一种基于ECG生物特征分类检测系统的研究与设计

摘要

心电(Electrocardiogram,ECG)信号作为一种人体生物电信号，在健康监测、疾病诊断以及身份识别领域有着极为重要的应用。除了常规医疗场所使用的心电检测设备，心电信号在可穿戴设备方面的研究和使用也越来越普遍。可穿戴设备的特点是体积小、侵入性低、对于功耗的性能要求严格，传统的用于心电信号检测的可穿戴设备普遍存在着电池续航能力低的问题。本文基于压缩感知理论研究设计了一种低功耗心电检测、身份识别仿真系统，而且对于不同的信号检测具有良好的适配性和扩展性。
　　本文设计的心电采集仿真系统主控采用STM32F103C8T6处理器，采集前端使用商用的AD8232集成信号调理模块，并用单导联方式进行心电数据的采集，使用蓝牙HM06作为无线传输模块。主控芯片控制12位AD转换器采样经AD8232调理模块硬件滤波后输出的心电数据，然后将采样得到的心电数据AD转换后通过蓝牙传输给PC，PC端接收到心电数据后根据压缩感知理论设计的随机二进制序列变换后得到的观测矩阵进行测量，得到压缩后的心电数据，然后利用matlab工具箱通过恢复矩阵和正交匹配追踪算法恢复出原始信号，并对恢复信号进一步滤波去噪，最后进行波形检测并提取心电波形特征值，输入支持向量机libSVM工具箱进行身份识别。
　　实验表明，本文设计的基于压缩感知原理的心电数据采集仿真系统，通过对比常用的6种观测矩阵，100次独立实验结果表明本文提出的阶梯型二进制矩阵具有更好的重构性能，信号压缩比可达到40％，信号恢复准确率高，重构误差为0.0668，通过支持向量机对97个训练样本和24个测试样本进行分类检测，得到身份识别率达到87.5%，满足可穿戴设备的性能要求。

目录

声明

1 绪论

1.1研究背景和意义

1.2国内外研究进展

1.3论文组织结构

2 心电图基本理论

2.1 心电图

2.2 心电图导联方式

2.3 心电图应用前景

2.4 心电图在应用中的挑战

2.5 本章小结

3 压缩感知与支持向量机

3.1 压缩感知理论模型

3.2 支持向量机SVM

3.3 压缩感知-支持向量机SVM在心电检测方面的应用

3.4 本章小结

4 系统的设计与实现

4.1 系统架构

4.2 阶梯型二进制矩阵算法

4.3 信号采集处理系统

4.4 信号分析系统

4.5 本章小结

5 系统结果分析与优化

5.1 阶梯型二进制矩阵性能分析

5.2 系统准确性与鲁棒性分析

5.3 系统优化

5.4 本章小结

6 总结与展望

6.1 全文总结

6.2 课题展望

致谢

参考文献

附录1 攻读硕士学位期间发表论文目录