论文部分内容阅读
心脏病是威胁人类生命健康的一类常见疾病。近年来，面向心脏实时监护的可穿戴健康设备获得了飞速的发展。可穿戴心脏监护设备工作过程中，会伴随着肌电信号、工频噪声、移动噪声、基线漂移噪声等噪声的干扰。滤除干扰噪声从而提高心电信号的质量是束缚可穿戴心脏监护设备发展的关键因素。数字滤波技术是常见的心电信号提取算法，这类方法的核心思想是通过频率域的处理，抑制干扰噪声并保留心电信号频率段的信息。但是由于肌电信号、移动噪声等干扰噪声与心电信号的频段存在混叠，导致这类方法的实际应用效果受限。独立成分分析作为一种盲源分离的方法，以相关性作为度量标准对信号进行分离，为心电信号的准确提取提供了一种新的解决方案。本文探索将独立成分分析应用于实时心电信号的提取中，研究内容和创新点包括: 1.基于FastICA的实时心电信号提取算法研究。针对独立成分分析算法无法实现实时信号提取的问题，本文提出了一种结合相关性评估的实时FastICA算法。其核心思想是对采样信号分段进行FastICA分离运算，利用相关性原理从分离信号中选取与心电信号相关性最大的信号段，进行相位的修正和幅值的缩放，重构出实时心电信号，从而实现实时心电信号的提取。进一步，在对信号进行分离处理前引入基线漂移过滤，提高了算法的鲁棒性。 2.基于FastICA的心电信号提取电路设计。重点研究了算法中特征值计算、逆次方根求解、目标信号分离与检测三个部分，并给出了低成本的ASIC电路实现。其中，针对特征值计算，提出了基于元素定位与Givens旋转的实现方式;针对目标信号分离与检测，提出了交叉式分离检测的实现方案。 3.验证算法的有效性并给出电路的后端实现。使用MIT-BIH心电数据库和噪声压力测试数据库进行实验，本文所提出的实时心电信号提取算法可以达到96.7％的准确率，能够满足心脏健康诊断对信号质量的要求。基于FastICA的ASIC电路在SMIC40nm的工艺下进行后端实现，在保证实时性和准确性的前提下，面积为0.5814mm2，功耗为50.7μW。 本文提出的基于FastICA的实时心电提取算法及其ASIC实现对于极低功耗的心电处理和分析具有重要的参考价值和实际意义。