脑电信号中包含了大量的生理与病理信息,在临床医学与脑科学的研究中起着非常重要的作用。为准确判定疾病的不同发作类型,选择合适的药物及治疗方案,通常需要纪录庞大的脑电信号数据,这给存储和传输带来了巨大压力。为此应该在保证脑电信号主要特征基本不变的前提下对其进行压缩,以减少其数据量,改善其存储、传输、检索及分类等问题。对数据进行压缩的方法很多,一些通用的压缩算法如Huffman编码,DPCM/ADPCM,游程编码,矢量量化,算术编码等等。但由于这些算法并不是特别针对脑电数据而设计的,所以压缩率不是很高。 为此,本论文提出了利用嵌入式零树编码(EZW)来对脑电数据进行压缩的算法。Shapiro提出的EZW算法是一种较为有效的二维图象小波压缩算法,而一维信号在小波变换后的系数也具有类似的树结构。本文根据脑电信号时频域的特点将改进的EZW算法用于一维脑电信号的压缩。在对脑电数据进行压缩时,首先将脑电信号分段,然后对每段信号分别进行小波变换和零树量化,最后再进行Huffman编码使信号得到进一步的压缩。但是由于第一代小波变换要进行浮点运算,存储时必然要进行取整,因此不能达到无损压缩的目的。基于提升方法来构造的小波基称为第二代小波或整数小波,能够进行整数到整数的小波变换,因而可以实现信号的无损压缩。为了实现脑电信号的无损压缩,本文结合脑电信号的时频特性提出了利用带有延迟输入的预测编码与整数小波变换和零树量化相结合的压缩算法,取得了较好的压缩效果。 本文采用了大量的脑电信号对本算法进行测试。计算机模拟实验表明,这种采用了嵌入式零树编码的压缩算法在压缩性能指标和人的主观视觉方面,都取得了令人满意的效果,是一种非常有效的脑电压缩方法。而且该算法实现简单,编解码的速度快,还支持多分辨率编解码,可以根据需要选择不同压缩比,尤其适合于远程医疗等对实时性要求比较强的情况。 综上所述,本文在研究小波分析和零树算法的基础上,提出了一些新的算