Tiedon pakkaus

ImageEdit

Entropia koodaus alkunsa 1940-luvulla käyttöön Shannon–Fano-koodaus, perusta Huffman-koodaus, joka kehitettiin 1950-luvulla. Transform-koodaus juontaa juurensa 1960-luvun lopulle, jolloin fast Fourier transform (FFT) – koodaus otettiin käyttöön vuonna 1968 ja Hadamard-muunnos vuonna 1969.

tärkeä kuvan pakkaus tekniikka on diskreetti kosinimuunnos (DCT), tekniikka kehitettiin 1970-luvun alussa., DCT on perusta JPEG on häviöllinen pakkausmuoto, joka otettiin käyttöön Joint Photographic Experts Group (JPEG) vuonna 1992. JPEG vähentää huomattavasti kuvan esittämiseen tarvittavien tietojen määrää suhteellisen pienen kuvanlaadun vähentämisen kustannuksella, ja siitä on tullut käytetyin kuvatiedostomuoto. Sen erittäin tehokas DCT-pohjainen pakkausalgoritmi oli suurelta osin vastuussa digitaalisten kuvien ja digitaalisten valokuvien laajasta leviämisestä.

Lempel–Ziv–Welch (LZW) on vuonna 1984 kehitetty häviötön pakkausalgoritmi. Sitä käytetään vuonna 1987 käyttöön otetussa GIF-muodossa., TYHJETÄ, häviöttömästi algoritmi määritetty vuonna 1996, käytetään Portable Network Graphics (PNG) – muodossa.

Wavelet compression, waveletsin käyttö kuvapakkauksessa, alkoi DCT-koodauksen kehittymisen jälkeen. JPEG 2000-standardi otettiin käyttöön vuonna 2000. Toisin kuin alkuperäisessä JPEG-muodossa käytetty DCT-algoritmi, JPEG 2000 käyttää sen sijaan diskreettejä wavelet transform (DWT) – algoritmeja. JPEG 2000-tekniikka, joka sisältää Motion JPEG 2000-laajennuksen, valittiin digitaalisen elokuvan videokoodausstandardiksi vuonna 2004.,

AudioEdit

Audio data compression, ei pidä sekoittaa dynaaminen alue puristus, on mahdollista vähentää kaistanleveys ja varastointi vaatimukset äänen tiedot. Äänenpakkausalgoritmit toteutetaan ohjelmistoissa äänikoodekkeina. Sekä häviöllinen ja häviöttömästi, tiedon redundanssi vähenee, käyttämällä menetelmiä, kuten koodaus, kvantisointi diskreetti kosinimuunnos ja lineaarinen ennustus vähentää määrän tietoa käytetään edustamaan pakkaamaton data.,

häviölliset äänipakkausalgoritmit tarjoavat suuremman puristuksen ja niitä käytetään lukuisissa äänisovelluksissa, kuten Vorbis ja MP3. Nämä algoritmit lähes kaikki luottavat psykoakustiikan eliminoivan tai vähentävän vähemmän kuultavien äänien uskollisuutta, mikä vähentää niiden tallentamiseen tai siirtämiseen tarvittavaa tilaa.

äänenlaadun heikkenemisen ja Lähetyksen tai tallennuksen koon välinen hyväksyttävä vaihtokauppa riippuu sovelluksesta., Esimerkiksi yksi 640 MB compact disc (CD) omistaa noin yksi tunti pakkaamatonta hifi musiikkia, vähemmän kuin 2 tuntia musiikkia pakattu losslessly, tai 7 tuntia musiikkia pakattu MP3-muotoon keskipitkällä bittinopeus. Digitaalinen ääninauhuri voi tyypillisesti tallentaa noin 200 tuntia selvästi ymmärrettävää puhetta 640 MB.

