可穿戴式远程医疗系统用户端心电信号的实时检测

论文摘要

远程医疗系统为如今社会医疗资源紧缺的问题提供了一种有效的解决方法。然而由于系统的家庭终端部分存在着不够方便和测量过程不舒适等问题,使得远程医疗系统得不到普及。本论文研究的穿戴式远程医疗系统是一种新颖的医疗仪器,使患者无需到医院就得到日常监护。本论文重点研究了穿戴式远程医疗系统客户端的心电信号检测算法,提出了符合系统实时性要求的ECG信号R波和P波检测算法。首先对ECG信号进行预处理,采用平滑滤波器来滤除50Hz工频干扰,然后对信号进行小波变换,通过将高尺度的逼近信号和低尺度的细节信号置零并重构信号,达到去除基线漂移和高频噪声的目的。接着本文重点研究了心电特征信息提取方法。在分析了小波变换检测心电信号奇异点的原理之后,采用Daubechies3阶小波对预处理后的ECG信号进行分解,在22和23两个小波系数上使用自适应阈值、不应期和补偿等策略对心电信号进行R波检测。实验结果显示,算法的平均正确检测率达到了99%以上。P波检测的方法是在R波定位完成之后,将QRS-T波对消掉,使得原始信号仅剩P波为主要成分,然后对这部分信号进行自适应阈值判断,检测出P波位置。实验结果显示本算法对某些信号的检测效率达到了90%。另外本文还研究了部分心律失常病例的自动分析技术,介绍了心动过缓、心动过速等病例的判断指标。课题使用TMS320VC5509DSP处理器作为算法实现平台,它具有运行功率低,计算能力强的特点,非常适合应用于穿戴式设备。本文最后介绍了CCS集成开发环境测试检测算法性能的方法,通过profile工具计算执行时间可以得知算法的执行效率。实验结果表明R波检测和P波检测算法在TMS320VC5509DSP处理器上可以高效率运行。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 课题背景
• 1.2 国内外研究现状
• 1.3 课题研究目的和研究内容
• 1.3.1 课题研究目的
• 1.3.2 课题研究内容
• 2 软件算法实现平台
• 2.1 TMS320VC5509DSP 处理器简介
• 2.2 DSP 处理器的软件开发方法
• 2.2.1 DSP 处理器软件开发环境
• 2.2.2 DSP 处理器软件开发步骤
• 2.3 DSP 与ARM 处理器的数据交换方式
• 2.4 使用DSP 处理器的合理性
• 2.5 DSP 处理器算法的优化
• 2.5.1 使用DSP 特殊指令进行并行处理
• 2.5.2 使用DSP 独特的寻址方式
• 2.5.3 尽量避免内存访问冲突
• 2.6 小结
• 3 ECG 信号的预处理
• 3.1 心电信号基础
• 3.1.1 心电信号的产生
• 3.1.2 心电图的主要参数
• 3.2 心电信号的噪声来源
• 3.3 心电信号的噪声消除
• 3.3.1 心电信号消噪方法研究
• 3.3.2 心电信号预处理算法设计
• 3.3.3 实验结果与分析
• 3.4 小结
• 4 心电信号检测算法
• 4.1 心电信号检测算法概述
• 4.1.1 基于滤波和阈值检测的方法
• 4.1.2 基于模板匹配的检测方法
• 4.1.3 数学形态学方法
• 4.1.4 基于人工神经网络的模式识别
• 4.1.5 基于小波变换的检测方法
• 4.2 小波变换原理
• 4.2.1 连续小波变换
• 4.2.2 离散小波变换
• 4.2.3 Mallat 快速算法
• 4.2.4 多分辨率分析
• 4.2.5 常用小波函数
• 4.3 ECG 信号R 波检测算法的设计
• 4.3.1 小波函数的选择
• 4.3.2 尺度选择
• 4.3.3 ECG 信号R 波检测算法流程
• 4.4 P 波的检测算法
• 4.5 ECG 信号检测算法在DSP 上的实现
• 4.6 实验结果与讨论
• 4.6.1 R 波检测实验结果与讨论
• 4.6.2 P 波检测实验结果与讨论
• 4.7 小结
• 5 心律失常自动分析技术的研究
• 5.1 心律失常归类
• 5.2 心律失常的自动识别
• 5.3 算法流程
• 5.4 小结
• 6 ECG 检测算法的实时性测试
• 6.1 DSP 算法性能的测试方法
• 6.2 测试结果
• 7 结论与展望
• 7.1 结论
• 7.2 展望
• 致谢
• 参考文献
• 附录
• 作者在攻读学位期间发表的论文目录