CN102688032A - 基于精简公共字典库的心电信号稀疏分解压缩*** - Google Patents
基于精简公共字典库的心电信号稀疏分解压缩*** Download PDFInfo
- Publication number
- CN102688032A CN102688032A CN2012101478806A CN201210147880A CN102688032A CN 102688032 A CN102688032 A CN 102688032A CN 2012101478806 A CN2012101478806 A CN 2012101478806A CN 201210147880 A CN201210147880 A CN 201210147880A CN 102688032 A CN102688032 A CN 102688032A
- Authority
- CN
- China
- Prior art keywords
- module
- signal
- electrocardiosignal
- sparse
- dictionary library
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及一种基于精简公共字典库的心电信号稀疏分解压缩***,包括精简公共字典库离线训练模块,以及相互连接的心电信号在线压缩模块和心电信号重建模块;精简公共字典库离线训练模块用于离线整合多源心电信号训练样本构造公共训练样本集,对样本信号进行分段,将Gabor函数进行离散化形成超完备的Gabor字典,对分段信号用Gabor字典进行稀疏分解,得到初级公共字典库,再利用聚类算法,对字典进行精简,生成精简公共字典库;心电信号在线压缩模块基于精简公共字典库对信号进行稀疏分解;心电信号基于精简公共字典库重构信号段,恢复完整信号,显示信号波形。本发明适于在嵌入式或移动等资源受限的硬件平台上实现。
Description
技术领域
本发明涉及人体生理信号处理技术领域,特别是涉及一种基于精简公共字典库的心电信号稀疏分解压缩***。
背景技术
嵌入式心电监护技术使得人体心电信号全天候非干扰地被采集和监护,但心电信号的存储和传输受限于嵌入式平台硬件资源,因此需要高精度、高压缩比和低复杂度和低存储空间的压缩技术。稀疏分解方法是近年来信号处理的热点,但其相对于低功耗传感器网络嵌入式平台,其庞大的运算量和字典库限制其应用于此领域。心电信号压缩技术大致可以分为3类:时域直接压缩、变换域压缩和特征参数压缩。其中第二种具有压缩比高和无损压缩的特点,便于心电信号的重建和诊断处理。变换域压缩中,稀疏分解方法近年来在心电信号处理领域逐渐引起关注和研究,并被用于心电信号的压缩,并且具有压缩失真度小的优点,但其匹配追踪算法过程中巨大的运算量和庞大的字典库是限制稀疏分解方法在嵌入式心电监护***应用的难题。
在此之前,已经有若干研究心电信号的压缩和传输的文献和专利。例如,论文(王春光,基于稀疏分解的心电信号波形检测及形状识别,《中国生物医学工程学报》,2008年4月)采用Gabor字典和基于心电特征波的方法,研究了基于信号特征和稀疏分解的心电压缩压缩,但其算法基于通用计算机,没有考虑在嵌入式***的实现。论文(SangJoon Lee,A Real-Time ECG Data Compression and Transmission Algorithm for an e-Health Device,《IEEE TRANSACTIONS ON BIOMEDICAL ENGINEERING》,VOL.58,NO.9,SEPTEMBER,2011)采用DCT字典和Huffman编码完成了心电信号的实时压缩传输,并且与常用的方法做了对比,说明其压缩精度和压缩比等性能较好,但该文重点在于保证其压缩算法的实时性,没有分析其计算和空间复杂度。他们的工作都没有涉及如何在资源受限的嵌入式***平台进行心电信号的压缩。专利CN101996158采用了FFT在嵌入式上实现心电信号的压缩和传输,但其重点是实时传输。专利CN101799974是一种基于自适应码本的心电信号传输方法,重点研究了传输的低损耗。专利CN101669819采用基于PT变换与线性预测结合的心电图信号无损压缩,利用残差值恢复信号。
在嵌入式心电监护***中完成心电信号稀疏分解的功能,主要有3点局限:1.稀疏分解搜索算法巨大的运算量;2.若采用冗余的超完备字典,需要根据信号的长度进行离散时需要大量的资源和时间进行字典的生成,生成的字典原子数量巨大;3.若采用适合个体特征的字典,针对不同的个体需要不同的字典库完成分解。
发明内容
本发明所要解决的技术问题是提供一种基于精简公共字典库的心电信号稀疏分解压缩***,具有高精度、高压缩比、低复杂度和低存储空间,适于在嵌入式或移动等资源受限的硬件平台上实现。
