基于改进的SPIHT算法的心电信号压缩研究

论文摘要

随着现代化医疗设备的增加，医学数据量激增。为了减少存储量和有利于数据传输，需要在不损失诊断信息的前提下对原始数据进行压缩。特别是随着计算机在心脏病诊断，监护等领域的广泛应用和心电图数量的日益增长，数据压缩技术自本世纪六十年代开始应用于心电图领域，并不断得到发展。心电（Electrocardiogram，ECG）数据压缩可减少传送ECG数据所需的信道带宽和传送时间，减小用于存贮ECG数据的空间。基于小波变换的压缩算法在图像及信号压缩领域得到了广泛的应用。小波变换用于信号编码的基本思想就是把信号进行多分辨率分解，分解成不同频率的近似系数和细节系数，然后再对分解后的系数进行编码。系数编码是小波变换用于压缩的核心，压缩的实质是对系数的量化压缩。采用何种策略对小波变换后的数据进行处理仍是信号压缩领域的一个研究热点。本论文在SPIHT（Set Partitioning In Hierarchical Trees）编码算法的基础上，通过引入提升小波变换、阈值优化选取、扩充零树结构等措施，提出了一种新的嵌入零树小波ECG信号压缩编码算法——Modified SPIHT，简称为MSPIHT算法。算法首先将ECG数据进行提升小波变换；其次，对提升小波变换后的小波系数进行阈值优化选取，最后用基于扩充零树结构的改进的SPIHT算法对系数进行编码。对本文给出的压缩算法方案进行了仿真实验，实验分成两部分。第一部分实验是对ECG信号进行一维压缩，通过对MIT-BIH心律不齐数据库中记录的信号数据进行的压缩实验，验证了MSPIHT算法的有效性。同时，将MSPIHT算法与SPIHT算法及其它基于小波变换的压缩方法的压缩效果进行了比较，结果表明MSPIHT算法具有更好的压缩效果。第二部分实验是利用MSPIHT算法对ECG信号进行二维压缩，这样在保证信号重建质量的情况下，可以获得比用MSPIHT算法进行一维ECG信号压缩更高的压缩比。两部分实验验证了MSPIHT算法用于ECG信号压缩的有效性。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 心电（ECG）信号的特点
• 1.2 心电信号压缩概述
• 1.2.1 心电信号压缩的必要性
• 1.2.2 心电信号压缩研究历史和现状
• 1.3 本文研究的目标与内容
• 2 本文研究的理论基础知识
• 2.1 信号压缩的基本知识
• 2.1.1 信息量和熵
• 2.1.2 信号压缩评价指标
• 2.2 小波变换基本原理
• 2.2.1 小波变换的定义
• 2.2.2 多分辨率分析
• 2.2.3 Mallat算法
• 2.3 基于小波变换的心电信号压缩原理
• 2.4 SPIHT算法
• 2.4.1 SPIHT集合分裂算法
• 2.4.2 SPIHT编码方法
• 3 改进的SPIHT算法（MSPIHT）
• 3.1 提升小波变换
• 3.1.1 提升方法的基本原理
• 3.1.2 双正交小波的提升步骤
• 3.1.3 双正交小波的提升算例
• 3.2 阈值优化选取算法
• 3.2.1 阈值处理方法
• 3.2.2 阈值选取方法
• 3.3 扩充零树结构
• 3.4 改进的SPIHT算法框架
• 4 基于改进的SPIHT算法的一维心电信号压缩
• 4.1 改进的SPIHT算法对心电信号的预处理
• 4.2 实验结果及分析
• 5 基于改进的SPIHT算法的二维心电信号压缩
• 5.1 一维心电信号的QRS复合波的提取
• 5.2 二维心电信号序列的建立
• 5.3 二维心电信号序列的提升小波分解
• 5.4 应用于二维心电信号的改进的SPIHT算法
• 5.5 实验结果及分析
• 结论
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