基于非对称变分离散余弦变换网络的边缘-雾计算EEG数据压缩
信号处理
2025-03-14 v1
摘要
脑机接口(BCI)系统产生的大量脑电图(EEG)数据在物联网(IoT)网络中带宽受限的信道上快速传输面临挑战。为解决该问题，本文提出了一种新颖的多通道非对称变分离散余弦变换(DCT)网络，用于边缘-雾计算框架下的EEG数据压缩。在边缘层，利用并行可训练硬阈值和缩放算子设计低复杂度DCT压缩单元，以去除冗余数据并提取有效的潜在空间表示。在雾层，应用自适应滤波器组，利用通道间相关性将相邻通道的重要特征合并到每个单独通道中。随后，开发了逆DCT重建多头注意力机制，以捕捉局部和全局依赖关系并重建原始信号。此外，通过应用变分推断原理，构建了新的证据下界作为损失函数，驱动模型在压缩效率和重建精度之间取得平衡。在两个公开数据集上的实验结果表明，所提出的方法在保持对BCI检测有用信息不损失的前提下，实现了优于现有技术的压缩性能，表明了EEG数据压缩的可行方案。
引用
@article{arxiv.2503.09961,
title = {Edge-Fog Computing-Enabled EEG Data Compression via Asymmetrical Variational Discrete Cosine Transform Network},
author = {Xin Zhu and Hongyi Pan and Ahmet Enis Cetin},
journal= {arXiv preprint arXiv:2503.09961},
year = {2025}
}
备注
Accepted by the IEEE Internet of Things Journal