本文關(guān)鍵詞： 心電信號處理 小波變換 支持向量機(jī) 低功耗 可配置硬件　出處：《中國地質(zhì)大學(xué)(北京)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：近年來,隨著經(jīng)濟(jì)社會的飛速發(fā)展,人們的健康意識逐步增強(qiáng),對自身健康狀態(tài)的及時監(jiān)測有了更高的要求。便攜式家用可穿戴健康監(jiān)測設(shè)備的應(yīng)用市場應(yīng)運而生。而對人體的多種生理參數(shù)的健康監(jiān)測中,動態(tài)心電信號的實時監(jiān)測是不可或缺的一部分。然而長時間的心電信號監(jiān)測勢必產(chǎn)生大量的數(shù)據(jù)。一方面大量原始心電數(shù)據(jù)通過無線上傳到終端會占用大量的功耗;另一方面僅依靠醫(yī)生手工在大量心電信號數(shù)據(jù)中逐幀分析心拍類型,極易疲勞并產(chǎn)生對心臟疾病的漏檢錯檢。因此開發(fā)出一款低功耗心電信號智能處理模塊,應(yīng)用于健康級便攜式可穿戴心電信號智能感知節(jié)點。實現(xiàn)片上實時監(jiān)測動態(tài)心電信號并自動分析心拍類型,為醫(yī)生提供簡潔準(zhǔn)確地人體心電信息,對高效便捷的實現(xiàn)人體健康狀態(tài)的動態(tài)監(jiān)測具有重要的意義。心電信號處理算法包括消噪濾波、心拍R峰檢測、心拍特征參數(shù)壓縮提取、心拍分類識別四部分。消噪算法使用小波變換閾值收縮法濾除肌電干擾、基線漂移、電極擾動和工頻干擾等噪聲。算法在濾除噪聲的同時能較好的保留心電信號波形特征。心拍R峰檢測部分,通過搜索雙正交二次樣條小波三四尺度上的極值對過零點確定R峰位置,接著根據(jù)R峰的位置截取出樣本心拍,并提取高階累積量特征。分類識別部分,將提取出的心拍特征向量,用二分類支持向量機(jī)兩兩組合的形式,通過投票得出多分類結(jié)果。算法硬件實現(xiàn)部分綜合考慮靈活可配置、低功耗、節(jié)省面積和高效計算多方面因素。本設(shè)計的硬件模塊包括可配置小波變換算子和多分類支持向量機(jī)決策算子。本設(shè)計硬件結(jié)構(gòu)的低功耗優(yōu)化設(shè)計主要體現(xiàn)在算法級和硬件結(jié)構(gòu)級,包括減少冗余計算、減少共享存儲器讀寫次數(shù)、合理設(shè)置子模塊時鐘門控等。節(jié)省面積方面,通過合理復(fù)用基本功能模塊以及合理安排中間數(shù)據(jù)存儲空間來精簡結(jié)構(gòu)。另外,通過合理設(shè)計狀態(tài)機(jī)的控制邏輯實現(xiàn)硬件模塊的靈活可配置以支持多功能計算,同時還具備專用集成電路(ASIC)的功耗、面積和速度優(yōu)勢。本文所設(shè)計心電信號處理硬件模塊在SMIC (中芯國際)的0.13μm工藝條件下完成超大規(guī)模集成電路(VLSI)設(shè)計,功耗27.8μW,面積2.43mm~2。
[Abstract]:In recent years, with the rapid development of economy and society, people's awareness of health has gradually increased. The application market of portable household wearable health monitoring equipment emerges as the times require. In the health monitoring of various physiological parameters of human body, the market of portable household wearable health monitoring equipment emerges as the times require. The real-time monitoring of dynamic ECG signals is an indispensable part. However, a long period of ECG monitoring will produce a lot of data. On the one hand, a large amount of raw ECG data will consume a lot of power by wireless uploading to the terminal. On the other hand, only relying on doctors to manually analyze the beat type in a large number of ECG data frame by frame, it is easy to fatigue and cause the missed detection of heart disease. Therefore, a low-power ECG intelligent processing module has been developed. It is applied to the portable wearable ECG intelligent sensing node of health grade. It realizes the real-time monitoring of dynamic ECG signal on the chip and automatically analyzes the type of cardiac beat, which provides the doctor with concise and accurate human ECG information. The ECG signal processing algorithms include de-noising filtering, R peak detection, characteristic parameter compression and extraction. The denoising algorithm uses wavelet transform threshold contraction method to filter EMG interference and baseline drift. Noise such as electrode disturbance and power frequency interference. The algorithm can preserve the waveform characteristics of ECG signal while filtering noise. The location of the R peak is determined by searching the extremum pairs of the biorthogonal quadratic spline wavelet at three and four scales. Then the sample beat is intercepted according to the position of the R-peak, and the feature of high-order cumulant is extracted. In this paper, the extracted beat feature vectors are extracted, and the multi-classification results are obtained by voting in the form of two-class support vector machines. The hardware implementation of the algorithm is flexible, configurable and low power consumption. The hardware modules of this design include configurable wavelet transform operator and multi-classification support vector machine decision operator. The low power optimization design of the hardware structure of this design is mainly reflected in the algorithm. Level and hardware structure level, Including reducing redundant computing, reducing the number of shared memory reading and writing, setting up sub-module clock gating, etc. In the aspect of saving area, the structure can be reduced by reasonable reuse of basic functional modules and reasonable arrangement of intermediate data storage space. By reasonably designing the control logic of the state machine, the hardware module can be configured flexibly to support multi-function calculation, and the power consumption of ASIC-ASIC can be obtained. Area and speed advantage. The designed ECG signal processing hardware module is designed under the condition of SMIC (SMIC) 0.13 渭 m technology. The power consumption is 27.8 渭 W and the area is 2.43mm / 2.
【學(xué)位授予單位】：中國地質(zhì)大學(xué)(北京)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：R540.4;TN911.7