本发明解决其技术问题所采用的技术方案是:提供一种基于精简公共字典库的心电信号稀疏分解压缩***,包括精简公共字典库离线训练模块,以及相互连接的心电信号在线压缩模块和心电信号重建模块;所述精简公共字典库离线训练模块用于离线整合多源心电信号训练样本构造公共训练样本集,对样本信号进行分段,将Gabor函数进行离散化形成超完备的Gabor字典,对分段信号用Gabor字典进行稀疏分解,得到初级公共字典库,再利用聚类算法,对字典进行精简,生成精简公共字典库;所述心电信号在线压缩模块用于心电信号采集,信号分段,基于所述精简公共字典库对信号进行稀疏分解,得到稀疏向量,对稀疏向量进行编码,数据发送;所述心电信号重建模块用于数据接收,解码得到稀疏向量,基于所述精简公共字典库重构信号段,恢复完整信号,显示信号波形。
所述公共训练样本集由MIT-BIH数据库中的各种疾病的心电信号和不同的个体在各种状态下的多源心电信号样本构造而成。
所述Gabor字典中的每一个原子由Gabor函数构成。
所述分段信号用Gabor字典进行稀疏分解时采用的搜索方法为OMP正交匹配追踪。
所述聚类算法为KSVD聚类算法。
所述心电信号在线压缩模块包括依次连接的信号采集模块、A/D转换模块、第一微处理器和第一无线传输模块;所述第一微处理器还与第一串口模块相连;所述信号采集模块用于采集人体心电数据;所述A/D转换模块用于将人体心电数据转换为数字信号;所述第一串口模块用于接通精简公共字典库;所述第一微处理器用于对数字信号进行分段,并基于所述精简字典库完成信号段的稀疏分解,得到稀疏向量,并对稀疏向量进行编码;所述第一无线传输模块用于传输编码后的稀疏向量。
所述心电信号重建模块包括依次相连的第二无线传输模块、第二微处理器和信号存储显示模块;所述第二微处理器还与第二串口模块相连;所述第二无线传输模块用于接收所述心电信号在线压缩模块传输的编码后的稀疏向量;所述第二串口模块用于接通精简公共字典库;所述第二微处理器用于对第二无线传输模块收到的稀疏向量进行解码,并基于精简公共字典库和解码得到的稀疏向量完成一个信号段的恢复,得到完整信号;所述信号存储显示模块用于将得到的完整信号进行存储并显示。
有益效果
由于采用了上述的技术方案,本发明与现有技术相比,具有以下的优点和积极效果:本发明利用稀疏分解进行心电信号的压缩,通过信号分段、字典库训练,离线形成精简字典库,大大降低了稀疏分解心电压缩算法的时间和空间复杂度,并且在压缩比、信号重建精度等方面性能完全可以满足心电信号处理需要,另外,基于公共字典库使得本方法适应于不同个体的心电监护,便于本***的推广使用。
附图说明
图1是本发明的***组成框图;
图2是本发明中心电数据在线压缩模块硬件示意图;
图3是本发明中心电数据在线恢复模块硬件示意图。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明涉及一种基于精简公共字典库的心电信号稀疏分解压缩***,如图1所示,包括精简公共字典库离线训练模块,以及相互连接的心电信号在线压缩模块和心电信号重建模块;所述精简公共字典库离线训练模块用于离线整合多源心电信号训练样本构造公共训练样本集,对样本信号进行分段,将Gabor函数进行离散化形成超完备的Gabor字典,对分段信号用Gabor字典进行稀疏分解,得到初级公共字典库,再利用聚类算法,对字典进行精简,生成精简公共字典库;所述心电信号在线压缩模块用于心电信号采集,信号分段,基于所述精简公共字典库对信号进行稀疏分解,得到稀疏向量,对稀疏向量进行编码,数据发送;所述心电信号重建模块用于数据接收,解码得到稀疏向量,基于所述精简公共字典库重构信号段,恢复完整信号,显示信号波形。
精简公共字典库离线训练模块:在该模块中,首先构造训练信号的样本集,选取MIT-BIH数据库中100到223当中的数据和自行采集的数据共1500条长度为256的心电信号,采样频率为360Hz。采样的数据包括人体在不同形态下的数据,如站立,平躺,直立等。构造训练集合的时候一并完成了信号的分段工作,将信号分解为256长度。Gabor字典当中的每一个原子由Gabor函数构成:Gabor函数的表达式为:其中s代表尺度因子,决定了函数能量的分布情况,u为平移因子,决定函数波形的中心位置,v为频率调制因子,决定了函数的主频,ω为相位因子,决定了函数的相位。γ=(s,u,v,ω)称为该函数的时频参数。通过时频参数的离散化,可以得到一个冗余度很高的超完备字典。当信号的长度为N时,采取如下的离散方法:γ=(αj,pαjΔu,kα-jΔv,iΔω),其中,α=2,Δu=1/2,Δv=π,Δω=π/6,0<j≤log2N,0≤p<N×2-j+1,0≤i≤12。采用该种方法离散化后,Gabor字典中原子数为52(Nlog2N+N-1)。本实施方式选择当信号长度为256时,字典中原子的个数为13404。将1500个训练信号逐一进行稀疏分解,搜索方法选择OMP正交匹配追踪,字典选用Gabor字典,每一个信号用30个原子表示,即分解迭代次数设置为30。记录稀疏分解过程中的稀疏向量X和每一次的原子,共45000个原子。由这些原子构成初级公共字典库。选择KSVD聚类算法对45000个原子进行聚类,生成精简公共字典库。
