一种基于嵌入式的心电实时监测系统
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：
一种基于嵌入式的心电实时监测系统
技术领域
背景技术
发明内容
具体实施方式
| 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。