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 邱力軍,文治洪,李江,楊濱;小波變換在醫(yī)學(xué)影像技術(shù)中應(yīng)用[J];醫(yī)療衛(wèi)生裝備;2003年S1期

2 王紀(jì)鳳;李鵬;尚玉蓮;李海霞;張裕飛;趙學(xué)軍;;基于小波變換的圖像壓縮[J];泰山醫(yī)學(xué)院學(xué)報;2007年08期

3 孫迎,葉英;運用小波變換實現(xiàn)聽覺誘發(fā)電位的單次提取[J];上海理工大學(xué)學(xué)報;1999年04期

4 陸英北,張增芳,蔡坤寶;基于小波變換的心電信號基線矯正方法[J];北京生物醫(yī)學(xué)工程;2000年04期

5 郭苗苗;徐桂芝;王磊;王江;;基于小波變換的聽覺腦機(jī)接口技術(shù)研究[J];中國生物醫(yī)學(xué)工程學(xué)報;2011年05期

6 余輪,翁友岑,鄭慧如;小波變換在心電圖R波檢測中的應(yīng)用[J];福州大學(xué)學(xué)報(自然科學(xué)版);1996年05期

7 吳小培,馮煥清,周荷琴,王濤;基于混合小波變換的瞬態(tài)信號檢測方法[J];生物醫(yī)學(xué)工程學(xué)雜志;2001年01期

8 侯波,遲耀斌,朱重光;一種基于小波變換消除圖像噪聲方法[J];中國體視學(xué)與圖像分析;2002年02期

9 柳淵;李丹妮;嚴(yán)漢民;;小波變換在事件誘發(fā)腦磁圖分析中的應(yīng)用[J];中國醫(yī)學(xué)裝備;2011年06期

10 寧新寶，謝志行;多采樣率線性小波變換及其對心電信號的應(yīng)用[J];山東生物醫(yī)學(xué)工程;1996年Z1期

相關(guān)會議論文 前10條

1 曹思遠(yuǎn);牟永光;;小波變換與信號分解[A];1992年中國地球物理學(xué)會第八屆學(xué)術(shù)年會論文集[C];1992年

2 張霖;錢敏;葛軍;;幾種典型環(huán)節(jié)的小波變換研究[A];1996年中國控制會議論文集[C];1996年

3 鮑文;祝豪;劉金福;;基于多尺度小波變換的電廠數(shù)據(jù)壓縮方法研究[A];2004電站自動化信息化學(xué)術(shù)技術(shù)交流會議論文集[C];2004年

4 龔妙昆;萬福永;;用統(tǒng)計方法和小波變換確定心電圖數(shù)據(jù)中的R波[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