心电信号在线压缩模块:如图2所示,该模块包括依次连接的信号采集模块、A/D转换模块、第一微处理器(如采用MSP430单片机)和第一无线传输模块;所述第一微处理器还与第一串口模块相连;所述信号采集模块用于采集人体心电数据;所述A/D转换模块用于将人体心电数据转换为数字信号;所述第一串口模块用于接通精简公共字典库;所述第一微处理器用于对数字信号进行分段,并基于所述精简字典库完成信号段的稀疏分解,得到稀疏向量,并对稀疏向量进行编码;所述第一无线传输模块用于传输编码后的稀疏向量。工作流程如下:首先完成心电信号的采集,将可穿戴的嵌入式心电监护设备穿戴在被监护人身上,开启电源完成心电数据的采集。接着,将采集到的心电数据通过A/D转换模块将其转化为数字信号。之后,通过MSP430单片机完成信号的分段工作,分段信号长度与精简公共字典库的原子长度一致,本例中的长度为256,然后基于精简公共字典库离线训练模块生成的精简字典库完成信号段的稀疏分解,得到稀疏向量,并对稀疏向量编码。最后,将编码后的稀疏向量通过无线传输模块传输。
心电信号重建模块:如图3所示,该模块包括依次相连的第二无线传输模块、第二微处理器(如MSP430单片机或计算机)和信号存储显示模块;所述第二微处理器还与第二串口模块相连;所述第二无线传输模块用于接收所述心电信号在线压缩模块传输的编码后的稀疏向量;所述第二串口模块用于接通精简公共字典库;所述第二微处理器用于对第二无线传输模块收到的稀疏向量进行解码,并基于精简公共字典库和解码得到的稀疏向量完成一个信号段的恢复,得到完整信号;所述信号存储显示模块用于将得到的完整信号进行存储并显示。该模块工作流程如下:首先,无线传输模块接收心电信号在线压缩模块传输的数据。接着,对数据进行解码,得到稀疏向量,再利用精简公共字典库和解码得到的稀疏向量,完成一个信号段的恢复,得到完整的信号。最后通过存储显示模块将得到的完整信号进行存储并显示。
Claims (7)
1.一种基于精简公共字典库的心电信号稀疏分解压缩***,其特征在于,包括精简公共字典库离线训练模块,以及相互连接的心电信号在线压缩模块和心电信号重建模块;所述精简公共字典库离线训练模块用于离线整合多源心电信号训练样本构造公共训练样本集,对样本信号进行分段,将Gabor函数进行离散化形成超完备的Gabor字典,对分段信号用Gabor字典进行稀疏分解,得到初级公共字典库,再利用聚类算法,对字典进行精简,生成精简公共字典库;所述心电信号在线压缩模块用于心电信号采集,信号分段,基于所述精简公共字典库对信号进行稀疏分解,得到稀疏向量,对稀疏向量进行编码,数据发送;所述心电信号重建模块用于数据接收,解码得到稀疏向量,基于所述精简公共字典库重构信号段,恢复完整信号,显示信号波形。
2.根据权利要求1所述的基于精简公共字典库的心电信号稀疏分解压缩***,其特征在于,所述公共训练样本集由MIT-BIH数据库中的各种疾病的心电信号和不同的个体在各种状态下的多源心电信号样本构造而成。
3.根据权利要求1所述的基于精简公共字典库的心电信号稀疏分解压缩***,其特征在于,所述Gabor字典中的每一个原子由Gabor函数构成。
4.根据权利要求1所述的基于精简公共字典库的心电信号稀疏分解压缩***,其特征在于,所述分段信号用Gabor字典进行稀疏分解时采用的搜索方法为OMP正交匹配追踪。
5.根据权利要求1所述的基于精简公共字典库的心电信号稀疏分解压缩***,其特征在于,所述聚类算法为KSVD聚类算法。
6.根据权利要求1所述的基于精简公共字典库的心电信号稀疏分解压缩***,其特征在于,所述心电信号在线压缩模块包括依次连接的信号采集模块、A/D转换模块、第一微处理器和第一无线传输模块;所述第一微处理器还与第一串口模块相连;所述信号采集模块用于采集人体心电数据;所述A/D转换模块用于将人体心电数据转换为数字信号;所述第一串口模块用于接通精简公共字典库;所述第一微处理器用于对数字信号进行分段,并基于所述精简字典库完成信号段的稀疏分解,得到稀疏向量,并对稀疏向量进行编码;所述第一无线传输模块用于传输编码后的稀疏向量。
