本發(fā)明屬于數(shù)據(jù)壓縮儲存，具體涉及基于壓縮感知理論和huffman編碼的多通道腦電信號壓縮方法及系統(tǒng)。

背景技術(shù)：

1、隨著對便攜式、高精度的腦電信號采集系統(tǒng)的逐步研究，在其遠程醫(yī)療、實時健康檢測以及腦機接口(brain?computer?interface,bci)等領域具有廣泛的應用前景。但同時也面臨著對大量數(shù)據(jù)處理、存儲和傳輸困難的問題。腦電信號的高效壓縮，不僅能顯著減少數(shù)據(jù)存儲需求，還能夠降低無線傳輸過程中的能耗，延長可穿戴設備的使用時間，使便攜式采集系統(tǒng)得以發(fā)展，使遠程醫(yī)療、實時監(jiān)測以及bci等領域的研究和應用成為可能，同時也能為受試者提供更加便捷、舒適的體驗。目前，針對腦電信號實時壓縮效率低和多通道腦電信號壓縮時各通道間的冗余信號導致壓縮比不高的問題，提出基于壓縮感知理論和huffman編碼的多通道腦電信號壓縮方法及系統(tǒng)。

技術(shù)實現(xiàn)思路

1、針對現(xiàn)有技術(shù)的不足，本發(fā)明提供基于壓縮感知理論和huffman編碼的多通道腦電信號壓縮方法及系統(tǒng)，完成對多通道腦電信號的高效壓縮。

2、為實現(xiàn)上述目的，本發(fā)明提供了如下方案：

3、基于壓縮感知理論和huffman編碼的多通道腦電信號壓縮方法，包括以下步驟：

4、采集多通道腦電信號，基于多通道去相關算法處理所述多通道腦電信號，獲得去相關后的多通道腦電信號；

5、利用壓縮感知算法，對所述去相關后的多通道腦電信號進行壓縮，獲得壓縮腦電信號；

6、對所述壓縮腦電信號進行huffman編碼，獲得huffman編碼后的壓縮腦電信號，完成基于壓縮感知理論和huffman編碼的多通道腦電信號壓縮。

7、優(yōu)選的，獲得去相關后的多通道腦電信號的方法為：

8、計算多通道腦電信號的互相關函數(shù)，基于所述互相關函數(shù)，獲得兩通道信號的互相關函數(shù)c1,2；

9、定義差分信號，并基于所述兩通道信號的互相關函數(shù)c1,2計算差分信號能量差值；

10、基于所述差分信號能量差值，劃分參考通道和差分通道；

11、計算多通道信號與相應參考通道信號的差異，得到殘差信號；

12、在所述參考通道和所述差分通道之間都不形成回路時，獲得的殘差信號與原始多通道腦電信號的能量差值最小，完成多通道腦電信號去相關處理。

13、優(yōu)選的，獲得壓縮腦電信號的方法為：

14、利用gabor字典分析去相關后的多通道腦電信號的稀疏性，獲得gabor字典稀疏基；

15、構(gòu)建高斯隨機測量矩陣，利用所述gabor字典稀疏基優(yōu)化所述高斯隨機測量矩陣；

16、基于優(yōu)化后的所述高斯隨機測量矩陣，對所述去相關后的多通道腦電信號進行壓縮，獲得所述壓縮腦電信號。

17、優(yōu)選的，利用所述gabor字典稀疏基優(yōu)化所述高斯隨機測量矩陣的方法為：

18、構(gòu)建一個隨機的高斯隨機測量矩陣，對所述高斯隨機測量矩陣進行奇異值分解，獲得分解結(jié)果；

19、基于所述分解結(jié)果，獲得新的奇異值；

20、基于新的奇異值，構(gòu)建新的高斯隨機測量矩陣；

21、降低新的高斯隨機測量矩陣與gabor字典稀疏基之間的相關性，獲得優(yōu)化后的所述高斯隨機測量矩陣。

22、優(yōu)選的，由高斯隨機測量矩陣與gabor字典稀疏基組成的觀測矩陣的列向量之間的最大互相干系數(shù)用于衡量新的高斯隨機測量矩陣與gabor字典稀疏基之間的相關性，具體衡量方法為：

23、利用觀測矩陣的gram矩陣非對角線元素的最大值表示觀測矩陣列向量之間的最大互相干系數(shù)；

24、將降低觀測矩陣的列向量之間的最大互相干系數(shù)問題轉(zhuǎn)化為最小化gram矩陣非對角線元素的問題，獲得優(yōu)化后的所述高斯隨機測量矩陣。

25、本發(fā)明還提供基于壓縮感知理論和huffman編碼的多通道腦電信號壓縮系統(tǒng)，用于實現(xiàn)壓縮方法，包括：

26、多通道去相關模塊，用于采集多通道腦電信號，基于多通道去相關算法處理所述多通道腦電信號，獲得去相關后的多通道腦電信號；

27、壓縮感知模塊，用于利用壓縮感知算法，對所述去相關后的多通道腦電信號進行壓縮，獲得壓縮腦電信號；

28、huffman編碼模塊，用于對所述壓縮腦電信號進行huffman編碼，獲得huffman編碼后的壓縮腦電信號，完成基于壓縮感知理論和huffman編碼的多通道腦電信號壓縮。

