导读:本文包含了心电信号压缩论文开题报告文献综述及选题提纲参考文献，主要关键词:压缩感知,心电信号,采样和重构,小波基
心电信号压缩论文文献综述
齐林,邢家柱,陈俊鑫,张良钰[1]（2019）在《基于压缩感知的心电信号稀疏采样与重构算法》一文中研究指出实时心电监测的数据量过大,给系统的传输和存储带来很大压力.为降低采集端的功耗,达到既减轻采样复杂度又降低传输数据量的目的,使用压缩感知技术对心电信号进行压缩采样及重构.以信号重构时间和重构误差为关键指标,研究不同重构算法和小波基的性能表现.结果表明,当压缩率在30%以内时,基追踪作为信号重构算法的百分比均方根差小于4%,同时其重构耗时最短;当压缩率在70%以内时,子空间追踪的误差小于10%,且始终保持较低的重构耗时.最优小波基往往和具体压缩率有关.(本文来源于《东北大学学报(自然科学版)》期刊2019年08期）
黄玲麟[2]（2019）在《基于压缩感知的生物电信号压缩与重构研究》一文中研究指出随着嵌入式及无线网络通信等技术的发展,生物电信号的采集设备也逐渐向着便携、可穿戴的低功耗设备发展,信号检测难度日益减小,一些基于生物电信号远程身份识别的便携式设备也成为了研究的热点。但是,这些设备资源有限,若采用传统的奈奎斯特采样方法对信号进行采集,将会给这些设备带来一定压力。压缩感知是近年来提出的一种数据压缩采集方法,对数据的采样和压缩是同步完成的,避免了资源浪费,符合可穿戴的便携式设备体积小,功耗有限的要求。本文针对便携式远程生物电信号身份识别设备资源有限问题,研究了基于压缩感知的生物电信号压缩重构方法。以生物电信号中的心电信号(Electrocardiogram,ECG)和脉搏信号(Photoplethysmography,PPG)为研究信号,构造了一种Kasami小集合序列确定性测量矩阵,并设计了一种改进的分段弱正交匹配追踪算法对信号进行压缩重构,最后从重构后的信号中提取特征值用于身份识别,进一步分析论文所提方法的准确性。本文主要研究内容如下:(1)研究了ECG和PPG信号在正交稀疏基与K-SVD构造的冗余字典下的重构性能。实验结果表明:K-SVD构造的冗余字典的重构效果优于单个正交稀疏基。对比了常用测量矩阵下两种信号的重构质量,并构造了一种Kasami小集合序列确定性测量矩阵。实验结果表明:ECG和PPG信号进行压缩重构时,Kasami小集合序列测量矩阵的性能虽不及高斯随机测量矩阵,却优于托普利兹测量矩阵。而Kasami小集合序列测量矩阵作为确定性测量矩阵,比高斯矩阵易于硬件实现;(2)针对正交匹配追踪算法需要稀疏度作为先验信息和重构效率不足的问题,将分段弱正交匹配追踪算法用做两种生物电信号的重构算法。针对分段弱正交匹配追踪算法重构质量不稳定和重构精度不高的问题,设计了一种改进的分段弱正交匹配追踪算法。仿真结果表明:改进的分段弱正交匹配追踪算法重构精度更高,重构效果稳定且保持了分段弱正交匹配追踪算法重构效率高的特点,可用于ECG和PPG信号压缩重构;(3)采用所提压缩感知方法对信号进行压缩重构,将重构后的ECG和PPG信号分别提取特征值用于身份识别。结果表明:重构前后的识别率相同,表明论文所提方法用做两种生物电信号压缩重构的有效性及压缩感知在便携式生物电信号身份识别设备中的实用性。(本文来源于《长安大学》期刊2019-04-12）
华晶,殷华,徐亦璐,贾晶[3]（2018）在《一种基于压缩域的穿戴式心电信号直接特征提取与分类方法》一文中研究指出压缩感知是实现可穿戴式健康监测系统低能耗工作方式的一种有效途径,而现有基于压缩感知的心电信号分类方法大多需要在进行分类之前,先使用重构算法恢复出原始心电信号,这可能会导致较高的计算复杂度高,不适合于具有实时性需求的可穿戴式系统。提出一种基于压缩域的穿戴式心电信号的特征提取与自动分类方法。跳过信号重构步骤,使用改进的主成分分析法在压缩域上直接对压缩后的心电信号进行特征提取,并基于最小二乘支持向量机半监督学习方法实现心电信号的自动分类。实验结果表明,相较于在非压缩域上的分类方法,该方法在保证分类性能下降非常少的前提下,心电数据量大大地减少,有效提高了心电信号自动分类的效率。(本文来源于《传感技术学报》期刊2018年11期）