7.根据权利要求1所述的基于精简公共字典库的心电信号稀疏分解压缩***,其特征在于,所述心电信号重建模块包括依次相连的第二无线传输模块、第二微处理器和信号存储显示模块;所述第二微处理器还与第二串口模块相连;所述第二无线传输模块用于接收所述心电信号在线压缩模块传输的编码后的稀疏向量;所述第二串口模块用于接通精简公共字典库;所述第二微处理器用于对第二无线传输模块收到的稀疏向量进行解码,并基于精简公共字典库和解码得到的稀疏向量完成一个信号段的恢复,得到完整信号;所述信号存储显示模块用于将得到的完整信号进行存储并显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101478806A CN102688032A (zh) | 2012-05-11 | 2012-05-11 | 基于精简公共字典库的心电信号稀疏分解压缩*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012101478806A CN102688032A (zh) | 2012-05-11 | 2012-05-11 | 基于精简公共字典库的心电信号稀疏分解压缩*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102688032A true CN102688032A (zh) | 2012-09-26 |
Family
ID=46853899
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012101478806A Pending CN102688032A (zh) | 2012-05-11 | 2012-05-11 | 基于精简公共字典库的心电信号稀疏分解压缩*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102688032A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103023510A (zh) * | 2012-11-16 | 2013-04-03 | 浙江大学 | 一种基于稀疏表达的运动数据压缩方法 |
CN103096465A (zh) * | 2013-01-11 | 2013-05-08 | 南京师范大学 | 一种环境自适应的多目标直接定位方法 |
CN103473451A (zh) * | 2013-09-05 | 2013-12-25 | 江苏大学 | 超声专业字典的构造和使用方法 |
CN103815897A (zh) * | 2014-02-28 | 2014-05-28 | 吉林大学 | 一种心电图特征提取方法 |
CN104159108A (zh) * | 2014-08-11 | 2014-11-19 | 浙江大学 | 基于自适应预测和改进变长编码的心电信号实时无损压缩方法及装置 |
CN105792745A (zh) * | 2013-12-06 | 2016-07-20 | Med-El电气医疗器械有限公司 | 使用稀疏信号表示检测神经动作电位 |
CN105962932A (zh) * | 2016-04-20 | 2016-09-28 | 西安电子科技大学 | 基于子空间正交向量的峰电位检测方法 |
CN105989266A (zh) * | 2015-02-11 | 2016-10-05 | 北京三星通信技术研究有限公司 | 基于心电信号的认证方法、装置及*** |
CN106096316A (zh) * | 2016-07-13 | 2016-11-09 | 复旦大学 | 基于实时医学数据流分析的重症及手术监测预警方法和*** |
CN106725428A (zh) * | 2016-12-19 | 2017-05-31 | 中国科学院深圳先进技术研究院 | 一种心电信号分类方法及装置 |
CN107874783A (zh) * | 2017-11-23 | 2018-04-06 | 西安电子科技大学 | 一种基于wifi无线传输的血管内超声成像设备 |
CN108494409A (zh) * | 2018-03-14 | 2018-09-04 | 电子科技大学 | 基于小字典的随钻中子测井仪井下高速实时压缩方法 |
US10089451B2 (en) | 2015-02-11 | 2018-10-02 | Samsung Electronics Co., Ltd. | Electrocardiogram (ECG)-based authentication apparatus and method thereof, and training apparatus and method thereof for ECG-based authentication |
CN109330584A (zh) * | 2018-11-08 | 2019-02-15 | 山东大学 | 基于字典学习和稀疏表示的心电信号身份识别方法和*** |