Häviötöntä äänen pakkaus tuottaa edustus digitaalista tietoa, joka voidaan dekoodata tarkka digitaalinen kopio alkuperäisestä. Puristus suhde on noin 50-60% alkuperäisestä koosta, joka on samanlainen kuin generic häviötön tiedon pakkaus., Häviöttömät koodekit käyttävät käyrän asentamista tai lineaarista ennustamista signaalin estimoinnin perustana. Estimointia kuvaavat parametrit ja estimoinnin ja todellisen signaalin välinen ero koodataan erikseen.

on olemassa useita häviöttömiä äänenpakkausmuotoja. Katso listaus häviöttömistä koodekeista. Jotkut muodot ovat liittyy erillinen järjestelmä, kuten Direct Stream Siirtää, käyttää Super Audio CD-ja Meridian Lossless Packing, jota käytetään DVD-Audio -, Dolby TrueHD -, Blu-ray ja HD-DVD.,

Jotkut audio-tiedostomuotoja ominaisuus yhdistelmä häviöllinen muoto ja häviötön korjaus; tämän avulla strippaus korjaus helposti saada häviöllinen-tiedoston avaamiseen. Tällaisia formaatteja ovat MPEG-4 SLS (skaalautuva Häviöttömään), WavPack ja OptimFROG DualStream.

Kun audio-tiedostot voidaan käsitellä, joko edelleen puristus tai muokkausta varten, on toivottavaa työtä ennallaan alkuperäinen (pakkaamaton tai losslessly pakattu)., Häviöllisesti pakatun tiedoston käsittely johonkin tarkoitukseen tuottaa yleensä lopputuloksen, joka on huonompi kuin saman pakatun tiedoston luominen pakkaamattomasta alkuperäisestä. Lisäksi äänen editointi tai sekoittamalla, häviötöntä äänen pakkaus on usein käytetään arkistointiin, tai kuten mestari kopioita.

Häviöllinen audio compressionEdit

Häviöllinen äänen pakkaus käytetään monenlaisia sovelluksia. Lisäksi erillinen audio-vain sovelluksia, tiedoston toisto MP3-soittimilla tai tietokoneissa, digitaalisesti pakattu ääniraita käytetään useimmissa video-Dvd-levyjä, digitaalinen televisio, streaming media, Internet -, satelliitti-ja kaapeli, radio, ja yhä enemmän maanpäällisiä radio-lähetyksiä., Häviöllinen puristus saavuttaa tyypillisesti paljon suuremman puristuksen kuin häviötön puristus, hylkäämällä vähemmän kriittiset tiedot, jotka perustuvat psykoakustisiin optimointeihin.

Psykoakustiikka tunnistaa, ettei ihmisen kuulojärjestelmä voi havaita kaikkea äänivirran dataa. Useimmat häviöllinen pakkaus vähentää irtisanomisia tunnistamalla ensin kuulonmukainen merkityksettömiä ääniä, että on ääniä, jotka ovat hyvin vaikea kuulla. Tyypillisiä esimerkkejä ovat korkeat taajuudet tai äänet, jotka esiintyvät samaan aikaan äänekkäämpien äänien kanssa. Nämä epäolennaiset äänet koodataan pienemmällä tarkkuudella tai ei ollenkaan.,

luonteen Vuoksi häviöllinen algoritmeja, äänen laatu kärsii digitaalisen sukupolven menetys, kun tiedosto puretaan ja pakataan uudelleen. Tämä tekee häviöllinen pakkaus sovellu tallentaa välitulokset professional audio engineering sovelluksia, kuten äänen editointi ja moniraitaäänityksen. Kuitenkin häviöllinen formaatteja, kuten MP3 on erittäin suosittu loppukäyttäjien kanssa, koska tiedoston koko on vähentää 5-20% alkuperäisestä koosta ja megatavu voi tallentaa noin minuutin verran musiikkia riittävä laatu.,