29、優(yōu)選的，所述多通道去相關模塊包括：

30、互相關函數(shù)計算單元，用于計算多通道腦電信號的互相關函數(shù)，基于所述互相關函數(shù)，獲得兩通道信號的互相關函數(shù)c1,2；

31、能量差值計算單元，用于定義差分信號，并基于所述兩通道信號的互相關函數(shù)c1,2計算差分信號能量差值；

32、參考通道劃分單元，用于基于所述差分信號能量差值，劃分參考通道和差分通道；

33、計算多通道信號與相應參考通道信號的差異，得到殘差信號；

34、去相關單元，用于在所述參考通道和所述差分通道之間都不形成回路時，獲得的殘差信號與原始多通道腦電信號的能量差值最小，完成多通道腦電信號去相關處理。

35、優(yōu)選的，所述壓縮感知模塊包括：

36、稀疏基獲取單元，用于利用gabor字典分析去相關后的多通道腦電信號的稀疏性，獲得gabor字典稀疏基；

37、測量矩陣優(yōu)化單元，用于構(gòu)建高斯隨機測量矩陣，利用所述gabor字典稀疏基優(yōu)化所述高斯隨機測量矩陣；

38、腦電信號壓縮單元，用于基于優(yōu)化后的所述高斯隨機測量矩陣，對所述去相關后的多通道腦電信號進行壓縮，獲得所述壓縮腦電信號。

39、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果為：本發(fā)明采集多通道腦電信號，針對多通道腦電數(shù)據(jù)特性，基于多通道去相關算法處理所述多通道腦電信號，獲得去相關后的多通道腦電信號；利用壓縮感知算法，對所述去相關后的多通道腦電信號進行壓縮，獲得壓縮腦電信號；對所述壓縮腦電信號進行huffman編碼，完成基于壓縮感知理論和huffman編碼的多通道腦電信號壓縮。本發(fā)明為多通道腦電數(shù)據(jù)壓縮提供了新的解決方案。最后在數(shù)據(jù)集上驗證了多通道去相關算法的有效性，同時也驗證了其與壓縮感知理論和huffman相結(jié)合，能夠完成對多通道腦電信號的高效壓縮。

技術(shù)特征：

1.基于壓縮感知理論和huffman編碼的多通道腦電信號壓縮方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于壓縮感知理論和huffman編碼的多通道腦電信號壓縮方法，其特征在于，獲得去相關后的多通道腦電信號的方法為：

3.根據(jù)權(quán)利要求1所述的基于壓縮感知理論和huffman編碼的多通道腦電信號壓縮方法，其特征在于，獲得壓縮腦電信號的方法為：

4.根據(jù)權(quán)利要求3所述的基于壓縮感知理論和huffman編碼的多通道腦電信號壓縮方法，其特征在于，利用所述gabor字典稀疏基優(yōu)化所述高斯隨機測量矩陣的方法為：

5.根據(jù)權(quán)利要求4所述的基于壓縮感知理論和huffman編碼的多通道腦電信號壓縮方法，其特征在于，由高斯隨機測量矩陣與gabor字典稀疏基組成的觀測矩陣的列向量之間的最大互相干系數(shù)用于衡量新的高斯隨機測量矩陣與gabor字典稀疏基之間的相關性，具體衡量方法為：

6.基于壓縮感知理論和huffman編碼的多通道腦電信號壓縮系統(tǒng)，用于實現(xiàn)權(quán)利要求1-5任一項所述的壓縮方法，其特征在于，包括：

7.根據(jù)權(quán)利要求6所述的基于壓縮感知理論和huffman編碼的多通道腦電信號壓縮系統(tǒng)，其特征在于，所述多通道去相關模塊包括：

8.根據(jù)權(quán)利要求6所述的基于壓縮感知理論和huffman編碼的多通道腦電信號壓縮系統(tǒng)，其特征在于，所述壓縮感知模塊包括：

技術(shù)總結(jié)
本發(fā)明提供基于壓縮感知理論和Huffman編碼的多通道腦電信號壓縮方法及系統(tǒng)，方法包括以下步驟：采集多通道腦電信號，基于多通道去相關算法處理多通道腦電信號，獲得去相關后的多通道腦電信號；利用壓縮感知算法，對去相關后的多通道腦電信號進行壓縮，獲得壓縮腦電信號；對壓縮腦電信號進行Huffman編碼，完成基于壓縮感知理論和Huffman編碼的多通道腦電信號壓縮。本發(fā)明通過多通道去相關算法與壓縮感知理論和Huffman編碼相結(jié)合，對多通道腦電數(shù)據(jù)進行有效壓縮，為多通道腦電數(shù)據(jù)壓縮提供了新的解決方案。

技術(shù)研發(fā)人員：黃玲,張婷婷,常高利,朱安富,錢夢杰
受保護的技術(shù)使用者：蘭州理工大學
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/23