python:实现Lempel-Ziv算法(附完整源码)

lempel-ziv_python 这是 Lempel-Ziv 算法（数据压缩算法）的简单 Python 实现。 它是在我攻读博士学位的第一年的信息理论课程中开发的。

[dec_cod, code_bin, code_book] = lempel_ziv(alf, str) 这是一个具有三个输出变量和两个输入变量的函数。 'dec_cod' 是编码输入字符串 'str' 的十进制代码。 'code_bin' 是从 'dec_cod' 转换得到的字符串的二进制代码。 'code_book' 是用于 Lempel-Ziv 算法的代码簿。 'alf' 是包含用于创建字符串 'str' 的字符的字母表。 'str' 是用算法编码的字符串。

使用Lempel Ziv编码对字符串进行编码的函数

在生理信号中,基于脑电信号的情感识别越来越引起研究者的重视。Lempel-Ziv复杂度测量是一种有效的非线性脑电信号分析方法,同时在情感脑—机接口系统中还可以用于进行情感的识别。文章在传统Lempel-Ziv复杂度算法的基础上,提出一种新的Lempel-Ziv复杂度算法,从而更好地进行基于脑电信号的情感识别。首先进行脑电信号的预处理,通过小波包变换来保留脑电信号的低频信号;然后利用非线性滤波器来移除脑电信号中的奇异值;进一步我们提出一种有效的自适应Lempel-Ziv复杂度算法来度量脑电信号的复杂度,并应用此特征值来识别情感。实验结果证明此方法可以从脑电信号中提取出更多有效的模式。同时,它还能够精确地检测到脑电信号的振荡情况,从而提取出不同情感状态下脑电信号中本质的非线性特性。

LZ 复杂度分析 随着人们对非线性方法的分析越加深入，他们发现，虽然关联维度和最大李雅谱诺夫指数在分析脑电时具有一定的帮助，但是它们对数据的依赖性太强，对干扰和噪声太敏感，而且要得到可靠的结果需要大量的数据，这对于高度不平稳的脑电波来说无疑是相当大的局限。科研人员迫切需要一种数据量少且具有一定抗干扰能力的方法，这时LZ复杂度算法应运而生，它是一种表征时间序列里出现新模式的速率的方法。这个方法最先由Lempel和Ziv提出，因此取名为Lempel-Ziv复杂度。直到1987年，才由Kaspar和Schuster提出了该算法的计算机实现方法。 对于一个待求字符串S(S1，S2，…，Sn)以及另一个字符串Q(q1，q2，…，qn)，SQ表示S和Q的级联，SQ=( S1，S2，…，Sn，q1，q2，…，qn)。令SQv是SQ减去最后一个字符所得字符串。判断Q是否是SQv的一个子串，如果Q是SQv的一个子串，说明Q中的字符是可从S复制的，这时把待求序列的下一个字符级联到Q。如果Q不是SQv的一个子串，则表示Q是插入字符。这时把Q级联到S，S=SQ，重新构造Q，重复以上过程直到Q取待求序列的最后一位结束。每次Q级联到S，表明出现一种新模式，用c表示一个字符串中新模式的数量。例如对于S=(10101010)，应用上面的方法可以得到c(8)=3个新模式：1，0 ，101010。