بخشی از مقاله

چکیده

امروزه تمایل زیادی به ذخیرهی طولانی مدت سیگنالهای الکترومایوگرام و بنابراین ف شرده سازی آنها وجود دارد. ف شرده سازی باید به گونهای انجام شود که اطلاعات کلینیکی موثر در تشخیص پزشکی حفظ شود .در این مقاله یک روش فشردهسازی سیگنالهای الکترومایوگرام مبتنی بر تقریب به کمک تجزیهی حالت تجربی - EMD - ، هموار سازی به کمک تبدیل DCT، دوبعدی سازی، تبدیل موجک و کدگذاری SPIHT پی شنهاد شده ا ست. نقش روش EMD، فراهمآوردن قابلیت کنترل کیفیت سیگنال ف شرده شده میبا شد. تبدیل DCT نیز به منظور هموار سازی سیگنال EMG و افزایش کارایی فشردهسازی استفاده شده است. سیگنال هموارشده، پس از دوبعدیسازی، به کمک تبدیل موجک و کدگذاری SPIHT فشرده میشود.روش پیشنهادی به کمک دو دسته از معیارها، معیارهای قدرت فشردهسازی و معیارهای قدرت حفظ اطلاعات کلینیکی ارزیابی شده است. نتایج همگی نشاندهندهی توانمندی و برتری روش پیشنهادی در مقایسه با مهمترین روشهای امروزی بودهاند.

کلیدواژه - تجزیه حالت تجربی، هموارسازی سیگنال، تبدیل DCTدوبُعدی،سازی، تبدیل موجک، کدگذار .SPIHT

-1 مقدمه

سیگنالهای ماهیچهای یا الکترومایوگرام - EMG - معرف میزان فعالیت الکتریکی مربوط به انقباض ع ضلات بدن ان سان ه ستند. این سیگنالها ابزار مفیدی در ارزیابی رفتار ماهیچه هستند .[2]امروزه تمایل زیادی به انتقال و ذخیره طولانی مدتِ سیگنالهای EMG وجود دارد .[2] در شرایطی که نیاز به مانیتور مداوم عملکرد عضله از روی سیگنالهای EMG است، مانند مانیتور کردن فعالیتهای کاری 4]، [طولِ زمانی این سیگنالها ممکن است تا ساعتها طول بکشد؛ به ویژه در مواقعی که لازم است این سیگنالها جهت پردازش و تحلیل /تشخیص پزشکی به مکان دیگری ارسال شوند - طب از راه دور - . در این کاربردها، انتقال چنین سیگنالهایی معمولاً مسا لهی چالش برانگیزی است زیرا نمو نهبرداریِ این سیگنالها معمولاً با نرخ 1 KHz تا 20 KHz و با دقتی بین 12 تا 16 بیت بر نمونه انجام میشود [1] - عامل اول - .

این سیگنالها ممکن است به صورت چندکاناله ثبت و جمعآوری شوند [5] - عامل دوم - . با توجه به این عوامل و شرایط، لزوم و اهمیت فشردهسازی سیگنالهای سطحی EMG مشخص میشود ؛ البته در کنار نیاز به فشردهسازی سیگنالهای EMG، نباید از نظر دور داشت که ف شرده سازی باید به گونهای انجام شود که اطلاعات کلینیکی مهم - که در تشخیص پزشکی اهمیت دارند - حفظ شوند تا از میزان سودمندی این سیگنالها کا سته ن شود [3] متا سفانه تاکنون، در روشهای ف شرده سازی پی شنهاد شده توجه ب سیار کمی به حفظ اطلاعات پزشکی سیگنالها شده است.در این مقاله روشی جهت فشرده سازی سیگنالهای الکترومایوگرام سطحی مبتنی بر تکن یک های تجز یهی حا لت تجربی - 1EMD - ، هموار سازی مبتنی بر تبدیل DCT،دوبُعدی سازی، تبدیل موجک و کدگذاری بخشبندی مجموعه مبتنی بر درختهای سلسلهمراتبی - 2SPIHT - پیشنهاد شده است.

در این فشرده سازی، هدف ما علاوه بر ر سیدن به م صالحهی منا سب بین میزان ف شرده سازی و میزاننزدیکی بین سیگنال اصلی و سیگنال فشرده شده، حفظ حداکثری اطلاعات پزشکی سیگنال فشرده شده میباشد لذا در هنگام ارزیابی کارایی ف شرده سازی روش پی شنهادی از معیارهای متنوعی ا ستفاده خواهیم کرد.تجزیه حالت تجربی یک روش جهت تجزیه یک سیگنال به تعدادی مولفه است. عمل تجزیه در این روش مبتنی بر این فرض ساده است که هر دادهای از تعدادی حالتهای نوسانیِ درونی ساده تشکیل شده است. هر حالت درونی، خطی یا غیرخطی، نمایشگر یک نوسان ساده است که دارای تعداد نقاط اکسترمم و نقاط عبور از صفر یک سانی خواهد بود. علاوه بر این، نو سان مزبور ن سبت به »میانگین محلی«، دارای تقارن است.

