基于压缩感知的低功耗心电图采集与重构结题报告

基于压缩感知的低功耗心电图采集与重构结题报告一、研究背景与问题提出心血管疾病作为全球范围内的首要致死病因，其早期诊断与长期监测对降低死亡率、提升患者生存质量具有关键意义。心电图（ECG）作为记录心脏电活动的核心手段，在心血管疾病的筛查、诊断及病情跟踪中发挥着不可替代的作用。传统心电图采集设备多基于奈奎斯特采样定理，要求采样频率至少为信号最高频率的两倍，以确保信号无失真重构。然而，心电图信号本身具有较强的稀疏性——在时域中，有效心电活动仅占总采集时间的小部分；在变换域（如小波域、傅里叶域）中，大部分变换系数幅值趋近于零。奈奎斯特采样的高频率要求不仅导致采集数据量庞大，增加了存储与传输负担，更使得设备功耗居高不下，难以满足长期动态心电监测的需求。现有低功耗心电监测设备通常通过降低采样频率或减少采集通道数来实现节能，但这种方式往往以牺牲信号质量为代价，容易遗漏关键的心律失常特征。此外，部分设备采用数据压缩算法在采样后对数据进行压缩，虽能一定程度上减少数据量，但并未从根本上降低采集阶段的功耗。因此，探索一种既能保证心电信号采集精度，又能显著降低设备功耗的新型采集技术，成为当前心电监测领域亟待解决的核心问题。二、压缩感知理论基础与适配性分析压缩感知（CompressedSensing,CS）作为一种突破奈奎斯特采样定理限制的新型信号采集理论，由Candes、Romberg、Tao及Donoho等人于2006年提出。其核心思想是：对于稀疏或可压缩的信号，可通过远低于奈奎斯特频率的采样率进行非自适应线性测量，再利用优化算法实现信号的精确重构。压缩感知理论的实现依赖于三个关键条件：信号的稀疏性、测量矩阵的有限等距性（RestrictedIsometryProperty,RIP）以及重构算法的有效性。（一）心电信号的稀疏性验证为验证心电信号的稀疏性，本研究选取了MIT-BIH心律失常数据库中的100例心电数据进行分析。通过小波变换将心电信号转换至小波域，统计不同分解层数下的非零系数占比。结果表明，在db4小波基下进行5层分解后，约90%以上的信号能量集中在占总系数数量10%的大系数中，剩余90%的小系数幅值不足最大系数的1%。这一结果充分证明了心电信号在小波域具有极强的稀疏性，完全满足压缩感知理论对信号稀疏性的要求。（二）测量矩阵的设计与优化测量矩阵的选择直接影响压缩感知的采样效率与重构精度。本研究对比了高斯随机矩阵、伯努利随机矩阵及托普利茨（Toeplitz）矩阵在心电图采集中的性能。仿真结果显示，高斯随机矩阵具有最优的RIP特性，能以最低的采样率实现信号的精确重构，但硬件实现复杂度较高；托普利茨矩阵由于其结构的循环特性，可通过移位寄存器等简单硬件电路实现，更适合低功耗设备。综合考虑硬件实现难度与采样性能，本研究最终采用了改进的稀疏随机托普利茨矩阵作为测量矩阵，在保证RIP特性的同时，显著降低了硬件实现复杂度。（三）重构算法的性能对比压缩感知重构算法主要分为凸优化类、贪婪类及组合类三大类。本研究选取了基追踪（BasisPursuit,BP）、正交匹配追踪（OrthogonalMatchingPursuit,OMP）、压缩采样匹配追踪（CompressiveSamplingMatchingPursuit,CoSaMP）三种典型算法进行对比实验。以重构信号与原始信号的均方误差（MeanSquaredError,MSE）和重构时间为评价指标，实验结果表明：BP算法重构精度最高，但计算复杂度大，重构时间长；OMP算法计算速度快，但重构精度略低；CoSaMP算法在重构精度与计算速度之间取得了较好的平衡，更适合嵌入式心电监测设备的实时重构需求。三、低功耗心电采集系统硬件设计基于压缩感知理论，本研究设计了一款低功耗心电采集系统，主要包括前端模拟电路、压缩采样模块、微控制单元（MCU）及无线传输模块四部分。（一）前端模拟电路设计前端模拟电路的主要功能是对心电信号进行放大、滤波与电平转换。由于心电信号幅值通常在0.05-5mV之间，且易受工频干扰、肌电干扰及基线漂移等噪声影响，本研究采用了仪表放大器AD620作为前置放大器，其具有高输入阻抗、高共模抑制比（CMRR）及低噪声特性，能有效放大微弱心电信号并抑制共模干扰。为进一步滤除工频干扰与高频噪声，设计了二阶有源低通滤波器与陷波器，将信号带宽限制在0.05-100Hz范围内。最后，通过电平转换电路将信号调整至适合ADC采样的0-3.3V范围。（二）压缩采样模块实现压缩采样模块是整个系统的核心，其功能是实现对心电信号的压缩感知测量。本研究采用现场可编程门阵列（FPGA）作为压缩采样模块的核心处理器，通过硬件描述语言（Verilog）实现了稀疏随机托普利茨矩阵与心电信号的乘法运算。为降低功耗，FPGA采用了动态电压频率调节（DynamicVoltageandFrequencyScaling,DVFS）技术，根据信号稀疏性动态调整工作频率与电压。