基于可编程片上系统的心电信号智能监测加速方法技术方案

本发明专利技术公开了基于可编程片上系统的心电信号智能监测加速系统及方法，属于神经网络算法实现和硬件加速领域。所述系统包括：模数转换模块、片上系统处理器、硬件加速模块、总线结构和输出显示模块。本发明专利技术的特征提取算法和分类算法的运算通过软件的处理和硬件加速电路的特殊设计，相比现有的纯软件方案，在处理速度上得到了很大程度上的优化，在功耗相同的条件下提供更快速的处理能力，提高了可编程片上系统资源的利用率；从片上系统处理器中获取心电信号分类的结果，其它输出内容可直接由模数转换模块提供，降低了片上系统处理器的运行负荷，整体系统的性能与实时性得到了显著提高，在对性能要求较高的便携式设备领域，具有非常重要的意义。重要的意义。重要的意义。

【技术实现步骤摘要】
基于可编程片上系统的心电信号智能监测加速方法


[0001]本专利技术涉及基于可编程片上系统的心电信号智能监测加速方法，属于神经网络算法实现和硬件加速领域。

技术介绍

[0002]心血管疾病长期以来一直危害着人们的健康，且其具有突发性和偶然性，因此需要对心电状况进行长期的实时性监测。近年来，市面上已经出现了一些基于嵌入式微控制器的心电分类设备，实现实时监测与分类诊断，但由于嵌入式微控制器在算力和功耗上的约束，导致其在识别精度、性能表现和实时性等方面仍然不满足专业需求。
[0003]随着微电子技术的进步，可编程片上系统得到了研究人员的广泛关注。一个典型的可编程片上系统内集成了微控制器、存储器、可编程逻辑器件等硬件电路，以及系统功能需要的嵌入式软件，相比于嵌入式微控制器，能够有效提高实时性、改善性能，并减小体积、提高便携性。基于此特点，市面上也出现了一些基于可编程片上系统的心电信号监测方案，但主流的设计思路是将硬件模块和软件模块分别进行研发，系统虽然能实现功能，但性能受软件运行效率的影响较大。一般地，智能监测心电设备的工作流程为：采样、滤波、特征提取、分类、输出结果。整个系统的计算量主要集中在特征提取和分类步骤中。
[0004]目前常用小波变换法对采集到的信号进行特征提取，然而现有技术需要处理器经过复杂的卷积运算，造成监测的延时；而且心电信号的分类也会涉及大量的运算，牵制系统的运行速度。此外，由于工作流程前后依靠，核心的运算步骤只有处理器在工作，其它模块均处于空闲状态，这将造成系统的低效率、高延迟和高功耗，不利于可穿戴设备的发展。

