论文总字数：14110字

摘 要

心电图检查是诊断心血管疾病的一种方式。首先需要从人体采集心电数据，接着需要进行传输或者存储以便于医生观察诊治。采集到的心电数据是很庞大的，如果直接传输是很耗时耗资源的，所以必须要对心电信号进行压缩处理。如今远程医疗的兴起，更是对心电信号的压缩有了更高要求。通过压缩实现心电信号更快更好的传输，医生就能为病人提供更及时的救助。对心电信号压缩算法的研究是很有价值的。本文了解了国内外心电信号压缩算法研究的现状后，重点学习了小波变换这一热门工具，它的多分辨率特质能很好的满足心电信号处理。本文先对心电信号进行去噪预处理，接着分别在时域和频域上用合适的算法对信号进行压缩，最后根据具体指标比较各算法的压缩性能。

关键词：心电信号；小波变换；数据压缩

Research on ECG Signal Compression Algorithm Based on Time-frequency Analysis

Abstract

Cardiac diseases are the major factor that harms the human health. An effective method for diagnosing cardiovascular disease is to perform an electrocardiogram. Due to the huge raw signal data collected during clinical diagnosis, it is very necessary to do data compression in order to facilitate the storage, analysis and transmission of large amounts of ECG data. Especially in the occasions where remote real-time ECG monitoring is required, in order to provide patients with timely and reliable diagnosis and treatment, real-time compression and transmission of ECG data must be achieved.Wavelet transform is a popular tool for analyzing and processing ECG signals due to its time-frequency local characteristics.On the basis of understanding the current status of ECG signal compression algorithms at home and abroad, this article focuses on learning the relevant knowledge and specific applications of wavelet transform.The main content of this article , firstly is to do the ECG signal preprocessing to achieve basic denoising. Secondly, the ECG signal is compressed in the time domain, then in the transform domain, and finally the compression ratio and distortion of different compression methods are compared.

Key words: ECG,Wavelet Transform,Data Compressing

目 录

摘 要 I

Abstract II

第一章 绪 论 1

1.1 研究目的、背景、意义 1

1.2 国内外研究现状 1

1.3 论文研究内容和章节安排 2

第二章 小波变换 3

2.1 连续小波变换 3

2.2 离散小波变换 5

2.3 多分辨率分析和Mallat算法 5

2.4 小波函数 6

第三章 心电信号的预处理 10

3.1 心电信号 10

3.2 常用的去噪方法 11

3.3 小波阈值去噪 12

3.4 实验结果 14

第四章 心电信号的时域压缩 16

4.1 AZTEC算法 16

4.2 TP算法 17

第五章 心电信号的频域压缩 18

5.1 小波变换压缩算法 18

5.2 实验结果 19

第六章 心电信号压缩算法的评估比较 20

6.1 压缩算法的评估标准 20

6.2 各算法性能比较 20

第七章 总结与展望 21

7.1 总结 21

7.2 展望 21

致 谢 22

参考文献 23

第一章 绪 论

1.1 研究目的、背景、意义

每年都有很多人饱受心血管疾病之苦。对心血管疾病的诊治，心电图是一个很有效的方法。医生要观察到心电图，需要从人体采集到心电数据，然后进行传输或者存储等操作。而直接采集到的心电数据十分庞大，如果直接进行传输，一是浪费很大传输资源，二是耗时很大，三是得到的信号可能并不好。所以对心电数据进行压缩处理是必不可少的。现实生活中，对一个病人一整晚的监护就会产生非常大的数据量。而如今，远程医疗逐渐兴起，医生可以通过心电图无需面对面就可给病人提供更及时的救治，这就对心电信号压缩技术有了更高的要求，需要压缩技术让心电数据尽可能占用空间小还要保证信号不失真，这样才能达到实时性诊治的目标。因此，对于心电信号的压缩算法研究是很有必要的，它能在医疗诊治上提供巨大帮助，具有深远的意义。

1.2 国内外研究现状

心电信号压缩算法可分为有失真编码和无失真编码。心电信号存在很大的冗余部分，它们同样占用了很大空间。由于在实际观察时，只需要对特征点进行分析即可，为了获得更高的压缩比，在合理范围内的失真是毫无影响的。因此有失真编码应用范围更广。从形式上来分，心电信号压缩算法可分为三类，直接压缩法，变换域压缩法和特征参量提取法。

直接压缩法：主要包括AZTEC、SAPA、TP、CORTES、LADT、DPCM、QRS波模板匹配算法。AZTEC算法用一些短的直线和斜线来拟合心电信号，等电位部分用直线，变化部分用斜线。它的CR为10，PRD为28%。固然压缩比很大，但信号保真度太低。SAPA算法是用一些折线来拟合心电信号并保证曲线和折线每一点误差在一定限度之内。它的CR为3，PRD为4%。TP算法又称转折点算法，通过选取连续三个点先保留的一个再判断第二个是否是转折点，若是保留若不是就保留最后一个值，以此拟合心电信号。它的CR为2，PRD为3%。虽然保真度高，但压缩比太低，且无法进行再次压缩。CORTES算法结合了AZTEC和TP算法的各自优点，在等电位部分用AZTEC算法，在变化部分用TP算法。它的CR为4.8，PRD为7%。LADT算法也是用一些折线来拟合心电信号，不同于SAPA算法的是，它要求曲线上的点到折线的距离在一定限度之内。这样如果曲线较陡压缩比也不会变低。它的CR为8，PRD为13%。DPCM算法用当前采样值和前一个采样值相减得到的差进行编码来压缩。它的CR为2.5，PRD为3%。QRS波模板匹配法是建立一个模板信号，然后让它和心电信号进行比较相比拟。QRS波模板匹配算法就是心电信号在识别到R波后，先暂时保留，然后和已经有的模板进行匹配，如果想匹配就用原始心电信号的R波为基准点减去该模板，然后对差值进行压缩。直接压缩法整体来说操作简单，计算快捷，但是没办法同时兼容压缩比和保真度。

变换域压缩法：主要包括FFT、DCT、KLT、HT和小波变换法。变换域压缩法都是先把信号变换到频域上，然后挑取需要的目标频谱分量，去除信号频谱中的次要分量，再经过逆变换就可以得到重构信号。小波变换法因为它具有多分辨率的特质，成为心电信号处理研究的主流工具。小波变换本身不能将信号得到压缩，而是根据对小波系数的处理使信号得到压缩，因此对于小波基函数的选取和小波系数的编码算法优化是很重要的。在小波变换后还出现了EZW、SPIHT嵌入编码算法。小波包分析可以对小波分析还未分解的高频部分进行进一步分解。这样可以进一步获得想要的目标部分分量。二代小波变换后的小波系数是整数，算法效率更高。小波神经网络是小波变换和神经网络结合的产物，克服了神经网络发散时间长的问题，继承小波变换的特质和神经网络的擅长之处。变换域压缩法整体来说可以达到压缩理想效果但是计算量一般都很大。

剩余内容已隐藏，请支付后下载全文，论文总字数：14110字