基于小波系数预测的ECG信号压缩研究

发布时间：2017-09-14 16:21

  本文关键词：基于小波系数预测的ECG信号压缩研究

  更多相关文章： 连续小波变换 R波检测 带截止区均匀量化 离散小波系数预测 自适应算术编码

【摘要】：心血管疾病一直是威胁人们生命的重要疾病之一,心电信号(简称为ECG)能综合反映出人体心脏在体表的活动,提供心脏病患者详细的诊断信息。因此,对病患进行临床心电图检查对心脏病的诊断有重要的意义。随着计算机技术应用的推广,为了能给医生提供更准确的数据分析,临床对多导联心电测量仪的使用越来越广泛,同时也对临床采集到的心电信号的采样频率要求更高、采样精度要求更准以及采样时间也要求更长。这样一来就需要更大的存储空间和更快传输速度,所以进一步降低心电数据存储空间,对心电数据的处理和传输有着重要的意义。 由于心电数据是医生对病人病情诊断的重要依据,针对心电信号的压缩在追求最大的压缩比的同时降低心电数据的失真度也是至关重要的。因此,对心电诊断信号的无失真压缩,已成为当下生物医学工程中重要的科学研究方向。基于高压缩比和低失真度两个方面的考虑,本文提出：对ECG信号离散小波系数预测的算法。由于心电信号是心脏波动时产生的,每一次心脏的收缩和舒张都是一个心搏周期,所以每个心搏信号之间有着高度的相关性和周期性。根据这一特性：首先对心电信号进行连续小波变换及采用模极大方法识别R波位置,接着对心电信号中的每个心搏进行精确的周期划分；然后对心电信号进行六层离散小波变换；根据离散变换后的小波系数的特点,采用带截止区的量化器将进行合理的量化；然后是建立自适应的模板,对量化后的系数进行最优线性预测；最后通过自适应算术编码器对误差进行编码压缩。 本文首先介绍了近几十年以来的国内外ECG信号压缩的研究背景及现状；在深入学习了小波变换原理后,根据连续小波变换结合模极大识别R波位置进一步分析研究了ECG信号的周期结构特点；根据离散小波变换系数的特点选取带截止区的均匀量化器进行量化；然后根据心搏信号相邻位置的相关性和周期性建立Context模型对离散小波系数进行最优线性预测器预测：最后给出了具体的实验方案、实验结果及分析。本文中实验数据来源于：美国的MIT-BIH心律失常数数据库。实验结果表明：本文提出的基于小波系数预测ECG信号的方法压缩效果有显著提高。
【关键词】：连续小波变换 R波检测 带截止区均匀量化 离散小波系数预测 自适应算术编码
【学位授予单位】：云南大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：R54;TN911.7
【目录】：

• 摘要3-5
• Abstract5-7
• 目录7-9
• 第一章 概述9-16
• 1.1 研究背景及现状9-11
• 1.2 选题的目的和意义11
• 1.3 心电信号的简要介绍11-13
• 1.3.1 ECG信号的结构特点11-12
• 1.3.2 常用心电数据库12-13
• 1.4 论文的主要工作13-15
• 1.5 论文的结构介绍和创新点15-16
• 第二章 小波变换和量化16-28
• 2.1 小波变换的背景介绍16
• 2.1.1 小波变换与傅里叶变换的对比分析16
• 2.2 小波变换的原理16-17
• 2.3 连续小波变换17-20
• 2.3.1 连续小波变换的性质17-18
• 2.3.2 连续小波变换的步骤18-19
• 2.3.3 模极大识别R波19-20
• 2.4 ECG信号的周期定位20-21
• 2.5 离散小波变换21-24
• 2.6 小波系数的量化24-28
• 2.6.1 量化的必要性24-25
• 2.6.2 均匀量化器25-27
• 2.6.3 带截止区均匀量化器27-28
• 第三章 Context建模28-36
• 3.1 Context模型的建立28-29
• 3.2 找到与Context模板匹配的训练集T29-31
• 3.3 条件点的相关性31
• 3.4 Context模板中阶数的确定31-32
• 3.5 对寻找训练集T的改进32-34
• 3.6 最优线性预测34-36
• 第四章 编码理论知识及编码过程的实现36-42
• 4.1 编码理论基础知识36-37
• 4.1.1 算术编码36-37
• 4.1.2 自适应算术码37
• 4.2 编码流程37-39
• 4.3 衡量数据压缩的标准39-42
• 第五章 实验结果及分析42-51
• 5.1 基于小波系数预测的实验算法结构42-44
• 5.1.1 编码算法流程42
• 5.1.2 解码算法流程42-44
• 5.2 实验结果及分析44-51
• 5.2.1 实验结果及分析44-51
• 第六章 全文总结和下一步工作计划51-53
• 6.1 全文总结51
• 6.2 下一步工作和展望51-53
• 参考文献53-57
• 致谢57

【参考文献】

中国期刊全文数据库 前1条

1 练秋生,王成儒,孔令富;心电图小波零树压缩算法的研究[J];计算机工程与应用;2002年07期

中国博士学位论文全文数据库 前1条

1 黄博强;基于Context模型和矢量—标量量化器的ECG信号压缩[D];复旦大学;2010年

中国硕士学位论文全文数据库 前2条

1 毛云甲;基于小波变换和心搏间相关性的ECG信号压缩[D];云南大学;2013年

2 牛振阳;基于多周期相关的ECG信号压缩研究[D];云南大学;2010年

，

本文编号：851038