• 전자공학회논문지
• /
• 제52권3호
• /
• pp.89-95
• /
• 2015

무선 헬스케어 서비스에서 생체신호 모니터링 시스템의 전력소모를 효과적으로 감소시킬 수 있는 압축센싱 기법을 다양한 생체신호에 적용하여 압축률을 비교하였다. 압축센싱 기법을 이용하여 일반적인 심전도, 근전도, 뇌전도 신호의 압축과 복원을 수행하였고, 이를 통해 복원된 신호와 원신호를 비교함으로써, 압축센싱의 유효성을 판단하였다. 유사랜덤 행렬을 사용하여 실제 생체신호를 압축하였으며, 압축된 신호는 Block Sparse Bayesian Learning(BSBL) 알고리즘을 사용하여 복원하였다. 가장 산제된 특성을 가지는 근전도 신호의 최대 압축률이 10배로 확인되어 가장 높았으며, 심전도 신호의 최대 압축률은 5배였다. 가장 산제된 특성이 작은 뇌전도 신호의 최대 압축률은 4배였다. 연구된 심전도, 근전도, 뇌전도 신호의 압축률은 향후 압축센싱을 적용한 무선 생체신호 모니터링 회로 및 시스템 개발시 유용한 기초자료로 활용될 수 있다.

• Journal of Information Technology Applications and Management
• /
• 제10권4호
• /
• pp.159-168
• /
• 2003

This paper is concerned with the compression of EEG signals using wavelet-packet based techniques. EEG data compression is desirable for a number of reasons. Primarily it decreases for transmission time, archival storage space, and in portable systems, it decreases memory requirements or increases channels and bandwidth. Upon wavelet decomposition, inherent redundancies in the signal can be removed through thresholding to achieve data compression. We proposed the energy cumulative function for deciding of the threshold value and it works very innovative of EEG data.

• 대한전자공학회논문지SP
• /
• 제41권3호
• /
• pp.221-229
• /
• 2004

The Continuous Wavelets Transform project signal f(t) to "Time-scale"plan utilizing the time varied function which called "wavelets". This Transformation permit to analyze scale time dependence of signal f(t) thus the local or global scale properties can be extracted. Moreover, the signal f(t) can be reconstructed stably by utilizing the Inverse Continuous Wavelets Transform. In this paper, the EEG signal is analyzed by wavelets coherence method and the De-noising procedure is represented.