CN109480825A (zh) * | 2018-12-13 | 2019-03-19 | 武汉中旗生物医疗电子有限公司 | 心电数据的处理方法及装置 |
CN113197582A (zh) * | 2021-04-27 | 2021-08-03 | 浙江大学 | 一种高通用性的心电数据压缩感知***、终端和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101099669A (zh) * | 2007-07-13 | 2008-01-09 | 天津大学 | 基于最优时频空间结构码的心电数据压缩方法和解码方法 |
CN101268936A (zh) * | 2008-02-27 | 2008-09-24 | 天津大学 | 无线心电监护仪的心电压缩方法和解码方法 |
CN101579235A (zh) * | 2009-05-13 | 2009-11-18 | 南京大学 | 一种基于edge网络的远程心电智能监护*** |
CN101669819A (zh) * | 2009-09-25 | 2010-03-17 | 西安电子科技大学 | 基于pt变换与线性预测结合的心电图信号无损压缩方法 |
-
2012
- 2012-05-11 CN CN2012101478806A patent/CN102688032A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101099669A (zh) * | 2007-07-13 | 2008-01-09 | 天津大学 | 基于最优时频空间结构码的心电数据压缩方法和解码方法 |
CN101268936A (zh) * | 2008-02-27 | 2008-09-24 | 天津大学 | 无线心电监护仪的心电压缩方法和解码方法 |
CN101579235A (zh) * | 2009-05-13 | 2009-11-18 | 南京大学 | 一种基于edge网络的远程心电智能监护*** |
CN101669819A (zh) * | 2009-09-25 | 2010-03-17 | 西安电子科技大学 | 基于pt变换与线性预测结合的心电图信号无损压缩方法 |
Non-Patent Citations (2)
Title |
---|
《中国博士学位论文全文数据库 医药卫生科技辑》 20101031 王春光 基于稀疏分解的心电信号特征波检测及心电数据压缩 第3章第3.5节,第4章4.1节,第6章 1-7 , * |
王春光: "基于稀疏分解的心电信号特征波检测及心电数据压缩", 《中国博士学位论文全文数据库 医药卫生科技辑》 * |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103023510B (zh) * | 2012-11-16 | 2015-10-07 | 浙江大学 | 一种基于稀疏表达的运动数据压缩方法 |
CN103023510A (zh) * | 2012-11-16 | 2013-04-03 | 浙江大学 | 一种基于稀疏表达的运动数据压缩方法 |
CN103096465A (zh) * | 2013-01-11 | 2013-05-08 | 南京师范大学 | 一种环境自适应的多目标直接定位方法 |
CN103096465B (zh) * | 2013-01-11 | 2015-06-24 | 南京师范大学 | 一种环境自适应的多目标直接定位方法 |
CN103473451A (zh) * | 2013-09-05 | 2013-12-25 | 江苏大学 | 超声专业字典的构造和使用方法 |
CN103473451B (zh) * | 2013-09-05 | 2016-08-31 | 江苏大学 | 超声专业字典的构造和使用方法 |
CN105792745A (zh) * | 2013-12-06 | 2016-07-20 | Med-El电气医疗器械有限公司 | 使用稀疏信号表示检测神经动作电位 |
CN105792745B (zh) * | 2013-12-06 | 2019-03-01 | Med-El电气医疗器械有限公司 | 使用稀疏信号表示检测神经动作电位 |
CN103815897B (zh) * | 2014-02-28 | 2015-07-15 | 吉林大学 | 一种心电图特征提取方法 |
CN103815897A (zh) * | 2014-02-28 | 2014-05-28 | 吉林大学 | 一种心电图特征提取方法 |
CN104159108A (zh) * | 2014-08-11 | 2014-11-19 | 浙江大学 | 基于自适应预测和改进变长编码的心电信号实时无损压缩方法及装置 |
