本文選題：極低功耗　切入點(diǎn)：心電信號(hào)　出處：《浙江大學(xué)》2015年博士論文　論文類型：學(xué)位論文

【摘要】：集成電路技術(shù)的發(fā)展使更多復(fù)雜的處理模塊能夠集成在很小的芯片上,這給基于傳感器的可穿戴心電監(jiān)測裝置發(fā)展帶來了機(jī)會(huì)。在可穿戴心電平臺(tái)中,基于通用處理器的心電處理平臺(tái)能夠同時(shí)兼顧硬件和軟件設(shè)計(jì)的靈活性而應(yīng)用廣泛,但是功耗是其應(yīng)用的主要障礙。本文以心電信號(hào)處理為目標(biāo),以通用處理器平臺(tái)的低功耗設(shè)計(jì)為核心,主要研究了包括心電處理算法和處理器存儲(chǔ)架構(gòu)等關(guān)鍵技術(shù),具體的研究內(nèi)容和創(chuàng)新點(diǎn)包括：1.基于經(jīng)驗(yàn)?zāi)B(tài)分解的心電壓縮算法研究。通過分析經(jīng)驗(yàn)?zāi)B(tài)分解算法的流程和特性,本文首次提出了使用經(jīng)驗(yàn)?zāi)B(tài)分解的篩選過程進(jìn)行壓縮的算法。該算法使用第一階本征模態(tài)函數(shù)的篩選過程,利用篩選函數(shù)的極值均值點(diǎn)能夠重構(gòu)原信號(hào)的特點(diǎn),避免了傳統(tǒng)使用極值點(diǎn)擬合本征模態(tài)函數(shù)具有較大誤差的缺點(diǎn),并結(jié)合篩選函數(shù)重組、極值均值點(diǎn)優(yōu)化選取的方法,減少了需要保存的特征點(diǎn)數(shù)量,在達(dá)到較低重構(gòu)失真的同時(shí)增加了壓縮效率。相對于傳統(tǒng)經(jīng)驗(yàn)?zāi)B(tài)分解的心電壓縮方法和其他變換域的方法,該方法能夠?qū)崿F(xiàn)更大的壓縮效率和更低的重構(gòu)失真。在以傳輸數(shù)據(jù)為任務(wù)的可穿戴心電設(shè)備中,該方法能夠降低數(shù)據(jù)傳輸量,減少無線傳輸功耗。2.信號(hào)特征預(yù)判的低功耗QRS檢測算法研究。本文通過分析基于小波變換的QRS檢測算法,利用絕大部分小波變換系數(shù)幅值較小的特點(diǎn),提出了基于時(shí)域信號(hào)特征預(yù)判的低運(yùn)算量QRS檢測算法。該方法利用簡單的時(shí)域?yàn)V波和預(yù)判操作,篩選出信號(hào)中疑似QRS波段,并結(jié)合不同RR間隔(心跳間隔),對疑似QRS波使用基于單尺度小波分解和多尺度小波分解相結(jié)合的QRS檢測方法。實(shí)驗(yàn)結(jié)果表明,該算法在檢測準(zhǔn)確率和抗噪聲能力上都與原基于小波變換的算法相當(dāng)?shù)那闆r下,獲得了77.9%的運(yùn)算功耗降低。該算法能夠獲得算法復(fù)雜度和功耗的降低,非常適應(yīng)可穿戴心電平臺(tái)的實(shí)時(shí)處理需求。3.面向心電處理的低功耗內(nèi)存架構(gòu)研究。本文通過分析基于小波變換的QRS檢測算法,研究了內(nèi)存空間中局部地址范圍內(nèi)的值空間局部性(內(nèi)存值之間差值較小),提出了基于值壓縮的壓縮存儲(chǔ)策略,其通過在多個(gè)內(nèi)存地址中使用一個(gè)基地址和多個(gè)較小寬度偏移值的方法,降低存儲(chǔ)空間消耗。并針對內(nèi)存值動(dòng)態(tài)變化特性,設(shè)計(jì)了以鏈表方法管理的后備非壓縮空間用于動(dòng)態(tài)的分配和釋放非壓縮內(nèi)存空間存儲(chǔ)原壓縮值。進(jìn)一步,利用程序內(nèi)存的順序訪問特性,本文設(shè)計(jì)了基于內(nèi)存讀寫緩存的低功耗訪問策略。實(shí)驗(yàn)結(jié)果顯示,相對原內(nèi)存架構(gòu),該內(nèi)存架構(gòu)能獲得32.5%的內(nèi)存空間降低,68.1%的內(nèi)存功耗降低。該架構(gòu)和方法能夠在降低內(nèi)存容量消耗的基礎(chǔ)上,獲得訪問功耗的降低,非常適用于基于通用處理器的心電平臺(tái)。本文提出的關(guān)鍵技術(shù)對可穿戴心電檢測平臺(tái),特別是針對極低功耗心電處理的通用處理器平臺(tái)的設(shè)計(jì)具有積極的理論研究意義和實(shí)際應(yīng)用價(jià)值。
[Abstract]:The development of integrated circuit technology enables more complex processing module can be integrated in a small chip, this sensor based Wearable ECG monitoring device development opportunities. In the Wearable ECG platform, ECG processing platform processor can also both hardware and software design flexibility and application based on widely, but the power consumption is a major obstacle to its application. Based on the ECG signal processing as the goal, with low power consumption design of general processor platform as the core, mainly studies the key technologies including ECG processing algorithm and storage processor architecture, research content and innovation include: 1. research based on empirical mode decomposition of ECG compression through the algorithm. The procedure and characteristics of empirical mode decomposition algorithm, this paper presents for the first time using the screening process of EMD. The compression algorithm Method using the screening process of first order intrinsic mode function, using the screening function of the extreme point average can reconstruct the original signal, avoid the use of the traditional fitting extremum intrinsic mode function has