The energy-efficient implementation of an adaptive-filtering-based QRS complex detection method for wearable devices

Electrocardiogram (ECG) can be used as a valid way for diagnosing heart disease. To fulfill ECG processing in wearable devices by reducing computation complexity and hardware cost, two kinds of adaptive filters are designed to perform QRS complex detection and motion artifacts removal, respectively. The proposed design achieves a sensitivity of 99.49% and a positive predictivity of 99.72%, tested under the MIT-BIH ECG database. The proposed design is synthesized under the SMIC 65-nm CMOS technology and verified by post-synthesis simulation. Experimental results show that the power consumption and area cost of this design are of 160 μW and 1.09×10⁵ μm², respectively.     

基于形态小波的QRS波检测算法

根据心电信号中QRS波群的特点,提出了一种基于小波变换和数学形态学相结合的形态小波检测算法。小波变换方法对突变信号在时频域都具有优异的辨识能力及“可变焦距”的优良特性;数学形态学是基于信号局部特征的,能够在时域上提取信号的峰谷信息。将这两种方法结合起来,利用MIT/BIH心电数据库进行验证,QRS波群的检出率高达99.84%。     

光电稳定跟踪平台中微机电陀螺滤波方法研究

根据微机电陀螺的实测数据,分析了其噪声特性,建立了微机电陀螺零漂的AR模型.研究了基于Kalman滤波的陀螺去噪算法,给出了去噪结果,分析了Kalman滤波不能够在微机电陀螺信号去噪中获得较好效果的原因.在此基础上,将基于阈值决策的小波去噪方法应用于微机电陀螺的信号处理中,给出了滤波结果.实测结果表明由于后者不依赖于噪声的精确模型,根据噪声在不同频段的统计特性采用阈值决策滤波,具有更好的抑噪效果.最后给出了两种滤波算法的比较结果.     

基于生成对抗网络的动态心电信号QRS波检测

心电信号分析是预防心血管疾病的重要举措,QRS波的精确检测不仅是心电信号处理的关键步骤且对心率计算和异常情况分析具有重要作用。针对动态心电信号存在信号质量差或异常节奏波形导致常用QRS波检测方法精度较低的问题,本文提出了一种基于生成对抗网络新型QRS波检测算法。该算法以Pix2Pix网络为基础,生成网络采用U-Net结构,判别网络运用Patch-GAN思想,用U-Net结构的跳跃连接方式,实现了心电数据至R波波峰位置数据的映射,并通过对原始信号的去噪和重组,提升输入信号信噪比。使用ICBEB动态心电数据库2000组单导联心电信号进行算法验证,并与P&T算法和基于CNN的算法作对比,结果表明,本文算法的R波检测准确率达到99.13%,显著优于P&T算法和CNN算法。在灵敏度和阳性预测方面,本文算法获得最优结果,说明了本文算法的有效性。     

基于织物电极的心电监测系统

为解决传统动态心电监测存在的一些问题,例如粘性心电电极刺激皮肤、信噪比随使用时间延长而下降、动态心电图仪缺乏实时分析能力等,研制了一种可穿戴心电异常检测系统。制作了有导电织物材料心电电极的穿戴衣,设计了心电信号采集装置,提出了基于分析R-R间期和QRS波群波形的异常心电波形检测算法,在PDA（Personal Digital Assistant）平台上实现了基于该算法的异常心电信号识别软件。通过实际测试,验证了本系统的有效性和可靠性。     

基于自组织神经网络的QRS波聚类方法

为提高查看大量数据动态心电(ECG)图时的效率,将波形聚类,采用埃尔米特函数和自组织神经网络,实现了室性早搏占比高情况下的心电波形聚类算法.使用MIT-BIH心率失常数据库,利用埃尔米特函数分解QRS波形为QRS向量,将所有QRS向量输入自组织神经网络进行分类.使用特征向量元素分析聚类结果,用阳性率指标对结果进行统计,平均真阳性率为91.2％,假阳性率为1.03％,验证了基于自组织神经网络的心电聚类算法的有效性.达到了将正常心搏和室性早搏心搏聚类的目标.     

基于WLS估计双导联提取QRS波群时间-电压面积

 提出一种提取QRS波群时间-电压面积的新方法,以QRS波群内的一点为基点,向前和向后逐段求出线段参数的WLS估计和线性度,根据线段参数的WLS估计和线性度确定基线,在基线上利用假设检验的方法得出该导联上的QRS波群的起点和终点,在另一导联上用同样的方法求出该QRS波群的起点和终点并最终确定该QRS波群的起点和终点.从而提取了QRS波群时间—电压面积这一特征参数.该方法成功应用于MIT-BIH数据库的QT数据库的所有105个数据文件,在第一组专家标记的3623个QRS波群上获得97.5%的精确度;在第二组专家标记的404个QRS波群上获得98.0%的精确度.为解决非人工交互的实时的心电图计算机自动诊断打下了基础.     

一种便携式心电监测仪的设计

介绍一种能实时处理、处理速度快的心电检测仪,它以基于ARM Cortex-M3内核的单片机为核心,以大容量SD卡作为存储媒介,并实现人机交互、波形回放、心律失常分析及病情报警功能。系统采取实时的QRS波检测算法,并嵌入文件系统将心电数据以文本的形式存储,提高了数据的可读性和移植性。检测仪经MIT-BIH数据库和实际人体测试检验,达到了实际要求。     

基于卷积神经网络和心电QRS波群的身份识别

利用生物特征进行身份识别是目前模式识别领域的研究热点之一,由于人体的心电信号较为稳定且容易获取,因此利用心电进行身份识别得到了广泛的关注。传统基于心电的身份识别算法需要预先提取特征,然后进行模式识别,处理流程比较复杂,且容易受到噪声的影响。考虑心电QRS波群具有相对稳定的特点,利用QRS波群进行身份识别。首先对心电信号进行小波阈值降噪,然后提取QRS波群,将其转换为二值图,最后输入到卷积神经网络进行身份识别。通过几种不同超参数的卷积神经网络的计算比较,发现本文所述方法的最高准确率可达98.2%。此外,也对比了其他典型心电身份识别方法,结果表明,所述方法的识别准确率高于其他算法。     

基于STM32W的老人心率实时监测及跌倒检测系统

为了有效地解决独居老人由于突发性病症而得不到及时救治的问题．本系统以STM32W108．G线射频芯片为核心处理器,提出了的一种心率实时监测和跌倒检测的解决方案。该系统利用ECG信号中的QRS波提取心率,同时分析三轴加速度传感器的信号,结合运动状态变化（SVM、DSVM）和姿态特征变化（姿态角）判断是否跌倒。该设备通过模拟测试证明了其可靠性和实用性。