CN105989266A (zh) * | 2015-02-11 | 2016-10-05 | 北京三星通信技术研究有限公司 | 基于心电信号的认证方法、装置及*** |
CN105989266B (zh) * | 2015-02-11 | 2020-04-03 | 北京三星通信技术研究有限公司 | 基于心电信号的认证方法、装置及*** |
US10089451B2 (en) | 2015-02-11 | 2018-10-02 | Samsung Electronics Co., Ltd. | Electrocardiogram (ECG)-based authentication apparatus and method thereof, and training apparatus and method thereof for ECG-based authentication |
CN105962932B (zh) * | 2016-04-20 | 2018-09-11 | 西安电子科技大学 | 基于子空间正交向量的峰电位检测方法 |
CN105962932A (zh) * | 2016-04-20 | 2016-09-28 | 西安电子科技大学 | 基于子空间正交向量的峰电位检测方法 |
CN106096316A (zh) * | 2016-07-13 | 2016-11-09 | 复旦大学 | 基于实时医学数据流分析的重症及手术监测预警方法和*** |
CN106725428A (zh) * | 2016-12-19 | 2017-05-31 | 中国科学院深圳先进技术研究院 | 一种心电信号分类方法及装置 |
CN106725428B (zh) * | 2016-12-19 | 2020-10-27 | 中国科学院深圳先进技术研究院 | 一种心电信号分类方法及装置 |
CN107874783A (zh) * | 2017-11-23 | 2018-04-06 | 西安电子科技大学 | 一种基于wifi无线传输的血管内超声成像设备 |
CN108494409A (zh) * | 2018-03-14 | 2018-09-04 | 电子科技大学 | 基于小字典的随钻中子测井仪井下高速实时压缩方法 |
CN108494409B (zh) * | 2018-03-14 | 2021-07-13 | 电子科技大学 | 基于小字典的随钻中子测井仪井下高速实时压缩方法 |
CN109330584A (zh) * | 2018-11-08 | 2019-02-15 | 山东大学 | 基于字典学习和稀疏表示的心电信号身份识别方法和*** |
CN109330584B (zh) * | 2018-11-08 | 2020-09-18 | 山东大学 | 基于字典学习和稀疏表示的心电信号身份识别方法和*** |
CN109480825A (zh) * | 2018-12-13 | 2019-03-19 | 武汉中旗生物医疗电子有限公司 | 心电数据的处理方法及装置 |
CN113197582A (zh) * | 2021-04-27 | 2021-08-03 | 浙江大学 | 一种高通用性的心电数据压缩感知***、终端和存储介质 |
CN113197582B (zh) * | 2021-04-27 | 2022-03-25 | 浙江大学 | 一种高通用性的心电数据压缩感知***、终端和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102688032A (zh) | 基于精简公共字典库的心电信号稀疏分解压缩*** | |
Yildirim et al. | An efficient compression of ECG signals using deep convolutional autoencoders | |
Mukhopadhyay et al. | A lossless ECG data compression technique using ASCII character encoding | |
Mukhopadhyay et al. | An ECG signal compression technique using ASCII character encoding | |
Ibaida et al. | Cloud enabled fractal based ECG compression in wireless body sensor networks | |
Singh et al. | Block sparsity‐based joint compressed sensing recovery of multi‐channel ECG signals | |