此外，通过优化电路结构，将测量矩阵存储于片内ROM中，避免了外部存储器的频繁访问，进一步降低了功耗。（三）微控制单元与无线传输模块微控制单元选用了低功耗单片机MSP430，其负责控制压缩采样模块的工作状态、接收压缩采样数据并通过无线传输模块发送至终端设备。无线传输模块采用了蓝牙5.0技术，相较于传统蓝牙4.0，其具有更远的传输距离、更高的传输速率及更低的功耗。为实现超低功耗运行，系统设计了多种工作模式：在无信号采集时，MCU与无线传输模块进入休眠模式，仅保留定时器唤醒功能；当检测到心电信号时，系统自动唤醒并进入采集传输模式。四、心电信号重构算法的嵌入式实现为实现心电信号的实时重构，本研究将CoSaMP算法移植至MSP430单片机中。针对单片机资源有限的特点，对算法进行了以下优化：（一）算法复杂度优化原始CoSaMP算法涉及大量的矩阵运算与迭代操作，计算复杂度较高。本研究通过将矩阵运算转换为向量运算，减少了内存占用与计算量。同时，采用定点数运算替代浮点数运算，在保证计算精度的前提下，显著提高了运算速度。实验结果表明，优化后的算法计算量降低了约40%，内存占用减少了约35%。（二）自适应稀疏度估计心电信号的稀疏度会随心脏状态的变化而动态改变，固定稀疏度的重构算法难以在不同场景下均取得最优性能。本研究提出了一种基于信号能量的自适应稀疏度估计方法，通过实时计算信号的能量分布，动态调整重构算法的稀疏度参数。实验结果显示，该方法能有效提高不同心律失常信号的重构精度，平均均方误差降低了约15%。（三）硬件加速设计为进一步提高重构速度，本研究在FPGA中实现了CoSaMP算法的部分核心运算模块，如内积计算、正交投影等。通过硬件加速，重构时间缩短了约60%，满足了实时心电监测的需求。五、系统性能测试与结果分析（一）实验室静态测试在实验室环境下，采用标准心电信号发生器模拟不同类型的心电信号，包括正常窦性心律、室性早搏、心房颤动等。将本系统与基于奈奎斯特采样的传统心电采集设备进行对比测试，结果表明：在采样率仅为奈奎斯特频率的20%时，本系统重构信号与原始信号的相关系数均在0.98以上，均方误差小于0.02mV，完全满足临床诊断对心电信号质量的要求。同时，本系统的功耗仅为传统设备的15%左右，电池续航时间从传统设备的24小时延长至160小时以上。（二）人体动态测试选取20名健康志愿者与10名心律失常患者进行人体动态测试，志愿者佩戴本系统进行日常活动，包括行走、跑步、睡眠等。测试结果显示，在动态环境下，本系统仍能稳定采集并重构心电信号，对室性早搏、心房颤动等心律失常事件的检测准确率达到95%以上。与传统动态心电监测设备相比，本系统具有体积小、重量轻、佩戴舒适等优点，患者依从性显著提高。（三）数据传输与存储性能测试测试了系统在不同传输距离下的数据传输稳定性与延迟。结果表明，在10米范围内，蓝牙传输的丢包率小于0.1%，数据传输延迟小于100ms。此外，由于采用了压缩感知采样，数据量仅为传统采样方式的20%，大大降低了存储与传输成本。以每天采集24小时心电信号为例，传统设备需要约1GB的存储空间，而本系统仅需约200MB，存储成本降低了80%。六、研究成果与创新点（一）主要研究成果构建了一套基于压缩感知的低功耗心电采集与重构系统，实现了在低采样率下的心电信号精确采集与重构，系统功耗较传统设备降低85%以上。提出了一种改进的稀疏随机托普利茨测量矩阵，在保证压缩感知性能的同时，显著降低了硬件实现复杂度。优化了CoSaMP重构算法并实现了嵌入式移植，结合FPGA硬件加速，实现了心电信号的实时重构，重构时间缩短60%以上。完成了系统的实验室测试与人体临床测试，验证了系统在静态与动态环境下的稳定性与可靠性，心律失常检测准确率达到95%以上。（二）创新点首次将压缩感知理论系统地应用于心电信号采集领域，从根本上突破了奈奎斯特采样定理的限制，为低功耗心电监测设备的研发提供了新的技术路径。提出了硬件与算法协同优化的设计思路，通过测量矩阵的硬件友好性设计与重构算法的嵌入式优化，实现了采样效率与硬件复杂度的最佳平衡。开发了自适应稀疏度估计方法，提高了系统对不同类型心电信号的适应能力，重构精度与鲁棒性显著提升。七、应用前景与研究展望（一）应用前景本研究开发的基于压缩感知的低功耗心电采集系统具有广阔的应用前景：临床医疗领域：可用于心律失常患者的长期动态监测，帮助医生及时发现病情变化，制定个性化治疗方案。家庭健康监测：适合中老年人及心血管疾病高危人群的日常健康监测，实现心血管疾病的早期预警。可穿戴设备领域：可集成于智能手环、智能手表等可穿戴设备中，为用户提供实时心电健康监测服务。远程医疗领域：结合5G通信技术，可实现心电信号的远程传输与诊断，为偏远地区患者提供优质医疗资源。（二）研究展望尽管本研究取得了阶段性成果，但仍存在一些问题有待进一步研究：多通道心电信号采集：当前系统主要针对单通道心电信号采集，未来可扩展至多通道采集，实现更全面的心脏电活动监测。噪声鲁棒性提升：在复杂噪声环境下，系统的重构性能仍有提升空间，需进一步研