در این مقاله، به منظور افزایش کارایی فشردهسازی سیگنالهای الکترومایوگرام سطحی از تکنیک هموار سازی پی شنهادی مبتنی بر بازچینی ضرایب تبدیل DCT سیگنال ا ستفاده شده ا ست. مبنای منطقی این تکنیک این است که هر قدر سیگنالی هموارتر باشد ضرایب فرکانس بالای کوچکتری در طیف حاصل از تبدیل DCT آن وجود خواهد دا شت. از طرف دیگر، هر قدر سیگنالی هموارتر با شد، کارایی فشردهسازی آن سیگنال به کمک روشهای مبتنی بر تبدیل - از جمله روش مورد استفاده در این مقاله که مبتنی بر تبدیل موجک و کدگذاری SPIHT است - افزایش بیشتری مییابد.

-2 مروری بر روشهای موجود

کارهایی که تاکنون انجام شده ا ست بی شتر در مورد ف شرده سازی سیگنالهای حیاتی دیگر مانند سیگنالهای قلبی الکتروکاردیوگرام - یا - ECG و الکتروانسفالوگرام - یا - EEG بوده و کمتر روی فشردهسازی سیگنالهای EMG کار شده است .[2]روشهای فشرده سازی سیگنالهای EMG را میتوان به سه دسته تقسیم کرد: مستقیم، پارامتری و مبتنی بر تبدیل .[6] در روشهای مستقیم، ابتدا نمونههای سیگنال تخمین شده و سپس باقیمانده یا خطای تخمین کوانتیزه و سپس کدگذاری می شوند. نمونهای از این روشها، روش پیشنهاد شده در [8] است که مبتنی بر ADPCM به همراه کوانتیزهسازی وفقی است؛ این تکنیک معمولاً برای فشردهسازی سیگنالهای گفتار استفاده میشود.

در روشهای پارامتری از سیگنال پارامترهایی ا ستخراج می شود که بعدها بتوان به کمک آنها، سیگنال را باز سازی کرد. نمونهای از این روشها، روش پیشنهاد شده در [9] است که مبتنی بر مدلهای
 اتورگرسیو بوده و قادر به حفظ ویژگیهای طیفی میباشد اما شکل سیگنال را به در ستی و با دقت منا سب باز سازی نمیکند. در [10] نیز از مدل سازی AR ا ستفاده شده ا ست اما به منظور ر سیدن به قابلیت حفظ شکل موج سیگنال، سیگنال خطای باقیمانده به روش تحلیل از روی ترکیب کوانتیزه میشود.در روشهای مبتنی بر تبدیل، سیگنال ورودی به حوزهی دیگری تبدیل شده و سپس، کوانتیزه و به کمک کدگذارهای آنتروپی، کدگذاری میشود.

در این روشها، اگر بتوان تناسب و هماهنگی مناسبی بین تبدیل و کدگذاری برقرار کرد، کارایی فشردهسازی بالایی به دست خواهد آمد .[6] روشهای بسیاری در این دسته وجود دارند اما غالب آنها از تبدیلهای ک سینو سی گ س سته - DCT - [11] و تبدیل موجک گسسته - DWT - استفاده میکنند گرچه، تبدیل موجک معمولاً نتایج بهتری تولید کرده است.دیگر روشهای فشردهسازی سیگنالهای EMG را میتوان در دستههایی که نام برد، گنجاند؛ برای مثال در [14] روشی به نام تجزیهی کننده چندمقیا سی چندبعدی - MMP - پی شنهاد شده که مبتنی بر تخمین قطعههای سیگنال - به طولهای مختلف - به کمک عناصری از یک کتابخانهی وفقی چندمقیاسی میباشد.

روشهای مرسوم فشردهسازی سیگنالهای EMGمعمولاً از روشهای یک بُعدی استفاده میکنند زیرا خود این سیگنالها یک بعدی ه ستند - البته مگر این که چند الکترود را با هم به عنوان یک سیگنال چندبعدی در نظر بگیریم - [15]رویکرد. جدیدی که اخیراً معرفی شده و متفاوت از رویکرد متداول است، دوبعدیسازی و تبدیل سیگنالهای یک بعدی به سیگنال دوبعدی، یعنی یک تصویر است. در [16] از بازچینی سیگنال یک بعدی و تبدیل آن به یک تصویر و سپس ان جام برخی پیشپردازش ها به منظور افزایش همب ستگی و در نتیجه افزایش کارایی ف شرده سازی ا ستفاده شده است. به این ترتیب امکان استفاده از روشهای غیرتخصصی ف شرده سازی ت صویر مانند [17] JPEG2000 و [18] H.264/AVC فراهم میشود.