5 趙聰慧;張淑娟;;小波變換在農(nóng)產(chǎn)品無損檢測中的應(yīng)用研究[A];紀(jì)念中國農(nóng)業(yè)工程學(xué)會成立30周年暨中國農(nóng)業(yè)工程學(xué)會2009年學(xué)術(shù)年會（CSAE 2009）論文集[C];2009年

6 朱光明;高靜懷;王玉貴;;小波變換及其在一維濾波中的應(yīng)用[A];1992年中國地球物理學(xué)會第八屆學(xué)術(shù)年會論文集[C];1992年

7 金剛石;趙毅;季云松;;基于小波變換的紅外圖像濾波[A];2006年全國光電技術(shù)學(xué)術(shù)交流會會議文集（D 光電信息處理技術(shù)專題）[C];2006年

8 劉衛(wèi)東;李樂;張靜遠(yuǎn);;一種基于小波變換的水聲成像實驗研究[A];2008’促進(jìn)中西部發(fā)展聲學(xué)學(xué)術(shù)交流會論文集[C];2008年

9 趙麗紅;蔡玉;徐心和;;基于小波變換和多分類器融合的人臉識別[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

10 魯昌華;汪濟(jì)洲;;小波變換在通用DSP上的快速實現(xiàn)[A];第十七屆全國測控計量儀器儀表學(xué)術(shù)年會（MCMI'2007）論文集（上冊）[C];2007年

相關(guān)重要報紙文章 前1條

1 吳玉田殷學(xué)平;中藥質(zhì)量控制又添新武器——小波變換近紅外光譜分析系統(tǒng)[N];中國醫(yī)藥報;2004年

相關(guān)博士學(xué)位論文 前10條

1 王利琴;心電信號波形檢測與心律失常分類研究[D];河北工業(yè)大學(xué);2014年

2 宋長賀;基于GPU的高性能遙感圖像解碼方法研究[D];西安電子科技大學(xué);2015年

3 趙奉奎;能量色散型X射線熒光光譜儀關(guān)鍵技術(shù)研究[D];東南大學(xué);2015年

4 王麗榮;基于小波變換的目標(biāo)檢測方法研究[D];吉林大學(xué);2006年

5 熊智新;基于小波變換的化學(xué)譜圖數(shù)據(jù)處理[D];浙江大學(xué);2004年

6 魏云冰;小波變換在電機(jī)故障診斷與測試中的應(yīng)用研究[D];浙江大學(xué);2002年

7 丁文鵬;自適應(yīng)方向提升小波變換及應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2009年

8 董衛(wèi)軍;基于小波變換的圖像處理技術(shù)研究[D];西北大學(xué);2006年

9 聶磊;小波變換用于重疊化學(xué)信號的分辨研究[D];中國科學(xué)技術(shù)大學(xué);2002年

10 張秀琦;基于小波變換的化學(xué)計量學(xué)方法及幾種抗癌藥物的電化學(xué)研究[D];西北大學(xué);2001年

相關(guān)碩士學(xué)位論文 前10條

1 朱劍平;心電信號處理模塊設(shè)計[D];中國地質(zhì)大學(xué)(北京);2017年

2 韓科;基于小波變換與PCA的人臉識別方法的研究與實現(xiàn)[D];內(nèi)蒙古大學(xué);2015年

3 邵永鑫;小波變換和人工神經(jīng)網(wǎng)絡(luò)在熒光測溫信號處理中的應(yīng)用研究[D];天津理工大學(xué);2015年

4 聶小利;基于小波變換的弱信號提取與應(yīng)用研究[D];北京建筑大學(xué);2015年

5 方宇超;基于小波變換的碼速率估計方法研究[D];內(nèi)蒙古大學(xué);2015年

6 段曉杰;基于小波變換的數(shù)字水印算法及評價方法研究[D];遼寧大學(xué);2015年

7 黃新安;胎兒心率檢測算法的研究[D];江南大學(xué);2015年

8 周玉;小波變換在高速鐵路牽引供電地震防災(zāi)系統(tǒng)中的應(yīng)用研究[D];西南交通大學(xué);2015年

9 郭亞妮;基于DSP的小波變換在雷達(dá)回波信號去噪中的研究[D];天津理工大學(xué);2015年

10 曾燕來;基于小波變換語音去噪的研究及應(yīng)用[D];長安大學(xué);2015年

，

本文編號：1542403