Luận án Loại trừ nhiễu và nén tín hiệu điện tim để ứng dụng trong môi trường truyền dẫn vô tuyến

 thiểu và có thể bỏ qua. Do vậy, có thể nhận được tín 
hiệu điện tim sạch P(t) bằng cách trừ tín hiệu S(t) cho B’(t). 
Như đã đề cập ở trên, nhiễu trắng ảnh hưởng tới độ chính xác của việc xác định các 
điểm đẳng thế. Do vậy việc làm giảm mức nhiễu trắng (làm mịn tín hiệu) là cần 
thiết và được thực hiện bởi bộ lọc trung bình trước khi xác định các điểm đẳng thế. 
Tuy nhiên, quá trình làm mịn tín hiệu có thể ảnh hưởng tới vị trí của các điểm đẳng 
thế, thậm chí làm mất đi các điểm ấy nếu làm mịn không tốt. Do vậy, việc tìm các 
đỉnh sóng P, Q, R, S và T được thực hiện trước; sau đó tìm các điểm đẳng thế tương 
ứng nhằm tránh việc xác định thiếu sót các điểm này. Việc tìm các điểm đẳng thế có 
thể được thực hiện theo các bước cũng như theo lưu đồ thuật toán sau đây (hình 
2.13). 
Bước 1: Giảm mẫu (lấy mẫu lại) tín hiệu S(t), tính đạo hàm cấp 1 và cấp 2 của tín 
hiệu S(t). Các công việc này được thực hiện để tìm ra tập các điểm đặc trưng (các 
điểm cực đại, cực tiểu) và làm giảm sự ảnh hưởng của nhiễu trắng W(t). 
Bước 2: Tìm vị trí sườn dốc đạt cực trị ở trước và sau đỉnh R từ đạo hàm cấp 1 của 
tín hiệu S(t), tìm các điểm vượt 0 của đạo hàm cấp 1 và cấp 2: Việc tính đạo hàm 
cũng cho ta biết được vị trí sườn dương và vị trí sườn âm của phức bộ QRS, bởi chỉ 
có phức bộ QRS mới có 2 sườn dốc đặc trưng mà các sóng khác không có. Sử dụng 
vòng lặp kiểm tra vị trí tương đối giữa các sườn dốc để kiểm tra lại đó có phải là 
sườn âm – sườn dương của phức bộ QRS hay không. Việc tính đạo hàm cấp 1 và 
cấp 2 sẽ tìm được các điểm vượt 0 (+) hoặc vượt 0 (-) phục vụ cho việc xác định vị 
trí các điểm ở các bước tiếp theo. 
Bước 3: Tìm các đỉnh P, T, Q và S từ các điểm vượt 0 của đạo hàm cấp 1. Để đánh 
giá sai số vị trí của các điểm được phát hiện do ảnh hưởng của nhiễu trắng, nhiễu 
trôi dạt đường cơ sở và ảnh hưởng của việc làm mịn tín hiệu S(t) thì vị trí thực của 
các điểm trong tín hiệu ECG sạch được so sánh với vị trí được xác định của các 
điểm này trong tín hiệu ECG có nhiễu trắng và nhiễu trôi dạt đường cơ sở. Với mục 
 43 
đích này, tác giả sử dụng tiêu chí sai số bình phương trung bình (MSE – Mean 
Square Error), tiêu chí này được thể hiện như công thức (2.7) 
Trong trường hợp này, N là số lượng mẫu của đoạn tín hiệu ECG, xi là vị trí thực 
thứ i của các điểm trong tín hiệu ECG sạch và ̂ là vị trí thứ i tìm được của các 
điểm trong tín hiệu ECG có nhiễu trôi dạt đường cơ sở và nhiễu trắng. 
Bước 4: Tìm các điểm P_onset, T_offset, QRS_onset và QRS_offset 
Tìm các điểm P_onset, T_offset từ các điểm vượt 0 của đạo hàm cấp 1 và đạo hàm cấp 
2 (điểm uốn). Tìm điểm QRS_onset từ các điểm vượt 0(-) của đạo hàm cấp 2 và tìm 
điểm QRS_offset từ các điểm vượt 0(+) của đạo hàm cấp 2. 
