论文部分内容阅读
心电监护仪的广泛应用将产生大量的心电数据,心电压缩技术在满足临床诊断要求的条件下,可有效减少传输和存储的数据量。压缩感知理论是近年发展起来的一种新的压缩采样理论,压缩感知理论表明信号的采样率不再取决于信号的带宽,而是取决于信息在信号中的结构和内容。本文对基于压缩感知的心电信号压缩算法进行了研究。信号的稀疏性是实现压缩感知的本质。本文结合心电信号自身的特点,重点研究了心电信号的稀疏性及其稀疏字典的构造。利用常用的字典训练算法——K-SVD算法对历史心电数据进行了字典训练。通过相同稀疏度下的表示误差对比和表示误差相同条件下的稀疏度对比,证明了心电信号在K-SVD算法训练的字典下比固定DCT字典下有更好的稀疏表示性。在K-SVD训练字典的启发下,考虑到心电监护仪的实际应用要求,结合心电特征波识别、特征波分类等技术,将K-SVD的无监督字典训练算法演变为有监督的字典训练算法,提出了针对心电信号的基于特征波匹配的字典训练算法。并用相同稀疏度下的表示误差对比实验证明基于特征波匹配训练的字典能更好地稀疏表示心电信号,且能更好地符合心电信号的准周期特点。在研究了稀疏字典的构成方法后,实现了心电信号分别基于DCT字典、K-SVD训练字典、特征波匹配法训练的字典的压缩。基于特征波匹配训练字典的压缩实验表明本文的字典训练算法训练出的原子由心电特征波模板中的典型模板构成,符合医学应用要求；并且将有损压缩转换为了无损压缩。对MIT-BIH心律失常数据库中全部样本的MLⅡ导联心电数据基于特征波匹配字典的压缩实验,取得了3.51的无损平均压缩比。