فشرده‌سازي سيگنال‌هاي الكترومايوگرام مبتني بر تقريب به كمك تجزيه حالت تجربي و هموارسازي به كمك تبديل DCT

Electromyogram Signal Compression based on Empirical-Mode-Decomposition-Based Approximation and DCT-Based Smoothing

سيگنال‌هاي الكترومايوگرام (EMG) ابزار مفيدي در ارزيابي رفتار ماهيچه بوده و كاربردهاي كلينيكي بسياري دارند. امروزه تمايل زيادي به انتقال و ذخيره طولاني‌مدت اين سيگنال‌ها وجود دارد. اين مطلب اهميت ذخيره‌سازي مؤثر اين سيگنال‌ها را نشان مي‌دهد. در اين مقاله يك روش فشرده‌سازي سيگنال‌هاي الكترومايوگرام مبتني بر تقريب به كمك تجزيه حالت تجربي (EMD)، هموارسازي به كمك تبديل DCT، دوبعدي‌سازي، تبديل موجك و كدگذاري SPIHT پيشنهاد شده است. نقش روش EMD، تقريب و هموارسازي نسبي سيگنال و نيز فراهم‌آوردن قابليت كنترل كيفيت سيگنال فشرده‌شده است. تبديل DCT نيز به‌منظور هموارسازي سيگنال EMG و افزايش كارايي فشرده‌سازي استفاده‌شده است. سيگنال هموارشده، پس از دوبعدي‌سازي، به‌كمك تبديل موجك و كدگذاري SPIHT فشرده مي‌شود. روش پيشنهادي به‌كمك برخي معيارهاي قدرت فشرده‌سازي (PRD و CF) و معيارهاي قدرت حفظ اطلاعات كلينيكي (شامل چهار پارامتر طيفي) ارزيابي شده است.

Electromyogram (EMG) signals are useful in muscle behavior assessment and have some clinical applications. Today, there is a great tendency to transmit and store long-term EMG recordings which implies the importance of EMG signal compression. In this paper, we have proposed an EMG signal compression approach based on Empirical-Mode-Decomposition-based signal approximation, Discrete-Cosine-Transform-based signal smoothing, two-dimensional signal processing, wavelet transform, and SPIHT coding. We have evaluated the compression performance of the proposed approach by two sets of measures: The compression throughput and clinical-information-preserving measures. The former include two measures of PRD and CF while the latter uses four spectral parameters as the appropriate measures.