Tác giả sử dụng vòng lặp để xác định tất cả các điểm cần thiết, rồi kiểm tra lại để 
loại đi các điểm trùng nhau (việc này sẽ được thực hiện ở bước kiểm tra). Có nhiều 
điểm sẽ có đặc điểm toán học giống với các điểm isoelectric cần tìm, nhưng khi làm 
mịn thích hợp thì các điểm isoelectric có thể được tìm chính xác với lưu ý sau đây: 
 - Điểm P_offset là điểm sau P và gần P nhất. Kiểm tra điều kiện đảm bảo 
 P_offset nằm trước phức bộ QRS 
 - Điểm T_offset là điểm sau T và gần T nhất. Kiểm tra điều kiện đảm báo nó 
 nằm trước sóng P 
 - Điểm QRS_onset và offset phải gần sườn dốc cực đại nhất (trước hoặc sau). 
 Kiểm tra điều kiện để điểm đó nằm sau sóng P (đối với QRS_onset) và trước 
 T (với QRS_offset) 
Kết quả về độ chính xác của việc xác định các các điểm ở trong bước 4 này được 
mô tả chi tiết trong mục kết quả dưới đây. 
Bước 5: Kiểm tra 
Bước kiểm tra nhằm loại bỏ các điểm không phải là những điểm cần xác định. 
Những điểm này được tạo ra do sự ảnh hưởng của nhiễu trắng. 
Lưu ý: 
 - P_onset thì ph i nằm ở nửa sau của chu kỳ T-T 
 - T_offset thì ph i nằm ở 2/3 của phần trước chu kỳ T-T 
 44 
 (*): Bắt đầu 
 - Điểm P_onset là điểm trước (đọc tín hiệu S(t))
 P và gần P nhất.
 - Điểm T_offset là điểm sau T 
 và gần T nhất
 - Điểm QRS_onset và offset - Giảm mẫu tín hiệu S(t)
 phải gần sườn dốc cực đại nhất - Đạo hàm cấp 1 và cấp 2
 (trước hoặc sau). 
 (**):
 - Toàn bộ các điểm vượt 0 
 - Tìm vị trí sườn dốc đạt cực trị ở 
 được khảo sát trước và sau đỉnh R từ đạo hàm cấp 1.
 - P_onset nằm sau sóng T - Tìm điểm vượt 0 của đạo hàm cấp 1 
 - T_offset nằm trước P_onset và 2
 - QRS_onset nằm sau sóng P và 
 với QRS_offse trước sóng T.
 Tìm các đỉnh P, T, Q, S của từng chu kì 
 tín hiệu (R-R)
 Lựa chọn điểm onset, offset từ các 
 điểm vượt 0 (*)
 Sai
 Chuyển sang chu kì 
 tiếp theo Kiểm tra điều kiện các điểm 
 onset, offset (**)
 Đúng
 Sai Toàn bộ tín hiệu được khảo sát?
 Đúng
 Kết thúc
 nh 2.13. Lưu đồ thuật toán xác định các điểm đẳng thế 
+ Nội suy nhiễu trôi dạt đường cơ sở từ các điểm đẳng thế 
Những vòng lặp được thực hiện để tìm tất cả các điểm bắt đầu và kết thúc các sóng 
thành phần trong tín hiệu S(t) nhằm nội suy ra nhiễu trôi dạt đường cơ sở rồi loại bỏ 
nó bằng cách kéo các điểm đẳng thế về 0 bằng việc lấy tín hiệu ECG có nhiễu trôi 
dạt đường cơ sở trừ đi đường cong nội suy được. Để nội suy nhiễu trôi dạt đường cơ 
sở từ các điểm đẳng thế xác định được, tác giả sử dụng công cụ “Spline 
Interpolation.VI” trong phần mềm LabView. Công cụ này trả về một mảng giá trị 
nội suy có độ dài n, mảng giá trị này chứa đạo hàm bậc 2 của hàm nội suy tại điểm 
S[i], với i = 0, 1, ,n – 1. Kết quả nội suy nhiễu trôi dạt đường cơ sở từ các điểm 
isoelectric sẽ được thể hiện ở mục kết quả thực hiện dưới đây. 
