Применение метода вейвлет-кодирования для сжатия и реконструкции физиологической информации, передаваемой по каналу радиотелеметрии
Дипломная работа - Компьютеры, программирование
Другие дипломы по предмету Компьютеры, программирование
?ициентов разложения можно либо исключить, либо выполнить над ними жесткую пороговую обработку.
Алгоритм компрессии сигнала таким образом выглядит:
- Декомпозиция сигнала до необходимой глубины j;
- Выполнение пороговой обработки коэффициентов детализации (как имеющими наименьшую энтропию);
- Реконструкция сигнала.
В результате жесткой пороговой обработки коэффициентов появляется значительное число нулевых коэффициентов и становится возможным применение классических методов сжатия сигнала, описанных в разделе 3.2.
Но результаты исследования, выполненные в настоящей работе показывают, что в случае, если достаточно для реконструкции коэффициентов с уровня Ajmax, то нет необходимости в дополнительной компрессии, - достаточно выполнять только децимацию.
3.3 Практическое применение алгоритма сжатия на основе математического аппарата вейвлет-преобразования
Рис.8. MATLAB модель канала декомпозиции и реконструкции без пороговой обработки.
Рассмотрим пример декомпозиции некоторого сигнала и оценим его степень сжатия. Для выполнения данной процедуры была создана модель компрессора в системе MATLAB (рис.8):
3.3.1 Обработка электромиограммы
Исходный сигнал содержит 9000 отiетов (сигнал электромиограммы) и представлен на рис.9.
Рис.9. Исходный сигнал электромиограммы на входе системы компрессии (Time Scope 2).
После декомпозиции, исключении всех коэффициентов, кроме A3, реконструированный сигнал полностью содержит необходимую физиологическую информацию (рис.10), но содержит в 8 раз меньший объем отiетов.
Рис.10. Реконструированный сигнал электромиограммы на выходе системы декомпрессии (Time Scope 1).
Результаты исследования некоторых других сигналов показали, что не для всех последовательностей возможно отбрасывание всех коэффициентов, кроме A3. В общем случае необходимо выполнять пороговую обработку в реальном времени.
Результаты исследования некоторых сигналов представлены в таблице 3. Алгоритм вейвлет-анализа: вид дерева разложения на основании энтропийного критерия Нj=Sdjklog2(djk), теоретическое значение амплитудного порога, достижимый коэффициент компрессии.
Таблица 3. Результаты компресси некоторых биологических сигналов.
Вид сигналаОптимальное разложениеВектор изменения энтропии Hj по уровням разложенияПроцент сохраненной энергии сигналаПроцент нулейАмплитудный порогНЧВЧЭлектромиограмма: Вейвлет -7.346 1011 -7.346 1011 -7.346 1011 -7.343 1011 -2.1225 107 -9.458 107 -2.476 108 99.9% 86.5% 100коэффициент компрессии 8:1 ЭКГВейвлет-пакет-1.389 109 -1.389 109 -1.387 109 -1.3818 109 -5.5637 105 -6.9849 105 -4.0443 105 -2.9406 105 -1.6285 105 99.35% 87.43% 325коэффициент компрессии 8:1декомпрессия Вейвлет-2.2393 1011 -2.2391 1011 -2.2389 1011 -2.2388 1011 -1.8194 107 -2.732 107 -4.888 106 99.97% 92.44% 1201коэффициент компрессии 13:1 тоны Короткова Вейвлет-5.8484 1011 -5.8479 1011 -5.8472 1011 -5.8461 1011 -5.3798 107 -6.9432 107 -1.0416 108 99.9% 86.4% 80коэффициент компрессии 7:1
Из таблицы 3 видно, что процент сохраненной энергии практически 100 % при коэффициенте компрессии от 7 раз и более. Такой характер сохраняется для всех исследованных сигналов. Необходимость выполнения пороговой обработки для некоторых сигналов потребовала разработки специализированной микросхемы вейвлет - процессора. Назначение этой микросхемы - декомпозиция, пороговая обработка (трешолдинг) и реконструкция сигнала. На передающей стороне такая микросхема в реальном времени осуществляет декомпозицию и трешолдинг и передает обработанные коэффициенты на приемную сторону, где такая же микросхема выполняет реконструкцию.
Вейвлет-обработка биологических сигналов в предложенной системе позволила получить дополнительно некоторые преимущества их диагностики, что явилось решающим фактором в процессе исследования методов обработки и сжатия биологических сигналов.
Для примера можно привести особенности вейвлет-обработки двух сигналов - сигнала тонов Короткова и кардиограммы (в исследовании использовались записи сигналов, полученных в эксперименте с применением измерительных модулей предложенной системы, - все результаты экспериментально подтверждены).
.3.2 Обработка сигнал тонов Короткова
После выделения тонов сигнал не пригоден для классической фильтрации с целью удаления шума, так как полезный сигнал расположен в одной с шумом частотной области. Отличие состоит в амплитуде сигнала и шума. В этой связи жесткая пороговая обработка вейвлет-кодером является наиболее оптимальным решением. Удаление шума позволит не только сделать сигнал более читаемым, но и обеспечит возможность его оптимальной компрессии за iет удаления последовательности нулевых коэффициентов разложения. Однако, кроме стандартных достоинств применения вейвлет-метода положительным для работы с сигналом оказалась возможность автоматического выделения истинных тонов Короткова, что на практике так или иначе выполняется. Полученный эффект достигнут за iет правильного выбора величины порогов обработки коэффициентов разложения. На рис.11 представлен исходный сигнал тонов. Виден шум.
Рис. 11. Исходная запись тонов Короткова.
Рис.12. Тоны Короткова после обработки. Присутствуют только истинные тоны при отсутствии шума в сигнале
После пороговой обработки коэффициентов разложения оставлены только истинные тоны (рис.12).
Рис.13. Сигнал кардиограммы до и после обработки вейвлет-кодером.
3.3.3 Обработка электрокардиосигнала
На рис.13. пред