larger errors, and combined with the screening function recombination method of extremum point average optimal selection, reduce the number of feature points to at the same time in the preservation of the low distortion increases the compression efficiency. Compared with the traditional methods of empirical mode decomposition method of ECG compression and other transform domain, this method can achieve higher compression efficiency and lower distortion. In the transmission of data to the task of wearable electric equipment in the heart. The method can reduce the amount of data transmission, reduce the research of low power QRS wireless transmission power.2. feature detection algorithm to predict the signal. In this paper, through the analysis of the QRS detection algorithm based on wavelet transform, the use of the vast Most of the wavelet transform coefficients smaller amplitude of the proposed low complexity QRS detection algorithm based on time domain signal characteristics predict. The method using time-domain filtering and pre operation simple sentence, screening out the signal of suspected QRS band, and a combination of different RR interval (heartbeat interval), suspected of using QRS wave detection method of single QRS wavelet decomposition and wavelet decomposition based on combination. The experimental results show that the algorithm in the detection accuracy and anti noise ability and primordium on wavelet transform algorithm is quite the case, won 77.9% of the operation to reduce the power consumption. The algorithm can reduce the algorithm complexity and power consumption, can be very fit wear heart electric platform real-time processing requirements of.3. oriented research on low power memory architecture ECG processing. In this paper through the analysis of the QRS detection algorithm based on wavelet transform, the local memory space The address range of the spatial locality (memory value difference between the smaller, proposed) value compression storage strategy based on compression, the method uses a base address and a number of smaller width offset value in a plurality of memory address, reduce storage space and memory consumption. According to the dynamic characteristics of value, design a list of management method for the dynamic reserve of non compressed space allocation and release of memory space to store the original uncompressed compression value. Further, the program memory sequential access characteristics, this paper designed to read and write memory cache access strategy based on low power consumption. The experimental results show that compared to the original memory architecture, the memory architecture can be obtained 32.5% memory space is reduced, the power consumption is reduced. The 68.1% memory architecture and method can reduce memory consumption based on access, reduction in power consumption, is very suitable for use in general The key technology of this paper has positive theoretical significance and practical application value for the design of Wearable ECG detection platform, especially for the design of universal processor platform for extremely low power ECG processing.

