基于壓縮采樣的ECG信號壓縮算法研究.pdf

1、隨著社會的進步發(fā)展和生活水平日益提高，健康問題、人口老齡化問題已引起人們的普遍關注，隨之而來的是醫(yī)療保健需求激增，在這一背景下體域網技術應運而生。低功耗設計是體域網應用需要解決的關鍵問題之一，尤其對于長期實時的監(jiān)護。體域網中大量能量用于傳感器節(jié)點間的數據傳輸，壓縮采樣理論(Compressive sampling,CS)可實現信號采樣和壓縮同時進行，有效降低數據采集和傳輸過程中的能耗。心電是體域網中普遍采集監(jiān)測的人體電生理信號，如何在降

2、低心電傳感節(jié)點的數據采集和傳輸功耗同時，保證心電信號的重構精度，是目前心電體域網需要解決的關鍵問題之一。
　　本文研究了基于CS理論的單導聯和多導聯心電信號(electrocardiogram,ECG)壓縮采樣方法。首先，針對單導聯ECG提出基于低頻系數的K-SVD(Singular Value Decomposition)稀疏表示算法以及基于確定性測量矩陣的分段塊稀疏貝葉斯重構算法，有效地實現了單導聯ECG的稀疏分解和重構；其次

3、，針對多導聯ECG提出了變分貝葉斯的壓縮采樣框架算法；最后，采用標準心電數據庫中的數據驗證了算法性能。本文的主要研究內容包括：
　　1、提出了單導聯ECG稀疏表示算法。將 ECG低頻系數向量作為樣本集，選取級聯正交基作為初始字典，該字典通過K-SVD算法訓練成符合ECG特性的冗余字典，更好的用于ECG稀疏表示。實驗結果驗證，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信號。
　　2、提出了基于確定性多項

4、式測量矩陣的單導聯ECG壓縮采樣算法。首先構造多項式確定性矩陣，其次提出分段塊稀疏貝葉斯框架算法，最后，對多項式確定性矩陣進行正交三角分解優(yōu)化，實驗表明，該矩陣可以滿足實時高精度重建信號的要求，并且優(yōu)化后的矩陣進一步提高了分段塊稀疏貝葉斯算法的重構精度。
　　3、提出了多導聯ECG變分貝葉斯的壓縮采樣框架算法。首先，研究了多導聯ECG的多觀測向量(Multiple Measurement Vectors,MMV)模型和變分貝葉斯理