-3 روش پیشنهادی

دیاگرام بلوکی روش پی شنهادی در شکل 1 ن شان داده شده ا ست. قسمت - الف - از این شکل، مسیر فشردهسازی و قسمت - ب - مسیر بازسازی را نشان میدهند. در مسیر فشردهسازی، ابتدا از روی سیگنال ورودی به طول Lsig، نسخهای تقریب زده شده مبتنی برتجزیه حالت تجربی محا سبه می شود. این ن سخه چند ویژگی دارد؛ یکی از این ویژگیها، هموارشدگی نسبی سیگنال تقریب زده شده و ویژگی بعدی، امکان کنترل روی کیفیت سیگنال تقریب زده شده به کمک معیارهای کمّی مانند PRD است. ویژگی اول به افزایش کارایی ف شرده سازی و ویژگی دوم به قابلیت حفظ اطلاعات پز شکی کمک میکنند. در ادامه، فرآیند هموارسازی پیشنهادی که مبتنی بر تبدیل DCT است، روی سیگنال تقریب زده شده اعمال میشود. این فرآیند موجب هموارسازی قابل توجه سیگنال شده و کمک زیادی به افزایش کارایی فشردهسازی مبتنی بر تبدیل میکند.

فرآیند هموارسازی مبتنی بر تبدیل DCTتقریباً برگشتپذیر است؛ یعنی از روی سیگنال هموار شده میتوان به ن سخهای تقریباً برابر با نسخهی اولیه دست یافت. در گام بعدی، سیگنال هموار شده به سیگنالی دوبعدی، یعنی یک تصویر تبدیل می شود. فرآیند دوبعدی سازی موجب فراهم کردن امکان کاهش بیشتر تزاید از سیگنال ورودی و بنابراین، افزایش کارایی فشردهسازی سیگنال الکترومایوگرام میشود. در آخرین مرحله، تبدیل موجک روی تصویر ورودی اعمال و ماتریس ضرایب این تبدیل، به کمک کدگذاری SPIHT به دنبالهی بیتی خروجی نهایی تبدیل میشود. فرآیندهایی که در م سیر باز سازی اجرا می شوند، عکس فرآیندهای متناظر خود در مسیر فشردهسازی هستند. زیربخشهایی که در ادامه آورده شدهاند، مهمترین بلوکهای موجود در شکل - 1 - را توضیح میدهند.

1-3 تجزیه حالت تجربی

در فرآیند تجزیهی فوریه از توابع نمایی به عنوان نوع ثابتی از توابع پایه استفاده میشود. در موجکها هم به طریق مشابه عمل می شود. اما در مقابل، روش تجزیه حالت تجربی - EMD - به کمک الگوریتم خاص خود، مولفههایی نو سانی، به نام »تابع حالت ذاتی« یا IMF، برای سیگنال ورودی به دست میآورد که نوع آنها از قبل مشخص نیست.در طی فرآی ند الگوریتم روش تجز یهی حا لت تجربی - فرآی ند غربالگری - [20]، اگر توابع IMF را با imf - - ، باقیماندهها را با r - - ، و سیگنالی که میخواهیم آن را تجزیه کنیم با y - t - نشان دهیم، سیگ نال مرت باً به مول فه هایی از بزرگترین فر کانس، imf1 تاکوچکترین فرکانس، imfn تجزیه شده و نتیجهی نهایی به شکل زیر قابل بیان است:

هرقدر تعداد IMFهای بیشتری محاسبه و جمع شوند، مجموع این IMFها تقریب دقیقتری از سیگنال اولیه است.در روش پیشن هادی در این م قا له ت مامی IMF ها استخراج نمیشوند بلکه در هر دور از اجرای محاسبات جهت IMF بعدی، بررسی میشود که چنانچه مجموع IMFهای محاسبه شده - به عنوان سیگنال تقریب - تاکنون شرط خا صی را برقرار کند، فرآیند متوقف می شود. در این شرط خاصمعیار، کمّی م شخ صی مانند ری شهی در صدی میانگین مجذور تفا ضلات - PRD - و یا ماکزیمم

در متن اصلی مقاله به هم ریختگی وجود ندارد. برای مطالعه بیشتر مقاله آن را خریداری کنید