《心电信号智能分析与识别》简介
《心电信号智能分析与识别》这本书是由彭自然,李圣清 著创作的,《心电信号智能分析与识别》共有80章节
6
1.2 研究现状及发展动态分析
(1)研究现状分析 ECG显示心肌的规则收缩和放松的心脏的电活动,是心脏疾病诊断中最常用的信号之一。ECG波形由五个基本波P,Q,R,S 和T波以及一个小的U波
7
1.3 移动智能心电监护手表项目的研发进展
作者从事移动智能心电监护关键技术研究达5 年之久,目标就是打造一款智能心电监护手表,能够对人体心电信号进行实时拾取、处理、分析、诊断,并且能够通过无线实时发送到
10
2.2 FFT算法与DFT算法
由Cooley-Tukey提出的FFT算法是计算离散傅立叶变换(DFT)的高效率算法,它把运算量从O(N2)下降到O(NlogN)。FFT算法的出现使得实时处理
13
2.4.1 FFT相关性质研究
就是将后一多项式的每一项后移P位后与前一多项式相加。如果不考虑系数,也就是将X(L-1,k)后移P位后再与X(L-1,k)自身合并。由于前面执行M-1 次移位,
14
2.4.2 基于多项式直接代入的改进算法
例如,当N=16,记旋转因子为wp,FFT的多项式运算结果的前8 项如表2-1 所示。将表2-1 按行数序号的奇偶分成两个表,其中序号为偶数的列表如表2-2 所
16
2.6 FFT并行计算研究讨论
为适应在嵌入多核平台进行快速小波变换,本书研究了一种FFT并行算法。从研究结果来看,如果每次FFT变换的规模控制在16~32 个数据单元,那么多项式FFT变换算
17
2.7 小波变换并行算法研究
对于分析处理数字信号的仪器设备来说,数字信号进行实时处理很关键,直接影响设备的准确性。小波变换是信息分析处理的一个基本手段,其运行效果决定了设备的性能与价值。目
18
2.8 Mallat算法与快速傅立叶变换
根据多分辨率理论,相邻尺度空间基函数之间存在二尺度关系: 如图2-7,将式(2-7)对时间进行平移和伸缩,将Vj空间剩余尺度系数cj,k进一步分解,可分别得到
19
2.9 基于MPSoC改进的FFT算法
实践中大多数信号具有稀疏特性,如周期信号在傅立叶变换域具有稀疏特性,分段连续型信号具有稀疏的小波变换系数。虽然利用FFT可以加快小波变换的卷积运算,但经典FFT
20
2.9.1 FFT并行特性分析
ψ(L-1,k)与ψ(L-1,k+B)结构上是同构的,执行运算:(https://www.daowen.com) 即把后一多项式的每一项后移P位后与前一多项式
21
2.9.2 FFT矩阵并行算法
如果按行数序号的奇偶把多项式分成两个表,根据定理2.1可知,序号为偶数的多项式可以合并相邻同类项,多项式的基向量减少了一半,因此运算量也可以减少一半[36]。设
22
2.10 小波变换并行算法优化
定理2.5 根据Mallat迭代公式,设cj(k)=F[cj(n)],H(k)=F[h(n)],a(n)=IDFT[cj(k)H(k)],那么一定有下面算式成立
23
2.11 小波变换算法验证
GS1011 是GainSpan 公司的两核MPSoC,该芯片内核基于ARM Cortex M3架构,120 MHz时频。本书在GS1011 平台上搭建了测试环
29
3.3.1 小波变换高频系数的优化裁剪
原始ECG信号中往往夹杂着一些噪声,或者没有一些实际意义的低能信息,这些信息转换成数据将会占用大量空间。因此只有将这部分信息分离出来并进行清除才能大幅度提高EC
30
3.3.2 EZW编码优化与改进
根据压缩编码需要,可以把小波系数分为四类:零树根、孤立零、重要系数、不重要系数。一些小于设定门阀的小波系数,称为不重要系数,否则就是重要系数。如果一棵树的根节点