Abo-Zahhad | ECG signal compression using discrete wavelet transform | |
CN101268936A (zh) | 无线心电监护仪的心电压缩方法和解码方法 | |
Jha et al. | Electrocardiogram data compression techniques for cardiac healthcare systems: A methodological review | |
Kumar et al. | Electrocardiogram signal compression based on 2D-transforms: a research overview | |
Sun et al. | Comparative study of compressed sensing for heart sound acquisition in wireless body sensor networks | |
Kumar et al. | Efficient compression technique based on temporal modelling of ECG signal using principle component analysis | |
Kumar et al. | Time–frequency localization using three-tap biorthogonal wavelet filter bank for electrocardiogram compressions | |
Zhang et al. | Automatic screening method for atrial fibrillation based on lossy compression of the electrocardiogram signal | |
Kalaivani et al. | Design and implementation of hybrid compression algorithm for personal health care big data applications | |
Biswas et al. | ECG compression for remote healthcare systems using selective thresholding based on energy compaction | |
Zhang et al. | Decomposition and compression for ECG and EEG signals with sequence index coding method based on matching pursuit | |
Zhang et al. | A temporal Convolutional Network for EMG compressed sensing reconstruction | |
Khare et al. | ECG data compression using DWT | |
Wu et al. | The sparse decomposition and compression of ECG and EEG based on matching pursuits | |
Augustyniak | Time-frequency integration of variable-bandwidth signals and supplementary data packets | |
Moses et al. | A novel lossless ECG compression technique for transmission in GSM networks | |
Peng et al. | An ECG Compressed Sensing Method of Low Power Body Area Network | |
Bera et al. | Disease-aware Compression of Multi-lead Electrocardiogram Using Intelligent Hybrid Encoder | |
Zareei et al. | Impact of compression ratio and reconstruction methods on ecg classification for e-health gadgets: A preliminary study |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120926 |