Để thực hiện các bước trong thuật toán và thử nghiệm thuật toán, tác giả sử dụng 
các công cụ hỗ trợ được cài đặt ở trong phần mềm LabView. 
2.2.2.2. Kết quả thực hiện 
(Kết qu thử nghiệm của thuật toán đề xuất đã được đăng trên tạp chí ở Mỹ - Công 
bố số 4 trong danh mục các công trình công bố) 
* Kết qu 1: đánh giá độ chính xác của việc xác định các đỉnh Q, S, P,T và các điểm 
đẳng thế 
 45 
 Dữ liệu thử nghiệm 
Kết quả thử nghiệm với tín hiệu điện tim mô phỏng S(t) được biểu diễn như ở công 
thức (2.9), trong đó P(t) là tín hiệu điện tim mô phỏng ECG sạch (không có nhiễu) 
với một số thông số gồm nhịp tim: 72nhịp/phút (tương ứng với tần số là 1.2Hz), tần 
số lấy mẫu: 360Hz, độ dài tín hiệu: 10s, biên độ của tín hiệu: 1.6mV; B(t) là nhiễu 
trôi dạt đường cơ sở ngẫu nhiên, với độ lớn bằng 0.5mV, tần số của nhiễu trôi dạt 
đường cơ sở được giới hạn bằng 1.2Hz (trùng với tần số của tín hiệu ECG); W(t) là 
nhiễu trắng với độ lớn thay đổi từ 0.01mV đến 0.05mV. 
 Tham số đánh giá 
Để đánh giá độ chính xác của việc xác định các đỉnh Q, S, P,T và các điểm đẳng 
thế, tác giả sử dụng tiêu chí sai số bình phương trung bình (MSE – Mean Square 
Error), tiêu chí này được thể hiện như công thức (2.7) 
Trong trường hợp này, N là số lượng mẫu của đoạn tín hiệu ECG, xi là vị trí thực 
thứ i của các điểm trong tín hiệu ECG sạch và ̂ là vị trí thứ i tìm được của các 
điểm trong tín hiệu ECG có nhiễu đường biên và nhiễu trắng. 
 Kết qu 
Kết quả đánh giá độ chính xác của việc xác định các đỉnh Q, S, P,T và các điểm 
isoelectric thông qua giá trị MSE ứng với một số mức của nhiễu trắng. Kết quả 
được thể hiện trong các bảng 2.5 và 2.6 dưới đây. 
 ng 2.5. Giá trị của MSE ứng với một số mức của nhiễu trắng khi xác định các 
đỉnh P, Q, R, S và T. 
 Mức MSE 
 nhiễu trắng (mV) Đỉnh P Đỉnh Q Đỉnh R Đỉnh S Đỉnh T 
 0.01 4.35 0.39 0.04 0.22 4.21 
 0.02 5.26 0.55 0.13 0.3 5.7 
 0.03 10.43 0.57 0.2 0.37 6.39 
 0.04 11.05 0.76 0.32 0.45 8.21 
 0.05 12.64 0.85 0.43 0.61 10.03 
 ng 2.6. Giá trị của MSE ứng với một số mức của nhiễu trắng khi xác định các 
điểm Isoelectric. 
 Mức MSE 
 nhiễu trắng (mV) P_onset QRS_onset QRS_offset T_offset 
 0.01 18 0.28 1.39 16.05 
 0.02 25.86 2.35 1.7 24.11 
 0.03 30 6.05 2.78 34 
 0.04 42 8.25 5.8 46 
 0.05 53 11 8 59 
 46 
Kết qu 2: Đánh giá tín hiệu điện tim sau khi lọc nhiễu trôi dạt đường cơ sở B(t); 
nội suy nhiễu trôi dạt đường cơ sở từ các điểm Isoelectric. 