技术实现思路

[0005]为了解决现有的心电信号监测过程因为仅依靠处理器实现软件算法，导致的实时性差、性能较低、功耗较高、装置多而复杂的问题，本专利技术提供了基于可编程片上系统的心电信号智能监测加速系统及方法。
[0006]本专利技术的第一个目的在于提供一种基于可编程片上系统的心电信号智能监测系统，所述系统包括：模数转换模块、片上系统处理器、硬件加速模块、总线结构和输出显示模块；
[0007]所述模数转换模块用于将心电信号转化成数字信号；
[0008]所述片上系统处理器与所述模数转换模块连接，用于对数字心电信号进行处理，包括信号的特征提取和信号分类；
[0009]所述硬件加速模块通过系统总线与所述片上系统处理器连接，用于对所述片上系统处理器的数据进行硬件计算；
[0010]所述输出显示模块与所述片上系统处理器连接，用于输出并显示所述心电信号的相关数据。
[0011]可选的，所述硬件加速模块包括多个硬件计算子单元，每个硬件计算子单元包括
若干个乘法器和加法器，所述若干个乘法器相互独立且并行连接，所述加法器将各个并行乘法器得到的结果进行累加。
[0012]可选的，所述片上系统处理器采用Mallat算法对所述数字心电信号进行特征提取，特征提取的过程中，所述Mallat算法对输入信号的分解过程用特征矩阵表征，并将所述特征矩阵中的重复乘加运算传输至所述硬件加速模块进行硬件计算；
[0013]采用特征矩阵来表征输入信号的分解过程包括：
[0014]用卷积运算实现Mallat算法的滤波过程为：
[0015][0016][0017]其中，G1(n)为输入信号向量经过第一层数字低通滤波器后的输出结果，H1(n)为输入信号向量经过第一层数字高通滤波器后的输出结果。S(n)为原输入信号向量，g(n)和h(n)分别代表数字低通与高通滤波器。
[0018]对上述卷积公式进行矩阵变换，输入信号S(n)的长度为N，数字低通滤波器g(n)和数字高通滤波器h(n)的长度都为K，且有N>K，那么上述公式的矩阵形式即为：
[0019][0020]上述在第一层中由h(n)构成的矩阵称为高通滤波特征矩阵F
h1
，同理由数字低通滤波器g(n)构成的矩阵称为低通滤波特征矩阵F
g1
，对这两个(K+N
‑
1)
×
N矩阵进行如下规则变换：
[0021](1)各去除前(K/2)
‑
1行和后(K/2)
‑
1行，形成(N+1)
×
N矩阵；
[0022](2)对剩下的N+1行，各提取其偶数行进行隔点采样；
[0023](3)将提取完成的两个矩阵上下拼接在一起，形成N
×
N矩阵F1，其中矩阵F1即为特征矩阵，分解层数为1。
[0024]如下为一组心电信号序列，在经过Mallat特征矩阵第一层分解后得到的细节分量序列cD1和近似分量cA1。
[0025][0026]针对第二层的分解，此时的输入信号为第一层分解后的近似分量cA1，第一层分解过程中所得到的高通滤波特征矩阵F
h1
和低通滤波特征矩阵F
g1
将重复上述步骤(1)、(2)及(3)以得到的特征矩阵F2，此时让F2与cA1执行矩阵乘法操作，即可得到第2层分解上的细节分量cD2和近似分量cA2。
[0027]用矩阵表达小波分解过程如下：
[0028][0029][0030]后续分解层，以上述步骤类推。
[0031]可选的，所述片上系统处理器采用BP神经网络对心电信号进行分类。
[0032]可选的，所述Mallat算法与所述BP神经网络采用两级流水线的方式连接，运算过程包括：一级流水线计算和二级流水线计算，两级流水线的计算过程均包括：
[0033]所述片上系统处理器首先执行Mallat算法，然后将数据传输至所述硬件加速模块进行硬件计算得到心电特征数据，将所述心电特征数据交由BP神经网络进行分类计算，再交由所述硬件加速模块进行硬件运算后得到最后的结果；
[0034]当一级流水线的Mallat算法完成并交由硬件加速模块运算后，二级流水线开始介入，片上系统处理器进行新一轮信号的处理。
[0035]本专利技术第二个目的在于提供一种基于可编程片上系统的心电信号智能监测方法，所述方法包括：
[0036]步骤1：利用模数转换模块获取原始的心电信号数据，并转化成数字心电信号；
[0037]步骤2：片上系统处理器执行特征提取算法，对所述数字心电信号进行特征提取；
[0038]步骤3：所述片上系统处理器将特征提取的运算数据通过系统总线传输至硬件加速模块，进行硬件计算，得到所述数字心电信号特征值，并缓存至存储模块中；
