论文部分内容阅读
生理信号是生命体工作状态的客观反映，与多种生理现象和疾病息息相关。科研工作者与临床医生一直致力于探索它们之间的联系，以此为疾病的诊断、治疗和预警提供可靠的参考。 本论文面向移动健康应用，研究生理信号（心电、脑神经、血压等）检测、分类、压缩及还原等算法，为生理信号分析提供新的方法;设计与算法相关的专用集成电路，为其应用提供新的技术路径。本论文的工作主要包括以下几个方面: 1、根据心电信号的波形特征及频率分布规律，提出了基于哈尔小波变换的低复杂度、高精度处理算法。该算法采用尺度为24的哈尔小波变换，降低了计算复杂度。数据预处理及模极大值对检测则可以滤除干扰，提高算法鲁棒性能。峰位修正可以准确定位波峰位置，进一步提高了算法的检测准确率。QTDB数据库验证结果显示该算法实现了松散标准下心电波形的准确检测。以该算法为基础，设计了一款低功耗、高精度的QRS波检测芯片。在1V工作电压下，芯片功耗仅为410nW(静态功耗290nw，动态功耗120nw)。MIT-BIH心律不齐数据库测试结果显示，该款芯片的检测灵敏度和阳性预测度分别为99.6％和99.77％。 2、根据脑神经信号的形态特征和分布规律，提出了优化的WLBG神经信号压缩算法和高效的神经信号特征提取算法。压缩算法以能量为权重划分依据，有效地提高了码字效率。分类结果显示，以极值分界和主成分分析提取的特征向量在不同信噪比条件下，性能基本一致。该神经信号特征提取算法可以将数据带宽降至原始带宽的1.62％。以该算法为基础，设计了一款8通道神经信号特征提取芯片，其分类性能与算法一致。在1V工作电压下，每通道功耗为5.6357μW。 3、根据脉搏与血压的相关性，提出了基于多贝西小波神经网络的无创动态血压监测算法。该算法以多贝西小波为节点函数，可以滤除高频干扰，提高鲁棒性。优化的网络结构则在保证网络性能的前提下，降低了计算复杂度，提高了应用性。非均匀弹性负反馈算法提高了权重计算的收敛速度和算法的还原精度。MIMIC数据库测试结果显示，该算法提取的收缩压和舒张压测量标准均方差分别为2.91mmHg和2.41mmHg，满足美国国家标准协议委员会提出的8mmHg误差标准。