 Dữ liệu thử nghiệm 
 Sử dụng tín hiệu điện tim mô phỏng như đã trình bày ở phần trên 
 Tham số đánh giá 
Để đánh giá tín hiệu điện tim sau khi lọc nhiễu trôi dạt đường cơ sở, tác giả sử dụng 
tiêu chí MSE được biểu diễn như công thức (2.7) ở trên. Trong trường hợp này, N là 
số lượng mẫu của tín hiệu ECG, xi là mẫu thứ i của tín hiệu ECG chưa có nhiễu trôi 
dạt đường cơ sở ngẫu nhiên và ̂ là mẫu thứ i của tín hiệu ECG sau khi lọc nhiễu 
trôi dạt đường cơ sở ngẫu nhiên. 
 Kết qu 
Hình 2.14a thể hiện tín hiệu điện tim mô phỏng có nhiễu S(t), hình 2.14b thể hiện 
quá trình xác định các điểm isoelectric của tín hiệu S(t), hình 2.14c thể hiện nhiễu 
trôi dạt đường cơ sở ngẫu nhiên B(t), hình 2.14d thể hiện tín hiệu B’(t) được nội suy 
bởi thuật toán Cubic Spline và hình 2.14e thể hiện tín hiệu điện tim P(t) – là tín hiệu 
sau khi lọc nhiễu trôi dạt đường cơ sở B(t). 
 (mV)
 ộ
 a) 
 Biên đ
 Thời gian (s) 
 (mV)
 ộ
 Biên đ
 b) 
 Số mẫu 
 (mV)
 ộ
 Biên đ c) 
 Thời gian (s) 
 47 
 (mV)
 ộ
 d) 
 Biên đ
 Th ời gian (s) 
 (mV)
 ộ
 e) 
 Biên đ
 Thời gian (s) 
 nh 2.14. a) Tín hiệu điện tim mô phỏng có nhiễu trôi dạt đường cơ sở; b) Quá 
 tr nh xác định các điểm isoelectric của tín hiệu S(t); c) nhiễu trôi dạt đường cơ sở 
 ngẫu nhiên B(t); d) tín hiệu ’(t) được nội suy bởi phép Cubic Spline và e)tín hiệu 
 điện tim sau khi lọc 
Về chất lượng tín hiệu thu được, sai số tín hiệu trong trường hợp này là, MSE = 
0.0003. 
*Kết qu 3: so sánh kết quả thử nghiệm với kết quả trong tài liệu tham khảo [54] 
 Dữ liệu thử nghiệm: 
 Kết quả được thử nghiệm với bản ghi 301 trong bộ cơ sở dữ liệu điện tim 
 MIT-BIH (MIT-BIH ST Change Database) với nhiễu trôi dạt đường cơ sở 
 mô phỏng được đề cập trong tài liệu [54] 
 Tham số đánh giá 
Kết quả đánh giá thông qua hệ số tương quan được xác định bởi công thức (2.10). 
Bảng 2.7 so sánh hệ số tương quan trung bình nhận được sau khi lọc nhiễu trôi dạt 
đường cơ sở từ một số bản ghi điện tim của phương pháp đề xuất và của Na Pan 
cùng cộng sự. 
 xy = ∑ ∑ ∑ (2.10) 
Trong đó, x(n) là tín hiệu ECG ban đầu (không có nhiễu trôi dạt đường cơ sở), y(n) 
là tín hiệu ECG sau khi lọc nhiễu trôi dạt đường cơ sở, N độ dài của tín hiệu ECG. 
 Kết quả 
 48 
 ng 2.7. B ng so sánh hệ số tương quan trung b nh của phương pháp đề xuất và 
phương pháp Na Pan 
 TT Phương pháp Hệ số tương quan trung bình 
 1 Đề xuất 0.9956 
 2 Na Pan [54] 0.9746 
Ngoài ra, tác giả của luận án còn đánh giá phương pháp đề xuất bằng cách sử dụng 
tiêu chí MSE (được thể hiện qua công thức 2.7) và SNR (được thể hiện qua công 
thức 2.6) trên cơ sở thử nghiệm với một số bản ghi 301, 302 trong bộ cơ sở dữ liệu 
điện tim MIT-BIH. Trong trường hợp này, MSE = 0.0005 và SNR(dB) = 16.72. 
