测器加入自回归模块,增加预测精度。 我们设计了一种自适应的可变阶RICE编码方法,采用新的阶数算法,使得整个编码过程可以做到阶数动态自适应,根据待编码数据的大小自适应的选择最佳阶数,从而选择最佳码字长度进行编码,整个编码过程中阶数的选择是纯动态的,对待编码数据做到真正自适应编码。 我们提出了一种结合可逆整型K-L(Karhunen-Loeve Transform)变换的多通道自适应线性预测无损压缩。该方法采用动态自适应的多通道可变预测模型,其中,预测模型是多个通道同时作为预测因子进行预测的。对预测后的残差,我们使用可逆整型K-L变换进行处理,去除通道间的相关冗余,最后,使用重新设计过的多通道自适应可变阶RICE编码进行压缩。