Optimización del uso de ancho de banda en los enlaces de transmisión de datos por medio de algoritmos de compresión.
Barra lateral del artículo
Contenido principal del artículo
Resumen
Este trabajo se lleva a cabo mediante un diseño experimental, enfoque cuantitativo. Se presenta un estudio comparativo en términos de tasa de compresión y consumo de ancho de banda entre los algoritmos RLE, LZW y Huffman Adaptativo para seis archivos de texto, 15 de audio y 20 imágenes. Para realizar esto, se utiliza Matlab como herramienta de simulación de los algoritmos. Los principales resultados de este trabajo muestran que RLE incrementa en promedio el 50,56% del tamaño de los archivos en el 85,37% de los casos. Mientras que, LZW y Huffman Adaptativo logra reducir el tamaño en un 65,85% y 97,56% de los casos respectivamente. Asimismo, Huffman Adaptativo tiene el mejor valor en ahorro de ancho de banda con un promedio de 25,99%, seguido por LZW con un 13,59%. En base a estos resultados, se concluye que el algoritmo Huffman Adaptativo es el más idóneo para lograr un mayor ahorro de ancho de banda frente a los otros dos algoritmos probados.
Descargas
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Los miembros que conforman el Comité Editorial de la Revista Científica ECOCIENCIA, realizan una labor transparente en los diferentes procesos de gestión de la misma garantizando la elevada calidad de cada uno de los artículos que quedan publicados a disposición de la comunidad académica y científica. Dicho Comité verifica que cada artículo enviado por su autor/es, carezca de plagio y para ello se emplea el software antiplagio COMPILATIO.
El reporte que URKUND envía como respuesta al editor evaluador, permite que este pueda visualizar si ha habido similitudes o plagio (en su defecto) lo cual comúnmente sucede por errores en la forma de citar o referenciar por parte del autor del artículo. Igualmente, el evaluador gracias al reporte de URKUND, puede visualizar de cuáles fuentes o documentos originales ha incurrido en plagio el autor del trabajo. Una vez que sea constatada la ausencia de plagio en cada artículo, se da inicio al proceso de revisión por parte de los pares ciegos. Si se detecta plagio en el artículo, automáticamente este es rechazado y se notifica el veredicto al autor/es.
Cuando un artículo es aprobado, el/los autor/es conservan los derechos de autor y cede(n) a la Revista Científica ECOCIENCIA, el derecho de ser la primera que pueda editarlo, reproducirlo, exhibirlo y comunicarlo mediante medios impresos y electrónicos.
La Revista Científica ECOCIENCIA opera bajo una bajo una licencia Creative Commons Reconocimiento-No Comercial 4.0 Internacional (CC-BY-NC 4.0).
BY: la dirección de la revista, así como el Comité Editorial, tienen atribución para compartir, copiar y redistribuir el material de la revista en cualquier medio o formato, así como adaptar, remezclar y transformar las secciones de la revista no causando alteración en el contenido de los artículos publicados o previo a publicar por parte de los autores.
NC: el material de la revista no puede ser manejado con fines comerciales por lo cual ninguna de sus secciones ni artículos publicados por los autores, está disponible para la venta o actividad comercial.
Se autoriza la reproducción, parcial o total, de los artículos publicados en la Revista Científica ECOCIENCIA, siempre que se cite apropiadamente la fuente y se use sin propósitos comerciales.
Citas
Journal of Software Engineering and Applications, 5, 41-44.
Abramson, N. (1963). Information Theory and Coding. Information Theory and Coding. McGraw-Hill.
Al-Hashemi, R., Al-Dmour, A., Fraij, F., & Musa, A. (2011). A Grayscale Semi-Lossless Image Compression Technique Using RLE.
Journal of Applied Computer Science & Mathematics(10), 9-13.
Al-laham, M., & El Emary, I. (2007). Comparative Study Between Various Algorithms of Data Compression Techniques.
World Congress on Engineering and Computer Science.
