基于壓縮采樣的ECG信號(hào)壓縮算法研究.pdf

1、隨著社會(huì)的進(jìn)步發(fā)展和生活水平日益提高，健康問(wèn)題、人口老齡化問(wèn)題已引起人們的普遍關(guān)注，隨之而來(lái)的是醫(yī)療保健需求激增，在這一背景下體域網(wǎng)技術(shù)應(yīng)運(yùn)而生。低功耗設(shè)計(jì)是體域網(wǎng)應(yīng)用需要解決的關(guān)鍵問(wèn)題之一，尤其對(duì)于長(zhǎng)期實(shí)時(shí)的監(jiān)護(hù)。體域網(wǎng)中大量能量用于傳感器節(jié)點(diǎn)間的數(shù)據(jù)傳輸，壓縮采樣理論(Compressive sampling,CS)可實(shí)現(xiàn)信號(hào)采樣和壓縮同時(shí)進(jìn)行，有效降低數(shù)據(jù)采集和傳輸過(guò)程中的能耗。心電是體域網(wǎng)中普遍采集監(jiān)測(cè)的人體電生理信號(hào)，如何在降

2、低心電傳感節(jié)點(diǎn)的數(shù)據(jù)采集和傳輸功耗同時(shí)，保證心電信號(hào)的重構(gòu)精度，是目前心電體域網(wǎng)需要解決的關(guān)鍵問(wèn)題之一。
　　本文研究了基于CS理論的單導(dǎo)聯(lián)和多導(dǎo)聯(lián)心電信號(hào)(electrocardiogram,ECG)壓縮采樣方法。首先，針對(duì)單導(dǎo)聯(lián)ECG提出基于低頻系數(shù)的K-SVD(Singular Value Decomposition)稀疏表示算法以及基于確定性測(cè)量矩陣的分段塊稀疏貝葉斯重構(gòu)算法，有效地實(shí)現(xiàn)了單導(dǎo)聯(lián)ECG的稀疏分解和重構(gòu)；其次

3、，針對(duì)多導(dǎo)聯(lián)ECG提出了變分貝葉斯的壓縮采樣框架算法；最后，采用標(biāo)準(zhǔn)心電數(shù)據(jù)庫(kù)中的數(shù)據(jù)驗(yàn)證了算法性能。本文的主要研究?jī)?nèi)容包括：
　　1、提出了單導(dǎo)聯(lián)ECG稀疏表示算法。將 ECG低頻系數(shù)向量作為樣本集，選取級(jí)聯(lián)正交基作為初始字典，該字典通過(guò)K-SVD算法訓(xùn)練成符合ECG特性的冗余字典，更好的用于ECG稀疏表示。實(shí)驗(yàn)結(jié)果驗(yàn)證，樣本集大小減小一半后，該算法仍然有很好的稀疏逼近性能且能高精度恢復(fù)信號(hào)。
　　2、提出了基于確定性多項(xiàng)

4、式測(cè)量矩陣的單導(dǎo)聯(lián)ECG壓縮采樣算法。首先構(gòu)造多項(xiàng)式確定性矩陣，其次提出分段塊稀疏貝葉斯框架算法，最后，對(duì)多項(xiàng)式確定性矩陣進(jìn)行正交三角分解優(yōu)化，實(shí)驗(yàn)表明，該矩陣可以滿足實(shí)時(shí)高精度重建信號(hào)的要求，并且優(yōu)化后的矩陣進(jìn)一步提高了分段塊稀疏貝葉斯算法的重構(gòu)精度。
　　3、提出了多導(dǎo)聯(lián)ECG變分貝葉斯的壓縮采樣框架算法。首先，研究了多導(dǎo)聯(lián)ECG的多觀測(cè)向量(Multiple Measurement Vectors,MMV)模型和變分貝葉斯理