黄翔,潘天文,魏朋博,孙益洲,虞致国[4]（2018）在《面向心电信号的低功耗压缩感知电路设计》一文中研究指出基于压缩感知理论,设计了一种用于心电信号的低功耗压缩感知电路。利用心电信号的周期性,通过预先计算压缩处理过程中产生的最大数据,确定了压缩电路中累加器的位数,避免了使用多余的寄存器,有效降低了电路的功耗并提高了数据的压缩比。使用贝叶斯学习算法进行重构验证。结果表明:压缩感知电路的逻辑门数由42 071减少到了25 029,功耗由11.247μW降低到了6.847μW,较优化前减少了39.12%;重构信号的均方根误差百分比达到了1.14%。(本文来源于《传感器与微系统》期刊2018年06期）
张光普,陈日清,付轶帆,吴剑[5]（2018）在《基于FPGA的多通道心电信号实时滤波与压缩》一文中研究指出为了改善多通道心电(ECG)信号滤波的质量和保证数据传输速率,实现实时采集与处理,提出了一种基于现场可编程门阵列(FPGA)的ECG信号滤波和压缩处理方法。对AD采集的ECG信号进行FIR低通和四层Coif1小波滤波处理;由多级树集合分裂(SPIHT)模块进行压缩;将压缩数据经通用串行总线(USB)传入上位机。根据Modelsim仿真和Altera Arria V FPGA的实验结果表明:经过数字滤波与压缩,ECG信号的信噪比(SNR)可提升7.4 d B,数据压缩率可达13.4。方法可实现对64通道的ECG信号实时滤波和压缩处理。(本文来源于《传感器与微系统》期刊2018年02期）
江浩,钱慧,徐明月,王仁平[6]（2017）在《基于压缩感知的心电信号采集电路实现》一文中研究指出心电采集系统普遍存在数据量大、功耗大的问题。为解决这个问题,文中引入了基于压缩感知的随机解调采集方案,设计了随机解调的具体电路,以实现心电信号压缩采样。对于奈奎斯特率为360 Hz的心电信号,采样率仅为60 Hz,同时采集到的信息量比传统采样电路低很多,由此达到了降低数据量和实现低功耗的要求。(本文来源于《物联网技术》期刊2017年12期）
华晶[7]（2017）在《可穿戴式系统心电信号压缩感知与心律失常分类研究》一文中研究指出随着社会的发展和人们生活水平的提高,心血管疾病已成为威胁人们生命健康的主要慢性疾病之一,心律失常是其中较为常见的一种心血管疾病,而心电信号是检测和诊断心律失常等心脏疾病的关键指标。可穿戴式健康监测系统作为一种最有效和最实际可行的新型医疗监护方式,可以实现对心电信号的连续实时监测和心律失常的自动分类。然而,大量的心电数据将给资源受限的可穿戴式系统存储和传输过程造成巨大的负担,压缩感知作为一种信号压缩技术很好地解决了该问题。但是,目前现有可穿戴式健康监测系统中的心电信号压缩感知及自动分类方法还存在很多的问题,仍有改进的余地和创新的空间。因此,对可穿戴式健康监测系统中心电信号的压缩感知与心律失常分类方法进行研究,具有非常重要的意义。本文根据可穿戴式系统各种资源受限的特点,主要针对可穿戴式健康监测系统中心电信号的预处理、特征波形检测、压缩与重构、特征提取和心律失常分类等几个方面进行了深入的研究。第一,基于扩展递归最小二乘法的心电信号的预处理方法研究。心电信号的预处理操作旨在尽量保留原始信号重要特征的前提下,消除心电信号中的各种噪声干扰。本文提出一种基于扩展递归最小二乘法的自适应去噪方法。这种方法能够较好地去除工频干扰、基线漂移和肌电干扰等噪声,为后续的心电信号处理提供干净的心电信号,并且具有较低的计算复杂度。第二,基于Pan-Tompkins算法的QRS特征波形检测研究。QRS特征波检测是心电信号的特征提取与自动分类的基础。本文提出了一种基于Pan-Tompkins算法的心电信号QRS特征波检测方法。该算法同时具有较高的检测正确率和较快的检测速度,做到了正确性和实时性的统一。第叁,基于压缩感知的心电信号压缩重构研究。信号的稀疏表达是实现心电信号压缩感知的核心。该过程不仅需要能对原始心电信号进行稀疏表示,还需要兼顾其消耗的时间。