Nén tín hiệu sinh học bằng học sâu để tiết kiệm năng lượng trong hệ thống mHealth

( 0 đánh giá )
Miễn phí

Hệ thống gồm 3 phần: mạng cảm biến cá nhân (PDA), hạ tầng mạng, và máy chủ mHealth Cloud (MHC).

  • Tín hiệu EEG và EOG được thu thập từ thiết bị đeo, nén bằng SAE tại PDA, truyền qua mạng đến MHC để giải nén và lưu trữ.
  • - SAE-S: nén từng kênh riêng biệt; SAE-M: nén nhiều kênh cùng lúc, tận dụng tương quan giữa các kênh.
  • - SAE-M cho độ méo trung bình 13.21%, thấp hơn 72.37% so với DWT và 3.71% so với SAE-S.
  • - Thời gian xử lý trung bình: SAE-S ~0.32s, SAE-M ~1.05s, DWT ~26.8s, CS ~25.3s.
  • - Mô hình tối ưu hóa sử dụng biến đổi hình học để tìm tỷ lệ nén tối ưu, đảm bảo độ méo <10%, độ trễ <1s, và băng thông mạng giới hạn.
  • - Khi tăng ngưỡng độ méo, SAE-M có thể tăng tỷ lệ nén, giảm năng lượng tiêu thụ đến 45% so với DWT và 20% so với CS.
  • - SAE-M phù hợp với ứng dụng mHealth thời gian thực, tiết kiệm năng lượng, giảm độ trễ và dung lượng lưu trữ.