[0039]步骤4：所述片上系统处理器从所述存储模块中读取所述心电数据特征值，执行分类算法，根据所述心电数据特征值对心电数据进行分类；
[0040]步骤5：分类运算数据通过系统总线传输至所述硬件加速模块，进行硬件计算，得
到分类结果；
[0041]步骤6：输出显示模块输出所述分类结果和心电信号波形；
[0042]其中，所述硬件加速模块用于对所述片上系统处理器执行过程进行硬件运算；<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于可编程片上系统的心电信号智能监测系统，其特征在于，所述系统包括：模数转换模块、片上系统处理器、硬件加速模块、总线结构和输出显示模块；所述模数转换模块用于将心电信号转化成数字信号；所述片上系统处理器与所述模数转换模块连接，用于对数字心电信号进行处理，包括信号的特征提取和信号分类；所述硬件加速模块通过系统总线与所述片上系统处理器连接，用于对所述片上系统处理器的数据进行硬件计算；所述输出显示模块与所述片上系统处理器连接，用于输出并显示所述心电信号的相关数据。2.根据权利要求1所述的心电信号智能监测系统，其特征在于，所述硬件加速模块包括多个硬件计算子单元，每个硬件计算子单元包括若干个乘法器和加法器，所述若干个乘法器相互独立且并行连接，所述加法器将各个并行乘法器得到的结果进行累加。3.根据权利要求2所述的心电信号智能监测系统，其特征在于，所述片上系统处理器采用Mallat算法对所述数字心电信号进行特征提取，特征提取的过程中，所述Mallat算法对输入信号的分解过程用特征矩阵表征，并将所述特征矩阵中的重复乘加运算传输至所述硬件加速模块进行硬件计算；采用特征矩阵来表征输入信号的分解过程包括：用卷积运算实现Mallat算法的滤波过程为：用卷积运算实现Mallat算法的滤波过程为：其中，G1(n)为输入信号向量经过第一层数字低通滤波器后的输出结果，H1(n)为输入信号向量经过第一层数字高通滤波器后的输出结果，S(n)为原输入信号向量，g(n)和h(n)分别代表数字低通与高通滤波器；对上述卷积公式进行矩阵变换，输入信号S(n)的长度为N，数字低通滤波器g(n)和数字高通滤波器h(n)的长度都为K，且有N&gt;K，那么上述公式的矩阵形式即为：上述在第一层中由h(n)构成的矩阵称为高通滤波特征矩阵F
h1
，同理由数字低通滤波器g(n)构成的矩阵称为低通滤波特征矩阵F
g1
，对这两个(K+N
‑
1)
×
N矩阵进行如下规则变换：(1)各去除前(K/2)
‑
1行和后(K/2)
‑
1行，形成(N+1)
×
N矩阵；
(2)对剩下的N+1行，各提取其偶数行进行隔点采样；(3)将提取完成的两个矩阵上下拼接在一起，形成N
×
N矩阵F1，其中矩阵F1即为特征矩阵，分解层数为1；如下为一组心电信号序列，在经过Mallat特征矩阵第一层分解后得到的细节分量序列cD1和近似分量cA1；针对第二层的分解，此时的输入信号为第一层分解后的近似分量cA1，第一层分解过程中所得到的高通滤波特征矩阵F
h1
和低通滤波特征矩阵F
g1
将重复上述步骤(1)、(2)及(3)以得到的特征矩阵F2，此时让F2与cA1执行矩阵乘法操作，即可得到第2层分解上的细节分量cD2和近似分量cA2；用矩阵表达小波分解过程如下：用矩阵表达小波分解过程如下：后续分解层，以上述步骤类推。4.根据权利要求3所述的心电信号智能监测系统，其特征在于，所述片上系统处理器采用BP神经网络对心电信号进行分类。5.根据权利要求4所述的心电信号智能监测系统，其特征在于，所述Mallat算法与所述BP神经网络采用两级流水线的方式连接，运算过程包括：一级流水线计算和二级流水线计算，两级流水线的计算过程均包括：所述片上系统处理器首先执行Mallat算法，然后将数据传输至所述硬件加速模块进行硬件计算得到心电特征数据，将所述心电特征数据交由BP神经网络进行分类计算，再交由所述硬件加速模块进行硬件运算后得到最后的结果；当一级流水线的Mallat算法完成并交由硬件加速模块运算后，二级流水线开始介入，片上系统处理器进行新一轮信号的处理。6.一种基于可编程片上系统的心电信号智能监测方法，其特征在于，所述方法包括：步骤1：利用模数转换模块获取原始的心电信号数据，并转化成数字心电信号；
...

【专利技术属性】
技术研发人员：虞致国，何丁赋，佴宇飞，
申请(专利权)人：江南大学，
类型：发明
国别省市：