2.3. Kết luận chương 
Trong chương này, tác giả đã trình bày tóm lược những nghiên cứu gần đây về lọc 
nhiễu nguồn xoay chiều và nhiễu trôi dạt đường cơ sở. Trên cơ sở đó, tác giả đề 
xuất giải pháp nâng cao hiệu quả lọc nhiễu đối với hai loại nhiễu này. Đối với nhiễu 
nguồn xoay chiều 50Hz, tác giả sử dụng bộ lọc triệt tần thích nghi dựa trên biến đổi 
Fourier nhanh và nhiều vòng lặp; đối với nhiễu trôi dạt đường cơ sở, tác giả sử dụng 
phương pháp lọc trong miền thời gian dựa trên các điểm đẳng thế. Các giải pháp lọc 
nhiễu đề xuất này được thử nghiệm với các bản ghi cơ sở dữ liệu điện tim MIT-BIH 
và được thực hiện bằng phần mềm LabView. Các kết quả thử nghiệm của phương 
pháp đề xuất được so sánh với các kết quả nghiên cứu gần đây, cho thấy phương 
pháp đề xuất cho kết quả lọc nhiễu tốt hơn. Các nghiên cứu của tác giả đã được 
đăng trên các tạp chí và hội nghị khoa học Quốc tế (Công trình số 2, 4, 6 trong danh 
mục các công trình công bố). 
 49 
 CHƯƠNG 3. ĐỀ XUẤT PHƯƠNG PHÁP NÉN DỮ LIỆU 
 ĐIỆN TIM (ECG) ỨNG DỤNG TRONG HỆ THỐNG THEO 
 DÕI VÀ CHẨN ĐOÁN BỆNH TIM MẠCH TỪ XA 
3.1. Đặt vấn đề 
Có thể nói chất lượng của truyền tín hiệu của hệ thống vô tuyến thông thường được 
thể hiện qua các tham số như lỗi bit (Bit Error Ratio – BER), lỗi gói dữ liệu (Packet 
Error Ratio - PER) và trễ đường truyền (delay of transmission). Có nhiều nguyên 
nhân dẫn đến lỗi bit và lỗi mất gói lớn như trễ đường truyền lớn, băng thông hẹp, 
nhiễu kênh lớn, kích thước dữ liệu truyền lớn...Bên cạnh các nguyên nhân khách 
quan liên quan đến môi trường xung quanh hay chất lượng kênh truyền, thì kích 
thước gói dữ liệu truyền đi cũng đã được chứng minh là một trong những nguyên 
nhân ảnh hưởng cả trực tiếp và gián tiếp đến BER và lỗi mất gói. Theo một nghiên 
cứu của Jari Korhonen và Ye Wang [35] về tác động của kích thước gói dữ liệu tới 
tỉ lệ mất gói và trễ gói trên đường truyền không dây, Jari Korhonen và Ye Wang đã 
chỉ ra rằng trong các môi trường không dây tốc độ thấp như GPRS và HSCSD, trễ 
gói giữa các mạng tế bào là rất đáng kể khi tăng dần kích thước gói dữ liệu. Nguyên 
nhân là tại các điểm truy cập trung gian, việc kích thước gói dữ liệu lớn sẽ dẫn đến 
khả năng phải truyền lại gói nhiều hơn, vấn đề này gây ra thời gian trễ lớn ở phía 
bên nhận. Thậm chí, trong điều kiện lưu lượng mạng đang bận rộn, việc phát lại 
nhiều sẽ gây ra tình trạng nghẽn mạng gây ảnh hưởng đến chất lượng dịch vụ. 
Tương tự, Yaakob và các đồng nghiệp [55] cũng thực hiện nghiên cứu về phân tích 
việc tối ưu gói dữ liệu trong xử lý tình trạng nghẽn mạng. Với sự thay đổi kích 
thước gói từ 30 byte đến 130 byte trong điều kiện BER khác nhau, kích thước gói 
đã được chứng minh là ảnh hưởng trực tiếp đến lỗi mất gói. hi kích thước gói tăng 
thì số lượng gói bị mất trong quá trình truyền dữ liệu cũng tăng theo. Đặc biệt là 
trong điều kiện BER cao (khả năng lỗi bit trong gói dữ liệu lớn), kích thước gói lớn 
sẽ dẫn đến số lần truyền lại gói cao hơn và vì thế số lượng gói bị bỏ đi sẽ tăng lên. 
