LỜI MỞ ĐẦU

Trong thập kỉ trước nén dữ liệu đã được sử dụng ở khắp mọi nơi. Có thể nói rằng nén dữ liệu đã trở thành yêu cầu chung cho các hầu hết các phần mềm ứng dụng, và cũng là một lĩnh vực nghiên cứu quan trọng và hấp dẫn trong khoa học máy tính. Nếu không có các kĩ thuật nén dữ liệu thì sẽ không bao giờ có sự phát triển của Internet, TV số, truyền thông di động hay sự phát triển của các kĩ thuật truyền thông video. Ưu điểm nổi bật và hiệu quả của nén đã được áp dụng và phát triển nhiều lĩnh vực khác như truyền thông đa phương tiện hay các lĩnh vực nghiên cứu khác. Thời gian gần đây, một lĩnh vực đang phát triển rất nhanh và ngày càng thu hút sự quan tâm của nhiều người đó là y tế từ xa (Telemedicine), mà nén đóng vai trò rất quan trọng. Từ đó con người sẽ được chăm sóc sức khoẻ tốt hơn bằng cách có thể khám, chữa bệnh từ bất kì một bệnh viện nào trên thế giới mà không cần phải đến tận nơi đó. Chỉ cần giao tiếp với bác sĩ qua thiết bị thu ghi và phương tiện truyền thông thì sau đó sẽ nhận được kết quả chẩn đoán và phương thức chữa bệnh của bác sĩ gửi về. Một trong những tín hiệu EEG quan trọng nhất đó là tín hiệu EEG. Và trong bài báo cáo này sẽ trình bày các phương pháp nén được sử dụng để nén tín hiệu EEG. Sự cần thiết của việc này như thế nào sẽ được trình bày sau đây.

CHƯƠNG 1: GIỚI THIỆU CHUNG

1.1. Nén dữ liệu

Nén dữ liệu hay còn gọi là mã hóa nguồn (source coding), là sự biểu diễn thông tin của dữ liệu nguồn dưới dạng nén. Nó đã là một công nghệ then chốt trong cuộc cách mạng truyền thông đa phương tiện số trong nhiều thập kỉ.

Mục tiêu của nén dữ liệu bao gồm việc tìm ra một thuật toán hiệu quả để loại bỏ dư thừa tồn tại trong dữ liệu đó. Ví dụ cho một xâu kí tự S, thì cái gì là chuỗi kí tự có thể thay thế được để cho ta một không gian tích trữ nhỏ hơn? Những giải pháp cho vấn đề này là những thuật toán nén mà sẽ xuất phát từ chuỗi kí tự có thể thay thế được để thu được số bit ít hơn trong toàn bộ số bit cần biểu diễn, cùng với những thuật toán giải nén để khôi phục lại dữ liệu ban đầu.

Tuy nhiên, ít hơn bao nhiêu bit? Điều đó phụ thuộc vào việc lựa chọn thuật toán mà được sử dụng và lượng dư thừa thông tin tồn tại trong dữ liệu nguồn. Dữ liệu khác nhau có thể yêu cầu những thuật toán khác nhau để nhận ra dư thừa và loại bỏ nó. Rõ ràng, điều này khiến cho những bài toán nén trở nên khó giải quyết vì yêu cầu chung khó được trả lời một cách dễ dàng khi nó gồm quá nhiều trường hợp. May mắn thay, chúng ta có thể đưa ra một số ràng buộc nhất định và kết hợp với kinh nghiệm về dữ liệu cũng như mục đích sử dụng dữ liệu để đưa ra những thuật toán phù hợp.

Khi nén dữ liệu, chúng ta cần thiết phải phân tích những đặc tính của dữ liệu được nén và hy vọng suy ra một vài mô hình để biểu diễn nén. Điều này làm tăng mức độ đa dạng về mô hình dữ liệu. Do vậy, kĩ thuật biểu diễn là một khâu trọng tâm của kĩ thuật nén. Một cách cụ thể, nén dữ liệu có thể được xem như là một phương pháp biểu diễn hiệu quả một nguồn dữ liệu số như văn bản, hình ảnh, âm thanh hay bất kì một dạng kết hợp nào của tất cả các loại này ví dụ như video.

MỤC LỤC

NỘI DUNG

LỜI MỞ ĐẦU 1

CHƯƠNG 1: GIỚI THIỆU CHUNG 2

1.1. Nén dữ liệu 2

1.2. Tín hiệu EEG (Electroencephalograph) và Sự cần thiết nén dữ liệu y sinh (Biomedical data compression) 4

1.2.1. Tín hiệu EEG 5

1.2.2. Sự cần thiết nghiên cứu nén tín hiệu y sinh 7

CHƯƠNG 2: LÝ THUYẾT NÉN DỮ LIỆU 9

2.1. Những vấn đề chung 9

2.2. Lý thuyết thông tin 11

2.2.1. Khái niệm thông tin 11

2.2.2.2.Giới thiệu về lý thuyết thông tin 12

2.3. Các phương pháp nén dữ liệu 15

2.3.1. Các phương pháp nén không mất thông tin 15

2.3.1.1 Mã Huffman 15

2.3.1.2. Mã số học 19

2.3.1.3.Kĩ thuật từ điển 22

2.3.1.4. Phương pháp nén dựa vào ngữ cảnh (context-based compression) 23

1.4. Đo chất lượng nén 25

CHƯƠNG 3: NÉN TÍN HIỆU EEG 26

3.1. Các phương pháp đã được sử dụng để nén EEG 26

3.1.1. Các phương pháp nén không mất thông tin (lossless compression) 26

3.1.1.1. Giới thiệu phương pháp nén 26

3.1.1.2. Phương pháp mã Huffman 31

3.1.1.3. Nén đếm lặp 33

3.1.1.4. Kĩ thuật nén dự đoán (preditive compression techniques) 35

3.1.1.4.2 Bộ dự đoán lọc số 37

3.1.1.4.3. Dự đoán tuyến tính thích nghi 38

3.1.1.4. Phương pháp nén biến đổi (Transformation compression) 39

3.1.2. Giới thiệu các phương pháp nén EEG khác 40

3.2. Những đặc trưng của tín hiệu EEG 40

3.2.1. Nén dự đoán với những lối vào trễ 41

3.2.2. Lượng tử hoá vectơ của tín hiệu EEG 41

CHƯƠNG 4: MÔ PHỎNG 43

4.1. Mã Huffman 43

4.2. Biến đổi DCT 45

TÀI LIỆU THAM KHẢO 48