3.1 引言
实时心电监护系统在实时提取并检测心脏信号时,需要存储或发送大量的数据。为了降低比特率,需要对ECG数据进行高效的压缩。在过去几年中,已经为ECG信号设计了许多不同的信号压缩技术,以克服无线传输问题及存储问题。用于ECG信号的现有数据压缩可以分为两组方案:直接方案和变换方案。直接方案是试图直接对信号进行编码,现有方案如FAN,AZTEC,CORTES 和ASEC。变换方案的基本原理是将原码映射到一个特定的集合再进行编码。由于其在时域和频域中的良好的定位性质,变换方案中的小波变换方法已经示出了良好性能,优于其他编码方案,例如要优于基于离散余弦变换的编码方案。在基于小波的编码方案中,Shapiro的嵌入式零树编码(EZW)是第一个使用小波对图像应用嵌入式零树进行压缩的方法。EZW 不仅压缩性能优良,而且执行速度非常快,它不需要预存的表,能够逐次逼近量化,符合视觉规律。
分层树中的集分区(SPIHT)算法保留了EZW 编码中的父系数与子系数间的树结构、阈值编码等优良特性。在EZW 编码的基础上,它又发展了具有自己特点的排序的方法。在对零树编码时,它采用增加一个判定值的方法来帮助定位零树位置,在解码时,只需要读到判定值时,采用相同的反操作就能完整地恢复系数。SPIHT算法设计相对于EZW 的优势在于:避免了对所有可能系数都进行零树编码。但是需要增加一个判定值来帮助定位零树的位置。而在对一维ECG信号进行压缩编码时,这个判定值增加了额外的结构信息。
近年来,也出现了一些基于EZW 的改进的压缩算法。文献[34]提出一种修改的嵌入式零树小波压缩算法,MEZW 算法通过阈值能够精确筛选小波变换后的有效信号分量,从而提高了压缩的效率。通过实验观察到MEZW 算法在给定的PRD相对于传统EZW 实现的CR中显示出明显的优点。但是这种压缩方法的压缩比相对而言改进不大。文献[35]提出了一种基于奇异值分解(SVD)的算法以及嵌入式零树小波(EZW)技术的混合压缩方法,所提出的方法使用奇异值分解(SVD)构造一个低秩矩阵,再利用这个矩阵对ECG数据实施初始压缩,然后再启动EZW 压缩。评估结果表明,所提出的算法已经实现了24.25 ∶1 的压缩比。但是这种算法容易丢失ECG信号的特征值,不利于医疗诊断。本书研究基于提升方式构造高阶消失矩双正小波,通过高阶消失矩小波变换,使信号的低频能量分布更加集中,高频能量分布更加稀疏;压缩以信号特征值为导向,对小波系数进行加权运算后进行合理的取舍;研究通过优化零树编码,进一步提高心电信号压缩质量与压缩效率。
EZW 作为一种高效压缩方式,虽然在编码上具有一定的优越性,但是其多层零树结构信息编码,会致使信号的压缩比有所降低。本书研究了EZW 压缩算法的优化与改进,一是研究了使用提升小波格式处理ECG信号,重点研究了小波的消失矩提升规律与提升算法。二是研究了EZW 压缩算法编码方式的改进。通过对ECG分解信息进行特征值检测,然后根据特征信息将ECG的小波系数进行加权计算。通过衡量系数的权重,再进行优化编码,从而达到改进压缩效益的目标。(https://www.daowen.com)
数字技术、传感器、高效信号处理工具和无线通信技术的最新发展,使得能够存储和传输用于诊断患者疾病的ECG信号,记录系统用于心血管疾病的有效分析和诊断。但是长期连续心脏监测,系统每天会产生大量的心电图数据。为了有效存储和传输,需要ECG数据压缩而不引入临床失真。在大多数ECG压缩方法中,通过使用不同的信号处理技术来利用时域、频域和时频域中的信号不相关性和冗余特性。它们可以分为两大类:无损算法和有损算法。诸如经典运行长度编码,Haffman 和Lempel-Ziv-Welch 的无损算法不产生重构误差,但是压缩比通常较小。相反,有损算法例如SPIHT和MMP虽然有误差但是获得了更高的压缩等级。有损方法可以根据压缩方案进一步分类:直接模式和变换模式。直接模式直接分析信号,旨在消除冗余。相反,变换模式首先应用一些数据变换来提取最有信息的信号特性,然后通过无损压缩算法对这样得到的系数进行编码。在这个类别中,基于小波的方法已经证明了它们的有效性。文献[36]提出了一种基于EZW 编码器的方法,称为分层树中的集分区(SPIHT)算法,代表了一种先进的方法。
文献[37]提出了一种新颖有效的信号压缩算法,旨在确定ECG信号的最稀疏表示。该方法通过从信号本身的初始状态提取的基本元素,在合适的范围内重新缩放,基于无损熵的算法进行量化和压缩。
最近的研究成果给这个研究领域增加了一个新的活力,那就是强调使用自然基础ECG信号字典和压缩感知(CS)理论。自Mamaghanian 等人第一次将CS应用到ECG,目前已经在这个基础上提出了几种变体方法:一种是采用组稀疏重建算法,旨在减少测量和降低复杂度计算成本;一种是基于小波的多尺度字典学习。文献[37]把CS 应用于个性化字典包括一些患者的ECG信号,字典包含大小等于256 的1000 个原子,而不特别关心R波的位置。文献[38]提出了一种字典构建技术,其重构方法以自然信号为基础,即从心脏信号直接提取波形,为了消除心率变异性的影响,携带最多能量的QRS 复合区域被定位,并优先提取。
在二维ECG压缩方法中,二维压缩方法的性能取决于QRS 检测精度,在具有低幅度QRS 复合波的ECG信号的情况下可能有如下情况:RR间期的突然变化,QRS 振幅的突然变化,QRS 形态的突然变化,低振幅T波和各种伪影和噪声,包括运动伪影、电源线干扰、肌肉伪像和记录仪器噪声。因此二维ECG压缩方法能够可靠和准确检测R峰值(或ECG心跳分段),以有效地利用心跳内和心跳间相关性。