Koodaus methodsEdit

määrittää, mitä tietoja audio-signaali on kuulonmukainen merkityksetön, useimmat häviöllinen pakkaus algoritmeja, käyttää, muuntaa, kuten modified discrete cosine transform (MDCT) muuntaa aikatason otokseen aaltomuodot osaksi muuttaa verkkotunnuksen, tyypillisesti taajuusalueella. Kerran muuttunut, osa taajuudet voidaan priorisoida sen mukaan, miten ne ovat kuultavissa., Kuuluvuus spektrin osat arvioidaan käyttäen absoluuttinen kynnys kuulo ja periaatteiden samanaikainen masking—ilmiö, jossa signaali on naamioitu toisen signaalin erotettu taajuus—ja, joissakin tapauksissa, temporal masking—jos signaali on naamioitu toisen signaalin erottaa aika. Samansuuruisia ääriviivoja voidaan käyttää myös komponenttien tarkkanäköisyyden korostamiseen. Malleja ihmisen korva-aivot yhdistelmä, joissa tällaisia vaikutuksia kutsutaan usein psykoakustisia malleja.,

muut häviölliset kompressorit, kuten puheen kanssa käytetty lineaarinen ennustuskoodi (LPC), ovat lähdepohjaisia koodareita. LPC käyttää malli ihmisen vocal tract analysoida puheen ääniä ja päätellä parametrit käyttämä malli tuottaa niitä hetki hetkeltä. Nämä muuttuvat parametrit lähetetään tai tallennetaan ja käytetään ajaa toisen mallin dekooderi, joka toistaa äänen.

Häviöllisiä formaatteja käytetään usein suoratoistoäänen tai interaktiivisen viestinnän jakeluun (esimerkiksi matkapuhelinverkoissa)., Tällaisissa sovelluksissa tiedot on hajotettava tiedon virratessa eikä koko datavirran siirtämisen jälkeen. Kaikkia äänikoodekkeja ei voi käyttää suoratoistosovelluksiin.

latenssi otetaan käyttöön tietojen koodaamiseen ja purkamiseen käytetyillä menetelmillä. Jotkut koodekit analysoivat pidemmän segmentin, jota kutsutaan kehykseksi, datan tehokkuuden optimoimiseksi ja koodaavat sen sitten tavalla, joka vaatii suuremman datasegmentin kerralla dekoodaamaan., Luontainen latenssi koodaus algoritmi voi olla kriittinen; esimerkiksi, kun on kaksisuuntainen tiedonsiirto, kuten puhelinkeskustelun, merkittäviä viivästyksiä voi vakavasti heikentää koettu laatu.

toisin kuin nopeus puristus, joka on verrannollinen määrä operaatioita tarvitaan algoritmi, täällä latenssi viittaa määrä näytteitä, jotka on analysoitava ennen lohkon audio on käsitelty. Minimitapauksessa latenssi on nolla näytettä (esim.jos kooderi/dekooderi yksinkertaisesti vähentää signaalin kvantisointiin käytettyjen bittien määrää)., Time domain algoritmeja, kuten LPC myös usein matalat latenssit, joten niiden suosio puheen koodaus puhelinliikenteen. Vuonna algoritmeja, kuten MP3, kuitenkin, suuri määrä näytteitä on analysoitu toteuttaa psykoakustinen malli taajuusalueen, ja latenssi on järjestyksessä 23 ms (46 ms-kaksisuuntainen viestintä).

Puhe encodingEdit

Puheen koodaus on tärkeä luokka audiotiedostoformaatti. Havaintomallit, joita käytetään arvioimaan, mitä ihmiskorva voi kuulla, eroavat yleensä jonkin verran musiikissa käytetyistä., Ihmisäänen äänien välittämiseen tarvittavat taajuudet ovat yleensä paljon kapeampia kuin mitä musiikissa tarvitaan, ja ääni on yleensä vähemmän monimutkainen. Tämän seurauksena puhe voidaan koodata laadukkaasti suhteellisen pienellä bittinopeudella.

