致谢 | 第5-7页 |
摘要 | 第7-9页 |
Abstract | 第9-10页 |
1 绪论 | 第18-39页 |
1.1 研究背景与意义 | 第18-19页 |
1.2 心电信号形态分析和主要特点 | 第19-21页 |
1.3 低功耗心电处理设计方法 | 第21-23页 |
1.4 心电处理技术研究现状和低功耗设计趋势 | 第23-36页 |
1.4.1 心电压缩算法现状和低功耗趋势 | 第23-29页 |
1.4.2 QRS检测算法研究现状和低功耗趋势 | 第29-32页 |
1.4.3 低功耗硬件处理平台研究现状和趋势 | 第32-36页 |
1.5 论文技术路线和研究基础 | 第36-37页 |
1.6 论文的研究内容和组织架构 | 第37-39页 |
2 基于经验模态分解的心电信号压缩算法研究 | 第39-63页 |
2.1 基于变换域的心电信号压缩现状 | 第39-42页 |
2.2 EMD原理分析 | 第42-45页 |
2.2.1 信号的瞬时频率分析 | 第42-43页 |
2.2.2 本征模态函数(IMF)及EMD的基本算法 | 第43-44页 |
2.2.3 EMD方法自适应性特点与应用 | 第44-45页 |
2.3 EMD极值均值点筛选方法 | 第45-48页 |
2.3.1 基于极值均值点筛选函数的信号重构 | 第47-48页 |
2.4 基于EMD筛选过程的ECG压缩流程 | 第48-57页 |
2.4.1 筛选函数重组合 | 第49-52页 |
2.4.2 极值均值点优化选取 | 第52-53页 |
2.4.3 零死区量化 | 第53-56页 |
2.4.4 特征值和位置编码 | 第56-57页 |
2.5 实验结果分析 | 第57-62页 |
2.5.1 与基于包络的EMD方法对比分析 | 第58-60页 |
2.5.2 与其他变换域方法对比分析 | 第60-62页 |
2.6 本章小结 | 第62-63页 |
3 信号特征预判的低功耗QRS检测算法研究 | 第63-92页 |
3.1 低功耗心电QRS波形检测算法研究现状 | 第64-68页 |
3.2 小波分解介绍 | 第68-70页 |
3.2.1 小波变换理论发展 | 第68-70页 |
3.2.2 小波变换在心电信号中的应用 | 第70页 |
3.3 基于小波变换的QRS波检测算法特性研究 | 第70-75页 |
3.3.1 心电信号的小波分解 | 第71-73页 |
3.3.2 小波分解系数特征分析 | 第73-75页 |
3.4 波形预判的QRS波检测算法 | 第75-86页 |
3.4.1 QRS复合波预判断 | 第76-79页 |
3.4.2 R波峰检测 | 第79-86页 |
3.5 实验结果分析 | 第86-91页 |
3.5.1 算法功耗对比分析 | 第86-88页 |
3.5.2 算法性能对比分析 | 第88-91页 |
3.5.3 算法抗噪声对比分析 | 第91页 |
3.6 本章小结 | 第91-92页 |
4 面向心电处理的低功耗内存架构研究 | 第92-123页 |
4.1 面向心电处理的低功耗内存研究现状 | 第93-99页 |
4.2 心电信号检测程序值局部性研究 | 第99-103页 |
4.2.1 数据值空间局部性 | 第101-103页 |
4.3 值压缩的内存架构 | 第103-115页 |
4.3.1 压缩存储策略 | 第104页 |
4.3.2 后备非压缩内存空间 | 第104-106页 |
4.3.3 基于值压缩的内存总体架构 | 第106-107页 |
4.3.4 内存地址管理 | 第107-108页 |
4.3.5 低功耗访问策略 | 第108-114页 |
4.3.6 内存架构的软件配置 | 第114-115页 |
4.4 实验结果分析 | 第115-121页 |
4.4.1 潜在内存容量压缩效率 | 第115-117页 |
4.4.2 基于缓存低功耗策略下的内存容量分析 | 第117-118页 |
4.4.3 功耗分析 | 第118-119页 |
4.4.4 仿真功耗分析 | 第119-120页 |
4.4.5 系统性能分析 | 第120-121页 |
4.5 本章小结 | 第121-123页 |
5 总结与展望 | 第123-126页 |
5.1 论文研究工作总结 | 第123-124页 |
5.2 今后工作展望 | 第124-126页 |
6 参考文献 | 第126-142页 |
攻读学位期间发表/录用的学术论文 | 第142页 |
审稿中的学术论文 | 第142页 |
攻读学位期间申请的专利 | 第142页 |