基于自适应Huffman编码的脑电信号压缩算法.docVIP

基于自适应Huffman编码的脑电信号压缩算法 　　摘 要 本文通过整理分析大量脑电信号特征，提出借助自适应Huffman编码解决脑电信号的压缩存储问题的方法，这种方法无需额外空间保存数据字典文件。文章利用C语言程序设计对脑电信号进行压缩，动态统计信源符号率，并从实验结果和性能两个方面进行评估分析。 　　【关键词】Huffman编码 自适应算法 无损压缩 　　1 引言 　　随着计算机技术和网络技术的迅猛发展，数字化、多媒体等新产品已经走进人们的生活，并且在各个领域中不断创新发展。在人们生活水平不断提高的同时，人们对健康、保健等知识的获取也随之丰富。新的科学技术和研究理论在医疗领域发挥的作用逐步加深。脑电信号是一种可以帮助医生诊断患者脑部疾病的重要手段。由于人脑自身可以产生微弱的生物电，利用先进医疗仪器可以将其放大显示，进而可以显示头皮电位的高低频率，这种高低电位信号相互连接就产生了人脑的波形曲线图。随着脑电信号研究的不断深入，人们已经在脑部疾病的辅助诊断、揭示脑电功能、工程应用方面以及其他领域中取得大量学术价值和研究成果。然而，一方面对于具备医学研究价值的脑电信号是有必要深入研究的，由此产生的数据量是巨大的，伴随医疗器械需要存储和传输的数据量也是惊人的；另一方面，如何利用现有的设备高效的进行数据存储和解析，是摆在研究人员面前的又一个难题。 　　2 数据压缩算法 　　2.1 数据压缩 　　数据压缩是指在不丢失信息的前提下，缩减数据量以减少存储空间，提高其传输、存储和处理效率的一种技术方法。按照一定的算法对数据进行重新组织，减少数据的冗余和存储空间。数据压缩包括有损压缩和无损压缩。一些机制是可逆的，这样就可以恢复原始数据，这种机制称为无损数据压缩；另外一些机制为了实现更高的压缩率允许一定程度的数据损失，这种机制称为有损数据压缩。 　　有损压缩（Lossy Compression），又被称为破坏型压缩，这种压缩方法对压缩后的数据进行重新编码，将次要的信息压缩掉保留主要的信息，重新编码后的数据与原始的数据之间存在不同，却不影响人们对原始数据的理解，这种通过牺牲数据质量来减少数据量的方式换来了较高的压缩比。然而，这种压缩方式会产生渐进的质量下降，造成无法完全恢复原始数据，所以常用于语音、图像和视频压缩。 　　无损数据压缩（Lossless Compression），这种压缩方法无需对压缩后的数据进行重新编码，恢复后的数据与原始的数据完全相同，压缩后的数据不受任何损失，解压后数据质量没有损失。然而，这种压缩方式处理后的数据会压缩到原来的1/2～1/4，压缩比率明显低于有损压缩，占用空间大，所以常用于高品质数据的处理。 　　2.2 Huffman编码 　　Huffman编码，又称最佳编码，作为一种高效实用的无损数据压缩算法，是由D.A. Huffman首先提出的一种通过构造最小冗余代码为核心的理论。正是依靠这一理论内容，算法通过统计数据出现频率，将原始数据中出现频率较多的数据用最短的代码来代替，而出现频率较少的数据用较长的代码代替，每个数据的代码各不相同，有些代码都是二进制码，且码的长度是可变的。 　　Huffman编码主要利用贪心算法通过构造二叉树来求得编码，且二叉树的构造从叶子节点往根节点进行的。由于Huffman编码方法简单，因此应用比较广泛。现在使用中的Huffman编码大致分为两种：静态Huffman编码和自适应Huffman编码。静态编码压缩率高，缺点是压缩时间长。动态Huffman编码压缩时间短，压缩率相对于静态Huffman编码较低。 　　2.3 自适应Huffman编码 　　自适应Huffman编码的核心内容与静态Huffman编码类似，也需要构造一棵二叉树，所有可能的输入符在二叉树存在一个叶子节点与其对应，叶节点的位置就是该输入符的Huffman编码。自适应Huffman编码解决了静态Huffman编码树面临的难题。自适应Huffman编码不需要事先扫描输入符号流，而是伴随编码的进行逐步构造一棵二叉树。随着编码的进行，自适应Huffman编码对输入符的统计也是动态进行，输入符中同一个符号的编码可能有所不同，变得更长或更短。因此在实际领域下，Huffman编码在高质量的图像和视频流传输中获得了广泛的应用。 　　自适应Huffman编码算法的基本步骤如下： 　　（1）判断字符在输入符中是否出现。对输入字符进行自适应Huffman编码前需要对输入符扫描一次，需要判断输入符在前面的字符流是否出现过。 　　（2）判断该字符在该节点编码内是否最大。为了保证其兄弟属性不受影响，在进行增加权重值时，需要额外判断该结点编码是否在所属块是最大结点，如果不是就需要交换当前结点与最大结点。 　　（3）根据N