Jos tiedot pakataan on analoginen (kuten jännite, joka vaihtelee ajan), kvantisointi työskentelee digitoida sen numerot (yleensä kokonaislukuja). Tätä kutsutaan analog-to-digital (A/D) muuntaminen., Jos kokonaislukuja syntyy kvantisointi 8-bittiä kutakin, sitten koko valikoima analoginen signaali on jaettu 256 välein ja kaikki signaalin arvojen väli on kvantittunut sama määrä. Jos syntyy 16-bittisiä kokonaislukuja, analogisen signaalin alue jaetaan 65 536 intervalliin.

tämä suhde kuvaa kompromissia korkean resoluution (suuri määrä analogisia intervalleja) ja suuren puristuksen (syntyy pieniä kokonaislukuja) välillä. Tätä kvantisoinnin sovellusta käytetään useissa puheen puristusmenetelmissä., Tämä saavutetaan yleensä jollakin kahden lähestymistavan yhdistelmällä:

• vain koodaamalla ääniä, jotka voitaisiin tehdä yhdellä ihmisäänellä.
• Heittää pois enemmän tietoja signaali—pitää vain tarpeeksi rekonstruoida on ”ymmärrettävää” ääni pikemminkin kuin koko taajuusalue ihmisen kuulon.

Ehkä aikaisintaan algoritmeja käytetään puheen koodaus (ja audio data compression yleensä) olivat A-law-algoritmi ja μ-law-algoritmi.,

HistoryEdit

Havainto koodaus oli ensimmäinen käytetty puheen koodausta pakkaus, jossa linear predictive coding (LPC). Alkuperäinen käsitteitä LPC päivämäärä takaisin työn Fumitada Itakura (Nagoya University) ja Shuzo Saito (Nippon Telegraph ja Puhelin) vuonna 1966. 1970-luvulla Bishnu S. Atal ja Manfred R., Schroeder Bell Labs kehitti muodossa LPC adaptive ennustava koodaus (APC), havaintokyvyn koodaus algoritmi, joka hyödyntää rajauksella ominaisuudet ihmisen korvaan, jonka jälkeen 1980-luvun alussa code-excited linear prediction (CELP) algoritmi, joka saavuttaa merkittävä puristussuhde sen aikaa. Havaintokoodausta käyttävät nykyaikaiset äänenpakkausmuodot, kuten MP3 ja AAC.

maailman ensimmäisen kaupallisen lähetysautomaation äänenpakkausjärjestelmän kehitti Buenos Airesin yliopiston insinööriprofessori Oscar Bonello., Vuonna 1983, käyttäen psykoakustisia periaate rajauksella kriittinen bändejä julkaistiin ensimmäisen kerran vuonna 1967, hän alkoi kehittää käytännön sovellus perustuu hiljattain kehittänyt IBM PC-tietokone, ja lähetys automaatio-järjestelmä käynnistettiin vuonna 1987 nimellä Audicom. Kaksikymmentä vuotta myöhemmin lähes kaikki maailman Radiokanavat käyttivät samanlaista teknologiaa, jota useat yritykset valmistivat.

kirjallisuuden kooste monenlaisia audio-koodaus järjestelmiä julkaistiin IEEE: n Lehdessä Valitut Viestinnän (JSAC), helmikuussa 1988., Vaikka siinä oli joitakin papereita, ennen kuin se aika, tämä kokoelma dokumentoitu koko erilaisia valmis, toimii äänen kooderit, lähes kaikki heistä käyttää havainto (eli rajauksella) tekniikoita ja jokin taajuus analyysi ja back-end hiljainen koodaus. Useat näistä papereista huomautti vaikeudesta saada hyvää, puhdasta digitaalista ääntä tutkimustarkoituksiin. Useimmat, jos ei kaikki, kirjailijoiden JSAC painos oli aktiivinen myös MPEG-1 Audio komitea, joka loi MP3-muodossa.,

