基于ZYNQ及卷积神经网络的心电信号分类系统、方法技术方案

本发明专利技术提出了一种基于ZYNQ及卷积神经网络的心电信号分类系统、方法，该系统包括：上位机；基于ZYNQ及卷积神经网络的心电信号分类装置，基于ZYNQ及卷积神经网络的心电信号分类装置包括ZYNQ系统和数据存储模块，ZYNQ系统通过数据存储模块与上位机相连接；ZYNQ系统包括处理端和可编程逻辑端，可编程逻辑端与处理端通过DDR存储器和AXI总线相连接，可编程逻辑端用于控制FPGA卷积神经网络特征提取模块，处理端用于控制心电信号预处理模块和Softmax输出模块。从而提高对心电信号的分类效率。

【技术实现步骤摘要】

本专利技术涉及心电信号分类，特别涉及一种基于zynq及卷积神经网络的心电信号分类系统、方法。

技术介绍

1、对于心电信号的分类越来越被人们所关注。心电信号的分类能应用到很多的场景当中，但是传统的分类方法还是依靠有经验的人，对心电图进行人工分析。这样的分类方法会导致分类效率降低，进而影响资源的合理分配。

技术实现思路

1、本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种基于zynq及卷积神经网络的心电信号分类系统、方法，能够提高对心电信号的分类效率。

2、第一方面，本专利技术实施例提供了一种基于zynq及卷积神经网络的心电信号分类系统，包括：

3、上位机；

4、基于zynq及卷积神经网络的心电信号分类装置，所述基于zynq及卷积神经网络的心电信号分类装置包括zynq系统和数据存储模块，所述zynq系统通过所述数据存储模块与所述上位机相连接；

5、所述zynq系统包括处理端和可编程逻辑端，所述可编程逻辑端与所述处理端通过ddr存储器和ax本文档来自技高网...

【技术保护点】

1.一种基于ZYNQ及卷积神经网络的心电信号分类系统，其特征在于，包括：

2.一种基于ZYNQ及卷积神经网络的心电信号分类方法，其特征在于，应用于如权利要求1所述的基于ZYNQ及卷积神经网络的心电信号分类系统，所述方法包括：

3.根据权利要求2所述的基于ZYNQ及卷积神经网络的心电信号分类方法，其特征在于，所述方法还包括：

4.根据权利要求2所述的基于ZYNQ及卷积神经网络的心电信号分类方法，其特征在于，所述所述预处理模块从所述上位机中得到所述待识别心电信号和所述权重参数，所述预处理模块对待识别心电信号依次进行心电去噪、心拍分割和格拉姆矩阵图像二维化，...

【技术特征摘要】

1.一种基于zynq及卷积神经网络的心电信号分类系统，其特征在于，包括：

2.一种基于zynq及卷积神经网络的心电信号分类方法，其特征在于，应用于如权利要求1所述的基于zynq及卷积神经网络的心电信号分类系统，所述方法包括：

3.根据权利要求2所述的基于zynq及卷积神经网络的心电信号分类方法，其特征在于，所述方法还包括：

4.根据权利要求2所述的基于zynq及卷积神经网络的心电信号分类方法，其特征在于，所述所述预处理模块从所述上位机中得到所述待识别心电信号和所述权重参数，所述预处理模块对待识别心电信号依次进行心电去噪、心拍分割和格拉姆矩阵图像二维化，得到预处理心电信号，并把所述权重参数和所述预处理心电信号分别发送给fpga卷积神经网络特征提取模块，包括：

5.根据权利要求4所述的基于zynq及卷积神经网络的心电信号分类方法，其特征在于，所述通过均值滤波去除所述待识别心电信号的基线漂移得到去噪心电信号，包括：

6.根据权利要求4所述的基于zynq及卷积神经网络的心电信号分类方法，其特征在于，所述通过差分阈值法对所述去噪心电...

【专利技术属性】
技术研发人员：司玉娟，杨文科，陈鑫，张展源，冯建超，刘立勋，郎六琪，
申请(专利权)人：吉林大学，
类型：发明
国别省市：