ارائه الگوریتمی برای فشرده سازی سیگنالهای EEGباکیفیت درخواستی ومقایسه آن با یک روش فشرده سازی بدون تلفات

دراین مقاله فشرده سازی سگینالهای EEG کیفیت درخواستی بااستفاده ازپیش بینی کننده های مختلف موردبحث قرارمیگیرد درکیفیت موردنظر هدف بدست آورن نرخ های فشرده سازی بزرگتر بانرخ بیت پایین ترباحفظ حداکثر محتوای اطلاعات پزشکی می باشد برای رسیدن به این هدف یک روش فشرده سازی دومرحله ای استفاده شده است که شامل یک پیش بینی کننده ویک کدکننده ی بی نظمی است درمرحله اول پس ازپیش بینی سیگنالهای خطای بدست آمده استانه گذاری و کوانتیزه میشوند کیفیت موردنظر باتغییر استانه و سطح کوانتیزاسیون توسط کاربر بدست می آید درنهایت بعدعبور ازیک کدکننده ی بی نظمی سیگنالهای حاصله به گیرنده فرستاده میشود درستی سیگنالهای EEG بازسازی شده باپارامترهایی مثل درصد مجذور میانگین مربعات خطا نسبت سیگنال به نویز پیک سیگنال به نویز و همبستگی متقابل تعیین میشود نتایج نرخ های فشرده سازی این روش با نتایج حاصل ازیک روش مدلسازی وفقی خطا برای فشرده سازی بدون تلفات مقایسه شده است نتایج بدست آمده نشان میدهد که کیفیت سیگنال بازسازی شده درحدقابل قبولی حفظ میشود همچنین نرخ فشرده سازی بالاتری درمقایسه با روند مدلسازی وفقی حاصل میشود

کلیدواژه ها:

پیش بینی کننده شبکه عصبی ، سیگنال EEG ، فشرده سازی با کیفیت درخواستی فشرده سازی بدون تلفات ، کدکننده ی بی نظمی