VideoEdit

Videon pakkaus on käytännöllinen täytäntöönpano lähde koodaus tieto-teoria. Käytännössä useimmat video-koodekkeja käytetään rinnalla audio puristus tekniikoita tallentaa erillisiä, mutta toisiaan täydentäviä tietovirrat yhtenä yhdistettynä paketti käyttäen ns kontti formaatteja.

pakkaamaton video vaatii erittäin suuren tietonopeuden. Vaikka häviötön video compression koodekit suorittaa puristus tekijä 5 12, tyypillinen H. 264 häviöllinen pakkaus video on puristus tekijä välillä 20 ja 200.,

videokoodausstandardeissa käytetyt kaksi keskeistä videonpakkaustekniikkaa ovat diskreetti cosine transform (DCT) ja motion compensation (MC). Useimmat videokoodausstandardit, kuten H. 26X-ja MPEG-formaatit, käyttävät tyypillisesti liikkeestä kompensoitua DCT-videokoodausta (block motion compensation).

Koodaus theoryEdit

Videon tiedot voidaan esittää sarjana still-kuvan kehyksiä. Tällaiset tiedot sisältävät yleensä runsaasti paikkatieto-ja ajallisia redundansseja. Videonpakkausalgoritmit pyrkivät vähentämään irtisanomista ja tallentamaan tietoa entistä tiiviimmin.,

useimmat videonpakkausmuodot ja koodekit hyödyntävät sekä spatiaalista että ajallista redundanssia (esim.erokoodauksella liikekompensaatiolla). Yhtäläisyyksiä voidaan koodata vain tallentamalla eroja esimerkiksi ajallisesti vierekkäisten kehysten (kehysten välinen koodaus) tai alueellisesti vierekkäisten pikselien (kehysten välinen koodaus) välillä.Kehysten välinen puristus (ajallinen Delta-koodaus) on yksi tehokkaimmista puristustekniikoista. Se (re) käyttää yhden tai useamman aikaisemman tai myöhemmän kehyksen tietoja järjestyksessä kuvaamaan nykyistä kehystä., Intra-frame-koodaus, toisaalta, käyttää vain tietoja nykyisestä runko, tehokkaasti on still-kuvan pakkauksen.

luokan erikoistuneita formaatteja käytetään videokamerat ja videoiden muokkaamiseen käyttää vähemmän monimutkaisia puristus järjestelmät, jotka rajoittavat niiden ennustaminen tekniikoita intra-frame-ennuste.

Yleensä video compression lisäksi työllistää häviöllinen pakkaus menetelmiä, kuten kvantisointi, jotka vähentävät näkökohtia lähde tietoja, jotka ovat (enemmän tai vähemmän) merkitystä ihmisen näköhavainnon hyödyntämällä havaintokyvyn ominaisuuksia ihmisen visio., Esimerkiksi pieniä värieroja on vaikeampi hahmottaa kuin kirkkauden muutoksia. Pakkausalgoritmit voivat keskittää värin näille samankaltaisille alueille tilan vähentämiseksi samalla tavalla kuin JPEG-kuvapakkauksessa. Kuten kaikissa häviöllinen pakkaus, on kaupan välillä videon laatu ja bittinopeus, käsittelykustannukset pakkaus-ja paineenlasku, ja järjestelmän vaatimukset. Erittäin pakattu video voi esittää näkyviä tai häiritseviä esineitä.,

Muita menetelmiä kuin vallalla DCT-pohjainen muuttaa formaatteja, kuten fraktaali puristus, yhteensovitus harjoittamisesta ja käyttö diskreetti wavelet-muunnos (DWT), on tehty tutkimusta, mutta eivät tyypillisesti ole käytetty käytännön tuotteet (lukuun ottamatta käyttää wavelet koodaus kuin still-kuva kooderit ilman motion compensation). Kiinnostus fraktaali puristus tuntuu hiipuvan, johtuen viime teoreettinen analyysi osoittaa vertaileva puute tehokkuutta tällaisia menetelmiä.,

