基于混合神经网络的ECG数据压缩

:提出了一种基于神经网络自适应模板匹配 ( NNATM)的 ECG压缩方法 .利用 Kohonen的自组织特征映射 ( SOFM)对 ECG波形进行分类 ,然后根据分类结果将心搏波形送往相应的前馈网络压缩 ,并生成一匹配模板 ,最后用 SAPA3算法对残差信号进行处理 .对以 2 5 0 Hz和 1 1 bit量化的 MIT/BIH心电波型的实验表明 ,该方法压缩效果好于

基于模板匹配和改进的快速LADT结合的心电数据压缩算法

性能优越的心电数据压缩算法,必须具备较快的处理速度、较高的压缩比和较理想的恢复精度,而三者通常是相互矛盾、相互制约的,实际应用中只能取折衷方案。现有的心电数据压缩算法不能在这三方面同时取得理想的效果,只能根据需要满足某一方面的需求。基于模板匹配和改进的快速LADT结合的心电数据压缩算法,吸收了模板匹配和改进的快速LADT算法的优点,并对算法实现的关键技术作了进一步的改进。介绍了模板匹配和改进的快速LADT算法的基本原理,实现步骤和关键技术,并对其应用前景作了预测。

一种综合的心电数据压缩方法

综合运用DCT变换和模板匹配两种数据压缩方法，对心电信号中高频成分丰富但形态相对规则的QRS波采用模板匹配，对其余低频分量的部分用DCT变换，得到了很好的保真度和高的压缩比．