论文部分内容阅读
随着社会的进步发展和生活水平日益提高,健康问题、人口老龄化问题已引起人们的普遍关注,随之而来的是医疗保健需求激增,在这一背景下体域网技术应运而生。低功耗设计是体域网应用需要解决的关键问题之一,尤其对于长期实时的监护。体域网中大量能量用于传感器节点间的数据传输,压缩采样理论(Compressive sampling,CS)可实现信号采样和压缩同时进行,有效降低数据采集和传输过程中的能耗。心电是体域网中普遍采集监测的人体电生理信号,如何在降低心电传感节点的数据采集和传输功耗同时,保证心电信号的重构精度,是目前心电体域网需要解决的关键问题之一。本文研究了基于CS理论的单导联和多导联心电信号(electrocard iogram, ECG)压缩采样方法。首先,针对单导联ECG提出基于低频系数的K-SVD(Singular Value Decomposition)稀疏表示算法以及基于确定性测量矩阵的分段块稀疏贝叶斯重构算法,有效地实现了单导联ECG的稀疏分解和重构；其次,针对多导联ECG提出了变分贝叶斯的压缩采样框架算法；最后,采用标准心电数据库中的数据验证了算法性能。本文的主要研究内容包括：1、提出了单导联ECG稀疏表示算法。将ECG低频系数向量作为样本集,选取级联正交基作为初始字典,该字典通过K-SVD算法训练成符合ECG特性的冗余字典,更好的用于ECG稀疏表示。实验结果验证,样本集大小减小一半后,该算法仍然有很好的稀疏逼近性能且能高精度恢复信号。2、提出了基于确定性多项式测量矩阵的单导联ECG压缩采样算法。首先构造多项式确定性矩阵,其次提出分段块稀疏贝叶斯框架算法,最后,对多项式确定性矩阵进行正交三角分解优化,实验表明,该矩阵可以满足实时高精度重建信号的要求,并且优化后的矩阵进-步提高了分段块稀疏贝叶斯算法的重构精度。3、提出了多导联ECG变分贝叶斯的压缩采样框架算法。首先,研究了多导联ECG的多观测向量(Multiple Measurement Vectors,MMV)模型和变分贝叶斯理论；其次,构造基于CS框架的变分贝叶斯算法的数学模型；最后,通过标准心电数据库中的数据验证该框架算法的可行性和性能,结果表明该算法在噪声中鲁棒性增强,算法更加稳定。本文所提的算法有效降低了体域网中心电采集节点的功耗,提高了心电信号的重构精度；该算法的相关分析也为体域网中脑电、肌电等生理信号的研究提供了技术支撑。