Inter-frame codingEdit

Inter-frame-koodaus toimii vertaamalla kunkin kehyksen video edellisen kanssa. Videosekvenssin yksittäisiä kehyksiä verrataan kehyksestä toiseen, ja videon pakkauskoodekki lähettää vain erot viitekehykseen. Jos kehyksessä on alueita, joissa mikään ei ole liikkunut, järjestelmä voi yksinkertaisesti antaa lyhyen komennon, joka kopioi tuon osan edellisestä kehyksestä seuraavaan., Jos osat runko siirtää yksinkertaisella tavalla, kompressori voi lähettää (hieman pidempi) – komento, joka kertoo purkuohjelmaa siirtää, kääntää, vaalentaa tai tummentaa kopiota. Tämä pidempi komento on edelleen paljon lyhyempi kuin sisäinen Pakkaus. Yleensä anturi myös välittää jäämiä signaali, joka kuvaa jäljellä enemmän hienoisia eroja viite kuvia. Entropia-koodauksen avulla näillä jäämäsignaaleilla on kompaktimpi edustus kuin kokosignaalilla., Alueilla videon enemmän liikettä, pakkaus on koodata enemmän dataa pysyä mukana suurempi määrä pikseleitä, jotka muuttuvat. Yleisesti aikana räjähdykset, liekit, parvissa eläimiä, ja joissakin panorointikuvia, korkea-taajuus yksityiskohtaisesti johtaa laatu-vähentää tai lisää muuttuja bitrate.,

Hybridi-block-pohjainen muuttaa formatsEdit

Tänään, lähes kaikki yleisesti käytetyt video puristus menetelmiä (esim. kyseiset standardit hyväksynyt ITU-T: n tai ISO) samat arkkitehtuuri, joka juontaa juurensa H. 261, joka oli standardoitu vuonna 1988 by ITU-T., Ne enimmäkseen luottaa DCT, sovelletaan suorakaiteen korttelin naapurimaiden pikseliä, ja ajallinen ennustaminen käyttäen motion vektoreita, sekä nykyään myös in-loop-suodatus vaihe.

ennustusvaiheessa käytetään erilaisia deduplication-ja difference-koodaustekniikoita, jotka auttavat decorrelatoimaan tietoja ja kuvaamaan uusia tietoja, jotka perustuvat jo lähetettyihin tietoihin.

Sitten suorakaiteen lohkot (jäännös) pikselin tiedot muuttuvat taajuus toimialueen helpottaa kohdistamista merkityksetön tiedot kvantisointi ja jotkut spatiaalinen redundanssi vähentää., Diskreetti kosinimuunnos (DCT), joka on laajalti käytetty tässä yhteydessä otettiin käyttöön N. Ahmed, T. Natarajan ja K. R. Rao vuonna 1974.

tärkein häviöllinen käsittelyn vaiheessa, että tiedot saa kvantittunut vähentämiseksi tietoa, jolla on merkitystä ihmisen näköhavainnon.

viimeisessä vaiheessa tilastollinen redundanssi poistuu suurelta osin entropia-kooderilla, joka usein soveltaa jonkinlaista aritmeettista koodausta.

lisäilmukkasuodatusvaiheessa rekonstruoituun kuvasignaaliin voidaan soveltaa erilaisia suodattimia., Laskemalla nämä suodattimet myös sisällä koodaus silmukka he voivat auttaa puristus, koska niitä voidaan soveltaa viittaus materiaalia, ennen kuin se tottuu ennustaminen prosessi ja ne voidaan ohjata käyttäen alkuperäisen signaalin. Suosituin esimerkki ovat deblocking suodattimet, jotka hämärtää estää artefacts quantization epäjatkuvuudet transform block rajoja.