Yaakob và các đồng nghiệp kết luận rằng, có thể sử dụng kích thước gói dữ liệu lớn 
hơn trong điều kiện BER thấp, và ngược lại nên giảm kích thước gói trong điều kiện 
kênh truyền nhiều nhiễu [55]. Tuy nhiên, việc giảm kích thước gói dữ liên tục 
không đồng nghĩa với hiệu quả đường truyền cũng tăng lên theo tỉ lệ thuận, điều 
này được thể hiện trong một thí nghiệm cụ thể hơn, khi Liang và Balasingham 
nghiên cứu đánh giá hiệu quả của một mạng theo dõi ECG sử dụng giao thức IEEE 
802.15.4 [82]. Theo tài liệu này, trong một mạng với một số lượng node cố định, 
kích thước gói quá nhỏ sẽ làm cho các node phải gửi gói dữ liệu đó trong khoảng 
thời gian rất ngắn. Như vậy, không những không làm tăng hiệu quả của kênh truyền 
 50 
mà còn làm cho mạng vô cùng bận rộn. Thử nghiệm đã chứng tỏ rằng kích thước 
gói cần đạt một lượng byte nhất định thì trễ đường truyền mới đạt giá trị tối ưu nhất. 
Sau giá trị đó, khi kích thước gói tăng lên thì trễ đường truyền cũng sẽ tăng theo. 
Ngoài ra, việc giảm kích thước gói dữ liệu quá nhiều cũng sẽ làm giảm tốc độ 
truyền gói dữ liệu (packet delivery rate). Theo [82], một gói dữ liệu từ 40 đến 60 
byte là lựa chọn hợp lý để đạt được trễ đường truyền tương đối thấp với một tốc độ 
truyền gói đủ tốt. Nhìn chung, trong cả ba nghiên cứu [35], [55] và [82]; J. 
Korhonen và N.Yaakob và Xuedong Liang đều kết luận rằng một cơ chế tối ưu hóa 
gói dữ liệu là một phương án hữu hiệu để làm tăng hiệu quả làm việc của kênh 
truyền, tránh nghẽn mạng và kiểm soát trễ gói. 
Trong thực tế, tần số lấy mẫu tín hiệu ECG trong các thiết bị di động hiện nay ít 
nhất là 250 mẫu/giây, trong khi con số này có thể lên tới 1000 mẫu/giây hoặc lớn 
hơn đối với các thiết bị chuyên dụng dùng trong các bệnh viện. Độ phân giải lấy 
mẫu hiện nay cũng đạt tới 11-bit hoặc lớn hơn để phục vụ cho việc xử lý số được 
chính xác hơn. Do vậy, rất khó để đảm bảo được chất lượng đường truyền cũng như 
băng thông đủ để gửi đi dữ liệu ECG nguyên bản lớn đến như vậy. Trong trường 
hợp này, nén dữ liệu ECG là một trong những phương pháp hữu hiệu, giúp giảm 
kích thước gói dữ liệu truyền đi mà không làm giảm thời gian truyền tín hiệu [53]. 
Tuy nhiên, để có thể ứng dụng tốt trong mạng theo dõi và chẩn đoán bệnh tim mạch 
sử dụng công nghệ vô tuyến, thuật toán nén dữ liệu ECG cần phải có ba đặc tính 
sau: 
 1. Có khả năng ứng dụng với tất cả các loại tín hiệu ECG, bao gồm loại cả tín 
 hiệu ECG có đầy đủ sóng thành phần PQRST (regular ECG) và loại tín hiệu 
 ECG không rõ sóng thành phần PQRST (irregular ECG), mà không phụ 
 thuộc vào bất kỳ thông tin sinh lý nào như sóng P, sóng T, phức bộ QRS hay 
 đỉnh R. 
 2. Thích ứng ngay lập tức với yêu cầu thay đổi về kích thước của gói dữ liệu có 
 thể được gửi từ một cơ chế tối ưu gói dữ liệu của hệ thống mà không ảnh 
 hưởng đến chất lượng phục hồi tín hiệu ở bên nhận. 
