专利汇可以提供一种基于嵌入式的心电实时监测系统专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于嵌入式的心电实时监测系统。所述基于嵌入式的心电实时监测系统包括采集模 块 、主控模块、通信模块和电源模块;所述采集模块包括心电 传感器 和 模数转换 模块(ADC),所述主控模块包括 微处理器 ,所述通信模块包括蓝牙;所述心电传感器的输出端与ADC的输入端连接,所述ADC的输出端通过 数据采集 口与微处理器的输入端连接,所述微处理器与蓝牙模块连接;所述电源模块分别与采集模块、主控模块和通信模块连接。本发明通过单 决策树 的AdaBoost 算法 将特征提取后的心电 信号 进行分类,将 机器学习 算法和 嵌入式系统 技术相结合,使心电实时监测系统同时具有便携性好,体积小,能实时诊断的优点。,下面是一种基于嵌入式的心电实时监测系统专利的具体信息内容。
1.一种基于嵌入式的心电实时监测系统,其特征在于,包括包括采集模块、主控模块、通信模块和电源模块;所述采集模块包括心电传感器和模数转换模块(ADC),所述主控模块包括微处理器,所述通信模块包括蓝牙;所述心电传感器的输出端与ADC的输入端连接,所述ADC的输出端通过数据采集口与微处理器的输入端连接,所述微处理器与蓝牙模块连接;
所述电源模块分别与采集模块、主控模块和通信模块连接;
所述心电信号传感器用于采集心电信号,固定于被检测者,所述ADC用于对心电传感器采集到的模拟信号进行模数转换;所述ADC、微处理器与蓝牙集成于嵌入式开发板中,所述嵌入式开发板还包括定时器模块Timer、通用异步收发器(UART);所述定时器模块Timer每隔一段时间产生一个中断,ADC模块以此获取的心电数据进行计算;所述微处理器用于对模数转换后的心电信号进行特征提取和分类;所述蓝牙使用UART作为主机控制接口进行传输控制,所述蓝牙将经提取分类后的心电信号数据传送至终端。
2.如权利要求1所述的一种基于嵌入式的心电实时监测系统,其特征在于,所述心电传感器的固定方式为耳夹固定或尼龙指带固定,用于采集位于耳垂或者手指部位的心电信号。
3.如权利要求1或2所述的一种基于嵌入式的心电实时监测系统,其特征在于,所述心电信号传感器采用单端输入的工作方式。
4.如权利要求1所述的一种基于嵌入式的心电实时监测系统,其特征在于,所述微处理器为ARM(Advanced RISC Machine)。
5.一种应用权利要求1-4任一所述的基于嵌入式的心电实时监测系统监测心电信号的方法,其特征在于,所述监测心电信号的方法步骤包括:
S1:将心电信号传感器固定于检测者耳垂或手指,用于采集心电信号;
S2:ADC将采集的心电信号进行模数转换。ADC选择合适的分辨率,采用单端输入的工作方式,采用定时器Timer,每隔一段时间产生一个中断,以此获取的心电数据进行计算;
S3:采用离散小波变换(DWT)进行心电信号特征提取,在心电信号上通过做离散小波变换分离出心电信号的高频信号、中频信号和低频信号;
S4:采用分类算法将特征提取后的心电信号进行分类;所述分类算法将所得到的数据集分为训练集和测试集;所述训练集采用离线训练集,并在训练集上打上标签,得到更好的模型参数,所述测试集用于测试离线训练后的模型;
S5:将分类后的心电信号数据通过蓝牙将数据直接发送到终端显示出来。
6.如权利要求5所述的一种基于嵌入式的心电实时监测系统监测心电信号的方法,其特征在于,所述离散小波变换采用二进小波变换,具体变换步骤为:
S301:取前500个采样点,保证预处理的心电信号的数据量;
S302:设置正阈值为极大值点幅值的平均值的四分之一,负阈值为极小值点幅值的平均值的四分之一;
S303:函数选择db4,尺度为4,利用1-4尺度上的小波系数选出QRS波(QRS wave complex)能量最大的某一尺度求出模极大值序列;
S304:在选取的尺度上设置初始阈值,在极大值点组成的序列和极小值点组成的序列中搜索极值对,保留正极大值大于正阈值,负极大值小于负阈值的模极大值对,同时将不符合要求的极值对从序列中删除;
S305:由最终的极值点组成的序列确定极值对的过零点位置,每一对的过零点就是R波的估计定位,将这些过零点纳入R波候选点序列中,并求出R波候选点序列中两两间隔的平均值RRmean;
S306:求出每个R波间隔,若在0.5×RRmean的时间内出现第二个R波,那么去掉绝对值小的R波,并将该点从R波候选点序列中去除;
S307:当发现R波间隔超过1.5×RRmean时,减小正阈值为平均值的1/5,返回步骤四设置第二个阈值检测R波;若还检测不到目标,则可能存在倒向R波,将波形沿x轴翻转重新检测。
7.如权利要求5所述的一种基于嵌入式的心电实时监测系统监测心电信号的方法,其特征在于,所述心电信号特征分算法采用AdaBoost算法,所述AdaBoost算法为单决策树的弱分类器的分类算法;所述AdaBoost算法通过训练不同的弱分类器,然后综合起来,形成最终的强分类器;训练弱分类器时,给予每条数据用于计算误差的不同权重,每个分类器,给予用于分类的不同权重;所述决策树为单次分类效果很差的弱分类器,并且根据决策属性不同,即便重复使用单决策树,也可以诞生出分类效果不同的分类器。具体算法步骤为:
S401:设置输入的特征提取后的心电训练样本数据集为{(A1,B1),(A2,B2),……,(At,Bt)},At是数据集的属性向量,Bt是标志向量,Bt={-1,1},其中,-1代表心电异常,1代表心电正常。算法的循环次数为固定的数值n;
S402:初始样本的权重为D(Ai)=1/t,i=1,2,……,t;
S403:根据权重,抽样选取数据集W;
S404:确定弱分类器Ht,,用弱分类器对所有心电样本进行分类,分类错误的概率为εt,样本取各类值时的概率为(P(1),P(2),……,P(t));
S405:当εt>0.5时,重新初始化样本权值,并返回步骤四,否则
S406:更新分布Dt,Zt是一个标准化因子,Dt+1是一个分布为:
S407:n轮训练结束后,输出最终的假设:
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
函数调用时间和统计结果可视化的方法、装置及可读介质 | 2020-05-08 | 242 |
多电压供电的电源转换电路、车载嵌入式电源及供电系统 | 2020-05-08 | 170 |
基坑水平位移自动监测系统及方法 | 2020-05-08 | 750 |
人脸识别方法及系统 | 2020-05-11 | 891 |
一种协助听说障碍人士交流的智能穿戴设备 | 2020-05-08 | 833 |
网络异常自恢复方法 | 2020-05-08 | 650 |
基于远距离脉冲激光选通成像的时序控制系统及方法 | 2020-05-11 | 282 |
多芯片集成功率管理解决方案 | 2020-05-08 | 905 |
一种含嵌入式系统的激光打标机 | 2020-05-11 | 262 |
智慧物联网边缘计算网关 | 2020-05-08 | 346 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。