为了减少字典学习的时间,本文提出了一种“分—合”式字典学习方法,通过利用心电信号内在的聚类结构对其进行训练学习。该算法具有较低的时间复杂度,并且构造出的字典更加符合心电信号特点,能对原心电信号进行更好的稀疏表示。此外,针对多通道心电信号的实际应用情况,本文还提出了一种基于时空稀疏模型的多通道心电信号压缩感知方法,通过同时利用每个通道内心电信号的时间相关性,以及各个不同通道之间的空间相关性,实现多个通道心电信号的压缩重构。该算法在保证较高的信号重构质量的前提下,压缩性能较好,并且具有较低的时间复杂度。第四,基于改进主成分分析法的心电信号特征提取研究。心电特征的提取是心电信号自动分类的关键,其结果直接影响到心律失常分类的准确度。本文对主成分分析法进行了改进,通过特殊主成分的方差对不同类别数据的主成分的均值之差进行标准化,并根据标准化的结果选择值最大的几个主成分,将其和QRS波的宽度、RR间期两个特征参数共同组成心电信号的特征向量。该算法能有效地提取心电信号的特征。第五,基于最小二乘支持向量机半监督学习的心律异常分类研究。本文在最小二乘支持向量机算法的基础上,提出一种半监督学习分类方法,通过加入对未标记样本的训练学习来增强分类效果。在此基础上还提出了一种多层多分类模型,并将其应用于正常心拍、右束支传导阻滞、房性早搏和室性早缩四种类型的心电信号自动分类中。该方法具有较高的分类准确度。此外,本文还探索性地提出一种心电信号的直接特征提取与自动分类方法,跳过心电信号的重构步骤,直接在压缩域上对压缩后的心电数据进行特征提取与分类。该方法在保证分类性能下降非常少的前提下,心电信号的数据量大大地减少,有效提高了自动分类的效率。同时为今后在压缩域上进行心电信号处理研究工作奠定了良好的基础。第六,基于实测心电数据的实验研究。本文分别采用了源于国外标准心电数据库中的心电数据和国内某医院对近1000名患者的实测心电数据,针对正常心拍、右束支传导阻滞、房性早搏和室性早缩四种类型的心电信号,就预处理、QRS特征波形检测、信号的压缩与重构、心电特征提取,以及自动分类等各个步骤开展了实验研究,并对实验结果进行了深入的分析。从而验证了本文所提出的心电信号压缩感知与心律失常分类方法的有效性和实用性,同时更好地评价了该方法的鲁棒性。(本文来源于《南昌大学》期刊2017-12-17）
朱凌云,李汶松,向南[8]（2017）在《噪声环境下起搏心电信号的压缩感知重构算法》一文中研究指出针对传统压缩感知重构算法在起搏心电信号远程监测过程中易受噪声干扰的问题,提出在利用正交匹配追踪进行残差更新的迭代过程中引入岭回归正则化参数K,降低噪声对重构结果的影响。利用岭迹法证明了最佳K值与信噪比呈负相关,为选取K值以获得更接近真实解的重构信号提供了理论依据。对基于岭回归的重构算法与分块稀疏贝叶斯学习算法、正交匹配追踪算法进行了对比分析,实验结果表明,在低信噪比环境下,引入了岭回归思想的算法在保留高重构效率的同时提高了重构精度。(本文来源于《计算机工程与应用》期刊2017年18期）
徐明月,钱慧,江浩[9]（2017）在《基于压缩采样的便携式心电信号采集系统的设计》一文中研究指出针对现有便携式心电采集系统进行长时采集时,如何通过降低数据量来解决由电池供电引起的续航不足的问题,将压缩采样原理引入系统,并对其核心部分进行硬件设计,最终以采集重构信号的R波检测率作为系统的评价标准。在MATLAB中搭建整个系统,硬件中路在Simulink模块搭建。结果表明该设计在一定压缩比情况下重构信号的R波识别率与原始信号的R波识别率基本一致,可以应用于便携式心电信号采集系统,该系统与传统心电采集系统相比具有硬件实现简单、数据量低、功耗低等优点。(本文来源于《微型机与应用》期刊2017年14期）
华晶,张华,刘继忠,徐亦璐[10]（2017）在《基于时空稀疏模型的穿戴式心电信号压缩感知方法》一文中研究指出基于时空稀疏模型,提出一种穿戴式心电信号的压缩感知方法,利用信号的时间相关性和空间相关性,来实现心电信号的重构。同时,还提出了一种"分—合"式字典学习算法,通过利用心电信号内在的聚类结构,对训练样本进行字典学习,从而构造出符合心电信号特点的字典,并对其进行稀疏表示。从而进一步提高了心电信号的重构性能。为了验证提出的心电信号压缩感知方法的有效性,采用OSET数据库中的心电数据,将其与其他两种基准算法进行了对比。仿真实验结果表明,所提出的心电信号压缩感知方法能有效地提高心电信号重构的质量。(本文来源于《传感技术学报》期刊2017年07期）
