基于稀疏分解的心电信号压缩算法

动态心电的广泛应用导致海量心电数据的产生,为了传输和存储的高效实现,必须对其进行压缩.本文在详细分析心电信号的可压缩特性基础上,将稀疏分解这一目前数据压缩算法领域较为前沿的方法引入到心电信号压缩算法中,提出了一种基于稀疏过完备库分解的心电数据压缩算法,该算法能够在较低的数据失真度情况下得到较好的数据压缩效果.同时,通过将本算法的实验数据同相关文献中提到的方法进行对比,其结果验证了本文算法的有效性.     

基于稀疏分解的心电信号波形检测及形状识别

为对心电信号进行波形检测和形状识别，解决心电信号自动诊断的重点和难点，在稀疏分解的理论基础上，构造符合心电信号特点的超完备字典，基于此字典，利用匹配追踪算法对心电信号做稀疏分解。根据稀疏分解所得解向量及与解向量在字典中对应的原子找出心电信号的特征波的起点、终点、峰值点等，最终实现心电信号的几种特征波的波形检测及形状识别。实验证明该算法的QRS波群检测率为99％，P波、T波检测率为85％，对P波和T波的形状识别符合人的主观判断。这些检测和识别结果为心脏病的自动诊断提供了依据。     

A real-time ECG data compression algorithm based on S3C2440

目的 为满足嵌入式移动无线终端传输高采样率心电信号的需要,设计一种实时心电数据压缩算法.方法 根据心电数据自身特点,在嵌入式S3C2440平台上,以Huffman算法、LZ77算法及LZW算法进行心电数据压缩并比较分析,在此基础上设计了一阶差分结合Huffman算法和LZ77算法的混合压缩算法.结果 心电数据的压缩结果显示,该算法压缩比达7.20,平均计算时间392 ms,与普通压缩算法相比具有更高的心电压缩比和更低的时间复杂度.结论 将该压缩算法运用到远程无线监测终端中能满足系统设计的要求.     

一种基于S3C2440的嵌入式实时心电数据压缩算法

目的 为满足嵌入式移动无线终端传输高采样率心电信号的需要,设计一种实时心电数据压缩算法.方法 根据心电数据自身特点,在嵌入式S3C2440平台上,以Huffman算法、LZ77算法及LZW算法进行心电数据压缩并比较分析,在此基础上设计了一阶差分结合Huffman算法和LZ77算法的混合压缩算法.结果 心电数据的压缩结果显示,该算法压缩比达7.20,平均计算时间392 ms,与普通压缩算法相比具有更高的心电压缩比和更低的时间复杂度.结论 将该压缩算法运用到远程无线监测终端中能满足系统设计的要求.     

一种动态心电监测系统的实时数据压缩方法

本文介绍了一种基于δ编码方法的改进型实时心电数据压缩方法。从心电图的周期和单个采样数据的特性两方面研究数据压缩方法，提出了两级心电数据压缩方法－δ阈值周期数据压缩法（δＴＣＤＣＭ法）和双δ阈值数据压缩法（ＤδＴＤＣＭ法）。该方法实现简单、压缩比高、失真小，对ＥＣＧ数据的实时记录和传输有较高的应用价值。     

基于功率谱特征的心电数据小波压缩方法

利用心电功率谱特征,探索心电数据压缩新方法。用小波分解心电信号为高频与低频分量,对低频分量继续分解达到要求的级数,对高频分量则根据其所在频段的能量,对临床诊断的价值加以取舍。对MIT生理信号数据库心电数据的压缩与还原分析表明,该方法平衡了压缩比与还原精度之间的矛盾,既具有较高的压缩比,又具有较高的还原精度,而且对信号的适应性也明显增强。另外,该压缩方法还具有一定的去噪作用。说明结合心电功率谱特征与小波变换方法压缩心电有其优势。     

基于BW算法的高采样率心电数据无损压缩

目前对心电数据压缩的研究主要集中在对低采样率心电数据的压缩,我们提出了一种基于BW(Burrows-Wheeler)算法对高采样率心电数据的无损压缩算法.首先对原始心电数据进行差分变换,将部分16位二进制差值表示为8位,然后对差分结果进行前移编码,使得相同字符集中于某一段区域,最后通过算术编码得到高压缩比.结果表明,该算法不仅适用于高采样率体表心电数据的压缩,而且也适用于心内心电数据的压缩, 平均压缩比分别达到3.547和3.608.同现有的心电无损压缩算法相比,它在压缩效果上获得了较大改进.另外针对高采样率心电数据,使用该算法进行无损压缩也可以得到较好的压缩效果.     

自适应提升小波用于心电信号除噪

人体心电信号随着检测状态及时间的变化显示出明显的非平稳性并伴随着大量的干扰信号.提升小波能很好的对心电信号进行时频定位,并且其运算速度比传统小波高出许多.本研究以提升小波变换为基础,构造了一种基于尺度的自适应提升小波,用它对心电信号（ECG）进行分解,使不同频带的信号显示在小波分解的不同尺度上,并在信号重构时利用一种新的阈值方法去除不同尺度上的干扰信号,从而获得较精确的心电波形,为心电信号的进一步处理奠定了基础.     

高频谱心电信号的研究趋势

临床数据表明,与传统心电信号相比,高频心电信号在心肌梗塞、房室纤颤、心肌缺血、心肌炎、心室肥大、室性心动过速等患者中表现出高的敏感性,但不具有特异性.与传统心电信号研究相比,高频心电信号的研究报道较少.本文分析总结了高频心电信号的临床意义及研究中存在的问题,结合传统心电信号分析采用的方法,提出扩展高频心电信号研究的途径.     

基于扩展卡尔曼滤波和奇异值分解算法的单通道胎儿心电提取方法

提出一种将扩展卡尔曼滤波(EKF)算法和奇异值分解(SVD)算法相结合的单通道胎儿心电提取方法。首先,建立母体心电的动态模型,利用该模型通过扩展卡尔曼滤波或扩展卡尔曼平滑(EKS),从孕妇的单通道腹部信号中估计出母体心电成分,然后与单通道腹部信号相减得到胎儿心电信号的初步估计,随后再利用奇异值分解算法,对初步估计出的胎儿心电信号进行去噪处理,以期得到高信噪比的胎儿心电信号。另外,针对胎儿心律不齐的情况,在奇异值分解算法中提出一种改进的心电信号重构矩阵构造方法。对合成腹部信号和实际腹部信号(源于DaISy数据库和PhysioNet中的非侵入式胎儿心电数据库,共计49个腹部通道的数据),进行胎儿心电提取实验。结果表明,使用EKF+SVD或EKS+SVD的算法比单独使用EKF或EKS的算法,提取出的胎儿心电信号的信噪比提高约5 dB,胎儿心电提取的准确性分别达95.60%和95.94%。结合EKF和SVD算法的单通道胎儿心电提取方法,可以有效地提高胎儿心电信号的信噪比和提取的准确性,并且适用于母体或胎儿心律不齐的情况。