Wearable EEG via lossless compression

dc.contributorDufort Guillermo, Universidad de la República (Uruguay). Facultad de Ingeniería.
dc.contributorFavaro Federico, Universidad de la República (Uruguay). Facultad de Ingeniería.
dc.contributorLecumberry Federico, Universidad de la República (Uruguay). Facultad de Ingeniería.
dc.contributorMartín Álvaro, Universidad de la República (Uruguay). Facultad de Ingeniería.
dc.contributorOliver Juan Pablo, Universidad de la República (Uruguay). Facultad de Ingeniería.
dc.contributorOreggioni Julián, Universidad de la República (Uruguay). Facultad de Ingeniería.
dc.contributorRamírez Ignacio, Universidad de la República (Uruguay). Facultad de Ingeniería.
dc.contributorSeroussi Gadiel, Universidad de la República (Uruguay). Facultad de Ingeniería.
dc.contributorSteinfeld Leonardo, Universidad de la República (Uruguay). Facultad de Ingeniería.
dc.creatorDufort, Guillermo
dc.creatorFavaro, Federico
dc.creatorLecumberry, Federico
dc.creatorMartín, Álvaro
dc.creatorOliver, Juan Pablo
dc.creatorOreggioni, Julián
dc.creatorRamírez, Ignacio
dc.creatorSeroussi, Gadiel
dc.creatorSteinfeld, Leonardo
dc.date.accessioned2020-05-06T23:24:28Z
dc.date.accessioned2022-10-28T20:00:17Z
dc.date.available2020-05-06T23:24:28Z
dc.date.available2022-10-28T20:00:17Z
dc.date.created2020-05-06T23:24:28Z
dc.date.issued2016
dc.identifierDufort, G., Favaro, F., Lecumberry, F., y otros. Wearable EEG via lossless compression [Preprint] Publicado en : IEEE 38th Annual International Conference of the Engineering in Medicine and Biology Society. Orlando, Florida, 16-20 aug., 2016. DOI: 10.1109/EMBC.2016.7591116
dc.identifierhttps://hdl.handle.net/20.500.12008/23862
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/4977972
dc.description.abstractThis work presents a wearable multi-channel EEG recording system featuring a lossless compression algorithm. The algorithm, based in a previously reported algorithm by the authors, exploits the existing temporal correlation between samples at different sampling times, and the spatial correlation between different electrodes across the scalp. The low-power platform is able to compress, by a factor between 2.3 and 3.6, up to 300sps from 64 channels with a power consumption of 176μW/ch. The performance of the algorithm compares favorably with the best compression rates reported up to date in the literature.
dc.languageen_US
dc.publisherIEEE
dc.relationIEEE 38th Annual International Conference of the Engineering in Medicine and Biology Society (EMBC), Orlando, Florida, USA, 16-20 aug,, 2016. p.1995-1998.
dc.rightsLicencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0)
dc.rightsLas obras depositadas en el Repositorio se rigen por la Ordenanza de los Derechos de la Propiedad Intelectual de la Universidad de la República.(Res. Nº 91 de C.D.C. de 8/III/1994 – D.O. 7/IV/1994) y por la Ordenanza del Repositorio Abierto de la Universidad de la República (Res. Nº 16 de C.D.C. de 07/10/2014)
dc.subjectElectroencephalography
dc.subjectRandom access memory
dc.subjectCompression algorithms
dc.subjectPower demand
dc.subjectMicrocontrollers
dc.subjectPrediction algorithms
dc.subjectCorrelation
dc.subjectData compression
dc.subjectHumans
dc.titleWearable EEG via lossless compression
dc.typePreprint


Este ítem pertenece a la siguiente institución