HistoryEdit

Vuonna 1967, A. H. ja C. Robinson, Cherry ehdotti run-length koodaus kaistanleveys Pakkaus järjestelmä lähetykseen analogiset televisiosignaalit. Diskreetti kosinimuunnos (DCT), joka on keskeinen nykyaikaisen video-pakkaus, otettiin käyttöön Nasir Ahmed, T. Natarajan ja K. R. Rao vuonna 1974.

H. 261, joka debytoi vuonna 1988, kaupallisesti käyttöön vallalla perus arkkitehtuuri video pakkaustekniikka. Se oli ensimmäinen video coding-muodossa, joka perustuu DCT-pakkaus, joka sittemmin tullut standardi kaikki suuret videon koodaus formaatit, joka seurasi. H.,261: n kehittivät useat yritykset, kuten Hitachi, PictureTel, NTT, BT ja Toshiba.

Suosituimmat koodekeissa käytetyt videokoodausstandardit ovat olleet MPEG-standardit. MPEG-1 oli kehittänyt Motion Picture Experts Group (MPEG) vuonna 1991, ja se oli suunniteltu pakata VHS-laatu-video. Se oli onnistunut vuonna 1994 MPEG-2/H. 262, joka oli kehitetty useita yrityksiä, ensisijaisesti Sony, Thomson ja Mitsubishi Electric. MPEG-2: sta tuli DVD: n ja SD: n digitaalisen television vakiovideomuoto. Vuonna 1999 sitä seurasi MPEG-4/H.,263, joka oli suuri harppaus eteenpäin video Pakkaus tekniikka. Sen kehittivät useat yritykset, pääasiassa Mitsubishi Electric, Hitachi ja Panasonic.

yleisimmin käytetty videokoodausformaatti on H. 264 / MPEG-4 AVC. Sen kehittivät vuonna 2003 useat organisaatiot, etupäässä Panasonic, Godo Kaisha IP Bridge ja LG Electronics. AVC esitteli kaupallisesti modernin kontekstin-adaptiivisen binäärisen aritmeettisen koodauksen (CABAC) ja konteksti-adaptiivisen muuttujan pituisen koodauksen (CAVLC) algoritmit., AVC on tärkein videon koodaus standardi Blu-ray-Levyjä, ja on laajalti käytetty streaming internet-palvelut, kuten YouTube, Netflix, Vimeo, ja iTunes Store, web-ohjelmisto, kuten Adobe Flash Playerin ja Microsoft Silverlight, ja eri HDTV-lähetyksiä yli maanpäällisen ja satelliitti-tv.,

GeneticsEdit

Genetiikka pakkausalgoritmit ovat uusimman sukupolven häviöttömästi algoritmeja, jotka pakata dataa (tyypillisesti sekvenssien nukleotidien) käyttäen sekä tavanomaisia pakkausalgoritmit ja geneettiset algoritmit mukautettu erityinen tietotyyppi. Vuonna 2012 joukkue tutkijat Johns Hopkins University julkaisi geneettinen pakkaus algoritmi, joka ei käytä viittaus genomin puristus., HAPZIPPER oli räätälöity HapMap tiedot ja saavuttaa yli 20-kertainen pakkaus (95% vähennys tiedostokoko), joka tarjoaa 2 – 4-kertainen parempi puristus ja paljon nopeammin aikaa kuin johtava yleiskäyttöinen pakkaus apuohjelmia. Tämän, Roxy, Elhaik, ja Bader käyttöön MAF-pohjainen koodaus (MAFE), joka vähentää heterogeenisuus aineisto lajittelemalla SNPs niiden vähäinen alleelia taajuus, siten homogenizing aineisto. Muita algoritmeja, vuonna 2009 ja 2013 (DNAZip ja GenomeZip) on puristus suhde ja jopa 1 200-kertaiseksi—mahdollistaa 6 miljardia basepair diploidi ihmisen genomeja voidaan varastoida 2.,5 megatavua (suhteessa referenssigenomiin tai keskiarvona moniin genomeihin). Genetiikan / genomiikan datakompressorien vertailuarvo, katso