【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TN911.7;R197.39

【相似文獻(xiàn)】

相關(guān)會(huì)議論文 前2條

1 張然;董曉恒;羅修波;;反射內(nèi)存網(wǎng)絡(luò)在實(shí)時(shí)信號(hào)傳輸中的應(yīng)用[A];2007系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2007年

2 趙齊;黎鐵軍;邢座程;;DDR3內(nèi)存系統(tǒng)錯(cuò)誤及檢錯(cuò)研究[A];第十五屆計(jì)算機(jī)工程與工藝年會(huì)暨第一屆微處理器技術(shù)論壇論文集（A輯）[C];2011年

相關(guān)重要報(bào)紙文章 前10條

1 胡軍;添加內(nèi)存真能讓“本本”飛起來？[N];中國消費(fèi)者報(bào);2007年

2 山東 郭振海;內(nèi)存六種異常故障排除法[N];中國電腦教育報(bào);2001年

3 周雙仁;內(nèi)存故障排除六法[N];中國電腦教育報(bào);2004年

4 馮小民;內(nèi)存神醫(yī)[N];電腦報(bào);2001年

5 安徽 劉勇;內(nèi)存異常故障的排除法[N];中國電腦教育報(bào);2005年

6 郝曉波;內(nèi)存錯(cuò)誤不用慌[N];中國計(jì)算機(jī)報(bào);2003年

7 均兒;內(nèi)存X檔案[N];電腦報(bào);2006年

8 屈健;尖峰時(shí)刻[N];電腦報(bào);2001年

9 ;實(shí)現(xiàn)低開銷和高速度的RDMA[N];網(wǎng)絡(luò)世界;2003年

10 北京 成兆義;劣質(zhì)內(nèi)存被Win2000“拿下”[N];電腦報(bào);2004年

相關(guān)博士學(xué)位論文 前7條

1 趙朝君;低功耗心電處理算法及存儲(chǔ)架構(gòu)研究[D];浙江大學(xué);2015年

2 李磊;網(wǎng)格化內(nèi)存服務(wù)體系結(jié)構(gòu)研究[D];中國科學(xué)院研究生院（計(jì)算技術(shù)研究所）;2008年

3 王紹剛;基于分離設(shè)計(jì)方法的硬件事務(wù)內(nèi)存系統(tǒng)研究[D];國防科學(xué)技術(shù)大學(xué);2009年

4 朱宗衛(wèi);基于系統(tǒng)時(shí)空行為特征的內(nèi)存功耗優(yōu)化研究[D];中國科學(xué)技術(shù)大學(xué);2014年

5 朱素霞;面向多核處理器確定性重演的內(nèi)存競爭記錄機(jī)制研究[D];哈爾濱工業(yè)大學(xué);2013年

6 張揚(yáng);基于操作語義的弱內(nèi)存模型描述及程序邏輯研究[D];中國科學(xué)技術(shù)大學(xué);2015年

7 王睿伯;面向NUMA結(jié)構(gòu)的軟件事務(wù)內(nèi)存關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 孝瑞;內(nèi)存動(dòng)態(tài)安全監(jiān)測及防范研究[D];華北電力大學(xué);2015年

2 董步云;Windows平臺(tái)基于數(shù)據(jù)關(guān)聯(lián)的內(nèi)存取證分析技術(shù)研究[D];南京大學(xué);2014年

3 朱國梁;存儲(chǔ)類內(nèi)存模擬器的設(shè)計(jì)與實(shí)現(xiàn)[D];國防科學(xué)技術(shù)大學(xué);2013年

4 吳鴻遠(yuǎn);基于共享內(nèi)存的域間通信優(yōu)化方法研究[D];杭州電子科技大學(xué);2015年

5 高士翔;基于內(nèi)存頁流驗(yàn)證的ROP防御方案[D];南京大學(xué);2016年

6 周帆;基于安卓內(nèi)存的證據(jù)挖掘與關(guān)聯(lián)分析[D];南京郵電大學(xué);2016年

7 李作駿;訪存蹤跡收集工具的邏輯設(shè)計(jì)與實(shí)現(xiàn)[D];中國科學(xué)院大學(xué)(工程管理與信息技術(shù)學(xué)院);2016年

8 冒偉;基于相變存儲(chǔ)器的混合內(nèi)存系統(tǒng)研究[D];華中科技大學(xué);2015年

9 張進(jìn)寶;一種基于頁面熱度的異構(gòu)內(nèi)存能耗管理機(jī)制[D];華中科技大學(xué);2015年

10 陳丹丹;用軟件實(shí)現(xiàn)局域網(wǎng)中的內(nèi)存共享[D];南京航空航天大學(xué);2002年

，

本文編號(hào)：1593398