Alamin Ibrahim, A. M., & Mustafa, M. E. (2015). Comparison Between (RLE and Huffman) Algorithms for Lossless Data Compression.
International Journal of Innovative Technology and Research, 3(1), 1808-1812.
Bandyopadhyay, S. K., Paul, T. U., & Ratchoudhury, A. (2011). Image Compression using Approximate Matching and Run Length.
International Journal of Advanced Computer Science and Applications, 2(6), 117-121.
Blelloch, G. E. (31 de Enero de 2013). Introduction to Data Compression. Computer Science Department.
Correa, M. (2008). Fundamentos de la Teoría de la Información. En M. Correa, Fundamentos de la
Teoría de la Información. ITM. Recuperado el 10 de Agosto de 2016
Dudek, G., Borys, P., & Grzywna, Z. (2007). Lossy dictionary based image compression method.
Image and Vision Computing.
Fariña, A. (2005). New Compression Codes for Text Databases. New Compression Codes for Text Databases.
España: Dpto de computación, Universidade da Coruña.
Gil, P. G., Pomares, J., & Candelas, F. (2010). Redes y transmisión de datos. En P. G. Gil, J.
Pomares, & F. Candelas, Redes y transmisión de datos. Universidad de Alicante.
Herrera. (2003). Tecnologías y redes de transmisión de datos. Editoial Limusa.
Hussen, A. H., Mahmud, S. S., & Mohammed, R. J. (2011). Image Compression Using Proposed Enhanced Run Length Encoding Algorithm.
Al-Haitham J. For Pure & Applied Science, 24(1).
Islam, K., & Arafat, Y. (2014). Redundant Reduced LZW (RRLZW) Technique of Lossless Data Compression. International Journal of Advanced
Research in Computer Science, V(6), 261266.
Jagadeesh, B., & Ankitha, R. (Diciembre de 2013). An approach for Image Compression using Adaptive Huffman Coding.
International Journal of Engineering & Technology, II(12), 32163224.
Liew, S.-C., Zain, J., & Liew, S.-W. (Diciembre de 2010). Reversible Medical Image Watermarking for Tamper Detection and Recovery With
Run Length Encoding Compression. World Academics of Science, Engineering and Technology, 4, 12-29.
Martínez, M. A. (2010). Estudio y Aplicación de Nuevos Métodos de Compresión de Texto Orientada a Palabras. Chile: Universidad de Valladolid.
Mondelo, A., & Iglesias, I. (2014). Sistemas de archivo y clasificación de documentos. Ideas propias Editorial S.L.
Neapolitan, R., & Naimipour, K. (2011). Foundations of Algorithms (4ª edición ed.). Estados Unidos: Jones and Bartlett Publishers.
Pere-Pau, V., Jordi, G., Angela, M., & Xavier, M. (2006). Programación para Ingenieros. En V.
Pere-Pau, G. Jordi, M. Angela, & M. Xavier, Programación para Ingenieros (pág. 41). Editorial Paraninfo.
Salomon, D. (2002). A Guide to Data Compresión Methods. New York: Springer Verlag.
Sangvikar, J., & Joshi, G. (2011). Compression of Noisy and Noiseless Images through Run Length Encoding Approach.
International Journal of Advances in Embedded Systems, I(1), 1-3.
Seleznejv, O., & Shykula, M. (2012). Run-length compression of quantized Gaussian stationary signals. Random Oper. Stoch(20), 311-328.
Sharma, M. (2010). Compression Using Huffman Coding. IJCSNS International Journal of Computer Science and Network Security.
Sklar, B. (2001). Digital Communications: Fundamentals and Applications (2ª edición ed.). Los Ángeles: Pearson.
Slaby, R., Hercik, R., & Machacek, Z. (2013). Compression methods for image processing implementation into the low capacity devices.
Yang, L., Guo, Z., Yong, S., Guo, F., & Wang, X. (2015). A Hardware Implementation of Real Time Lossless Data Compression and Decompression Circuits.
Applied Mechanics and Meterials, 554-560.