 3. Không tốn nhiều thời gian tính toán để đảm bảo dự trữ nhiều thời gian hơn 
 cho hệ thống thực hiện các xử lý số khác cũng như để thuật toán có thể tham 
 gia vào các ứng dụng không dây khác như một bước thực hiện. 
Việc nén dữ liệu ECG đã được nghiên cứu trong nhiều năm qua ở trên thế giới và 
cho đến nay đã có khoảng 50 phương pháp được công bố trên các tạp chí và hội 
nghị quốc tế.Việc phân loại các công trình trước đó đã được thực hiện chi tiết trong 
phần giới thiệu của tài liệu tham khảo [19], đồng thời cũng là đề xuất của một 
 51 
phương pháp nén. Theo tài liệu này, các phương pháp nén được chia ra làm hai 
mảng chính: các phương pháp nén một chiều (one-dimensional methods), có thể kể 
đến các phương pháp điển hình ở trong các nghiên cứu [13], [16], [25], [32], [37], 
[41], [63], [65], [70], [78], [86] và các phương pháp nén hai chiều (two-
dimensional methods), có thể kể đến các nghiên cứu [5], [21], [26], [31], [66], [73]. 
Trong đó, các phương pháp nén một chiều chiếm đa số và được chia làm 4 nhóm 
nhỏ: (i) các phương pháp nén trực tiếp miền thời gian (direct-time domain 
compression methods – DTD) gồm một số phương pháp điển hình được trình bày 
trong các tài liệu số [56], [71]; (ii) các phương pháp nén bằng cách mô hình hóa tín 
hiệu (model based compression methods – MB) được trình bày trong các tài liệu số 
[17], [56], [71], [79]; (iii) các phương pháp nén bằng cách chuyển đổi miền tín hiệu 
(transform domain compression methods – TD) được trình bày trong các tài liệu số 
[50], [51], [62], và (iV) các phương pháp nén hỗn hợp (hybrid compression 
methods – H) ở trong các nghiên cứu số [41], [72]. Bên cạnh nhóm phương pháp 
DTD, các nhóm phương pháp khác và cả nén hai chiều đều có những nhược điểm 
riêng làm chúng không thể đạt được cả ba yêu cầu về đặc tính như đã nêu ở trên để 
tham gia một cách linh hoạt vào một mạng y tế không dây. 
 Cách thức cơ bản thực hiện nén tín hiệu của các phương pháp nén bằng cách 
mô hình hóa tín hiệu (model based compression methods – MB): Đầu tiên thực hiện 
lưu trữ một lượng chu kỳ nhất định vào một mảng dữ liệu được gọi là codebook 
database. Sau đó, các chu kỳ tiếp theo sẽ được so sánh với mảng dữ liệu này và nếu 
sai khác giữa chu kỳ đó với một chu kỳ trong codebook không quá một ngưỡng 
nhất định được đặt trước (thông thường là hệ số tương quan chéo (cross-correlation 
coefficient) hoặc là căn bậc hai của sai số bình phương trung bình (root mean 
square error)), chu kỳ đó sẽ được biểu diễn bởi giá trị sai khác thay vì giá trị ECG. 
Trong trường hợp sai khác giữa chu kỳ đang xét và chu kỳ trung bình vượt qua 
ngưỡng, chu kỳ đang xét sẽ được cập nhật tiếp vào dữ liệu. Sau đó, các chu kỳ sẽ 
được nén bằng phương pháp nén entropy (nén dựa vào xác suất xuất hiện của phần 
tử trong dữ liệu) và lượng tử hóa. Một số phương pháp MB còn kết hợp thêm 
phương pháp nén lượng tử hóa véc tơ (Vector Quantization- VQ) có thể kể đến các 
phương pháp trong các nghiên số [71], [79]. Tuy nhiên, nhược điểm chung của các 
phương pháp MB là phải xác định được hoặc đỉnh R hoặc phức bộ QRS để phân 
biệt các chu kỳ. Thậm chí đối với các phương pháp sử dụng VQ, sẽ mất một khoảng 
thời gian để thu thập đủ chu kỳ cho việc luyện tập (training) của VQ trước kh