心电信号压缩论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着嵌入式及无线网络通信等技术的发展,生物电信号的采集设备也逐渐向着便携、可穿戴的低功耗设备发展,信号检测难度日益减小,一些基于生物电信号远程身份识别的便携式设备也成为了研究的热点。但是,这些设备资源有限,若采用传统的奈奎斯特采样方法对信号进行采集,将会给这些设备带来一定压力。压缩感知是近年来提出的一种数据压缩采集方法,对数据的采样和压缩是同步完成的,避免了资源浪费,符合可穿戴的便携式设备体积小,功耗有限的要求。本文针对便携式远程生物电信号身份识别设备资源有限问题,研究了基于压缩感知的生物电信号压缩重构方法。以生物电信号中的心电信号(Electrocardiogram,ECG)和脉搏信号(Photoplethysmography,PPG)为研究信号,构造了一种Kasami小集合序列确定性测量矩阵,并设计了一种改进的分段弱正交匹配追踪算法对信号进行压缩重构,最后从重构后的信号中提取特征值用于身份识别,进一步分析论文所提方法的准确性。本文主要研究内容如下:(1)研究了ECG和PPG信号在正交稀疏基与K-SVD构造的冗余字典下的重构性能。实验结果表明:K-SVD构造的冗余字典的重构效果优于单个正交稀疏基。对比了常用测量矩阵下两种信号的重构质量,并构造了一种Kasami小集合序列确定性测量矩阵。实验结果表明:ECG和PPG信号进行压缩重构时,Kasami小集合序列测量矩阵的性能虽不及高斯随机测量矩阵,却优于托普利兹测量矩阵。而Kasami小集合序列测量矩阵作为确定性测量矩阵,比高斯矩阵易于硬件实现;(2)针对正交匹配追踪算法需要稀疏度作为先验信息和重构效率不足的问题,将分段弱正交匹配追踪算法用做两种生物电信号的重构算法。针对分段弱正交匹配追踪算法重构质量不稳定和重构精度不高的问题,设计了一种改进的分段弱正交匹配追踪算法。仿真结果表明:改进的分段弱正交匹配追踪算法重构精度更高,重构效果稳定且保持了分段弱正交匹配追踪算法重构效率高的特点,可用于ECG和PPG信号压缩重构;(3)采用所提压缩感知方法对信号进行压缩重构,将重构后的ECG和PPG信号分别提取特征值用于身份识别。结果表明:重构前后的识别率相同,表明论文所提方法用做两种生物电信号压缩重构的有效性及压缩感知在便携式生物电信号身份识别设备中的实用性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
心电信号压缩论文参考文献
[1].齐林,邢家柱,陈俊鑫,张良钰.基于压缩感知的心电信号稀疏采样与重构算法[J].东北大学学报(自然科学版).2019
[2].黄玲麟.基于压缩感知的生物电信号压缩与重构研究[D].长安大学.2019
[3].华晶,殷华,徐亦璐,贾晶.一种基于压缩域的穿戴式心电信号直接特征提取与分类方法[J].传感技术学报.2018
[4].黄翔,潘天文,魏朋博,孙益洲,虞致国.面向心电信号的低功耗压缩感知电路设计[J].传感器与微系统.2018
[5].张光普,陈日清,付轶帆,吴剑.基于FPGA的多通道心电信号实时滤波与压缩[J].传感器与微系统.2018
[6].江浩,钱慧,徐明月,王仁平.基于压缩感知的心电信号采集电路实现[J].物联网技术.2017
[7].华晶.可穿戴式系统心电信号压缩感知与心律失常分类研究[D].南昌大学.2017
[8].朱凌云,李汶松,向南.噪声环境下起搏心电信号的压缩感知重构算法[J].计算机工程与应用.2017
[9].徐明月,钱慧,江浩.基于压缩采样的便携式心电信号采集系统的设计[J].微型机与应用.2017
[10].华晶,张华,刘继忠,徐亦璐.基于时空稀疏模型的穿戴式心电信号压缩感知方法[J].传感技术学报.2017