不同压缩程序对海量生物信息数据压缩效率的比较分析

海量生物信息数据的不断涌现迫切需要在数据压缩技术方面进行更多研究,以减轻服务器存储压力和提高网络传输及数据分析的效率。目前虽然已开发出大量数据压缩软件,但对于海量生物信息数据而言,应该选用何种软件和方法进行数据压缩,尚缺乏详细的综合比较分析。本文选择生物信息学领域中GenBank数据库中的典型核酸和蛋白质序列数据库以及典型生物信息软件Blast和EMBOSS为例,采用不同数据压缩软件进行综合比较分析,结果发现经典压缩软件compress的总体压缩效率很高,除压缩比率可接受之外,其压缩时间相对其他软件而言显著减少,甚至比并行化的hzip2（pbzip2）和gzip（pigz）软件的时间还少很多,故可优先考虑使用。7-Zip软件虽然具有最高的压缩比率,但压缩过程十分耗时,可用于数据的长期储存;而采用bzip2、rar以及gzip等软件压缩的文件,虽然压缩比率较7-Zip的偏低,但压缩过程相对而言还比较快速。具体应用中推荐使用经典压缩软件compress以及并行化运行的pbzip2和pigz软件,三者可作为同时兼顾压缩比率和压缩时间的优选。     

小波神经网络在脑电信号数据压缩与棘波识别中的应用

介绍了一种新的神经网络模型———小波神经网络,利用它并适当调节网络、小波基参数,实现了对脑电信号的压缩表达,较好的恢复了原有信号。另外,在其算法研究的基础上,提出了适应于非稳态和非线性信号处理的时频分析新方法。在脑电信号的时频谱等高线图上,得到了易于自动识别的棘波和棘慢复合波特征,与传统的短时傅立叶变换（ＳＴＦＴ）和Ｗｉｇｎｅｒ分布相比,此方法有更高的分辨率和自适应性,而且其时频能量分布没有交叉项干扰。     

基于小波变换的ECG压缩

小波变换现已成为信号压缩的有力工具,小波压缩称法所基于的“嵌入零树小波”（ＥＥＷ）编码已发展为心电信号进行综压缩。     

脑电信号数据压缩及棘波识别的小波神经网络方法

本文在对小波神经网络及其算法研究的基础上,提出了一种对脑电信号压缩表达和痫样脑电棘波识别的新方法。实验结果显示,小波网络在大量压缩数据的同时,能够较好的恢复原有信号,另外,在脑电信号的时频谱等高线图上,得到了易于自动识别的棘波和棘慢复合波特征,说明此方法在电生理信号处理和时频分析方面有着光明的应用前景。     

心电数据压缩方法的新进展

一、引言 心电图(ECG)是心脏细胞电生理活动在体表的总体反应。1895年荷兰生理学家爱因妥芬(W.Einthoven)首次从体表记录到代表心脏完整的除、复极过程的心电波形,并以P、Q、R、S、T来标志不同的、可区分的波段,还给这类心脏电活动命名为心电图。从此开始了心电图的研究。并于在40、50年代建立了一套成熟的理论描述心脏活动的规律。