文摘
能源效率仍是障碍长期实时无线心电监护。摘要数字压缩感知(CS)基于点蓝牙心电图节点提出了应对挑战的无线心电图应用程序。一个周期性睡眠/唤醒方案和一个基于cs压缩算法实现在一个节点,由超低功耗模拟前端,单片机,蓝牙4.0通信模块,等等。效率改善和节点的细节由实验证明提出节点使用心电图信号采样的日常活动的躺下,坐,站,步行,并运行。在使用稀疏二进制矩阵(座),块稀疏贝叶斯学习(BSBL)方法和离散余弦变换(DCT)的基础上,所有的ECG信号在本质上是不失真恢复与均方根差异(prd)低于6%。拟议的睡眠/唤醒方案和数据压缩可以减少通话时间在高耗能无线链接,提出了节点的能量消耗为6.53 mJ,和电台的能源消耗减少77.37%。此外,能源消耗增加引起的c代码的执行可以忽略不计,这是能源消费总量的1.3%。
1。介绍
心血管疾病(心血管病)是一个主要威胁人类健康。根据世贸组织的报告,大约每年有1750万人死于心脏疾病在世界各地(1]。此外,CVD-related治疗的成本是很大的,据估计大约是3.8万亿美元在所有低收入和中等收入国家在2011 - 2025 (2]。这种情况将更为严重,由于日益老化的人口。许多CVD-related相关的死亡和经济损失是可以避免的,如果疾病早期预防,诊断和治疗。
心电图(ECG)可以给诊断心血管病的洞察力的心脏状态,它是一个标准的医学检查在临床实践现在(3]。然而,仍然存在一些局限性传统的心电图仪器心血管病的早期诊断,如短期住院检查,体积大,不方便运动,有线连接,和较低的自主权4]。他们不能满足要求长期、实时监控和反馈在移动场景的最早期心血管病是偶然在日常活动和医院。开发廉价的连续动态心电图实时监控装置成为一个挑战,长期,方便心电图监测。
近年来,随着身体的迅速发展,无线传感器网络(WBSNs)和可穿戴技术,很多WBSN-enabled动态心电图监测设备开发(1,5,6]。可以无缝地集成到病人的心脏的生活状态监测,提供早期预警,以避免意外的不良心血管事件。然而,大多数现有的设备需要进一步推动能源效率改善,这是长期的无线心电监护的主要障碍。
不同的节能研究节点从各个方面进行了调查,其中包括硬件、通信协议、方案、编码技术和数据压缩方法。低功耗硬件可以直接减少能源消耗。Yazicioglu et al。7]提出了混合信号设计方法降低整体功耗的生物电势传感器节点。蔡et al。8捏造一个低功耗模拟前端集成电路,使用0.18μm CMOS标准,有效的无线心电采集器。节能协议或策略还可以延长节点的寿命。Nemati使用ANT协议作为low-data-rate无线模块来减少功耗的无线节点电容心电图。燕et al。9)提出了一种基于距离的节能数据策略,降低了传动功率的传感器节点级和网络级。同时,考虑通信消耗超过65%的总能量(10),大量的编码或压缩方法提出了优化无线能源消耗。一个适当的压缩技术可以减少传输的数据量,从而提高节点的能源效率。高性能的压缩方案的大多数不兼容与资源约束的节点(11,12),低计算复杂度的编码或压缩方法进行调查,如基于沃尔什变换的可变字长编码(13),非均匀sampling-based动态压缩(1),基于和压缩感知(CS)的方法(14- - - - - -16]。特别是,作为一种新颖的采样模式,CS结合采样和压缩成一个步骤。它有效地收集信号后,“信息率”,而不是传统的“奈奎斯特率”(17- - - - - -19]。CS-enabled无线心电监测报告(14,15,20.,21]显示CS方法在低复杂度的优势,低成本和能源效率。
现有文献表明,实现真正的节能不仅需要超低功耗无线心电节点设备和先进的通信协议也适当的数据压缩技术。尽管这些现有的研究探索节能方法从不同的方面,其中一些发出整体节能节点计划。
出于这些挑战,数字基于cs点蓝牙心电图节点设计并实现。为了实现长期的无线心电监护,超低功耗硬件,如蓝牙低能量(bie)通信协议模块,模拟前端(AFE)芯片AD8232 MSP430F1611,被认为是在节点设计。与此同时,基于cs压缩和周期性睡眠/唤醒计划,旨在减少能源消耗的数据通信,提出了。尤其是小节点低计算复杂度的优点,稀疏二进制测量矩阵,在实现基于cs植入压缩。压缩技术和睡眠策略不仅可以减少传输的数据量也减少通话时间在高耗能无线链接,从而提高节点的能源效率。确定具体的原型节点,进行了实验。此外,结果与三个商业节点。
本文组织如下。部分2阐述了设计无线心电图的节点。数字的细节基于cs压缩和dual-clock基于源代码的周期性睡眠/唤醒方案在本节说明。节3介绍了实验装置,包括实验数据和评价指标。部分4演示实验结果在CS压缩的最优参数,采集心电信号在日常活动,能源消耗,等等。部分5讨论的优点和潜在的限制我们的节点。本研究的总结,提出了在部分6。
2。设计的无线心电节点
心电图在无线节点,有限的电池能量主要消耗三部分:传感、计算和通信。高能消费硬件,可怜的电源管理,和心电图数据直接传输能源浪费。减少能源消耗,提出节点优化硬件设计,周期性睡眠/唤醒模式,基于cs数据压缩。节点的目标总结如下:(1)超低功耗硬件:节能电路(2)周期性睡眠/唤醒策略:减少耗电无线连接通话时间(3)压缩算法具有高压缩比和良好的恢复质量:减少传输数据,保证nondistortion诊断(4)紧凑和低复杂性:实现资源约束传感节点上的压缩算法(5)实时:提供在线无线心脏状态监测
2.1。硬件设计
的硬件框架提出一无线心电节点图中描述1。系统是由一个3 V CR2032按钮电池。通过三个电极,即心电信号获取和传播AFE放大和滤波。随后,预处理信号是由12位转换成数字信号的集成模拟-数字转换器(ADC)模块MSP430为200 Hz。在压缩处理后,数据被传输到医疗云与服务器相连接网关(手机或一个基站)通过BLE收发器。有价值的医疗信息将从重构信号中提取授权医生,病人,或医疗机构,等等。在这里,AD8232是安全了。AD8232是一个完全集成的单管线心电图AFE,低电源电流(170μ)和高共模抑制比(80分贝),也包括多个放大器和滤波器。单片可以很容易地实现传统复杂的心电图预处理电路设计。心电图信号基本上是准周期性的非平稳的小振幅(0.01 ~ 5 mV)和低频率(0.05 ~ 100 Hz) [22]。获得AD8232被固定为500,滤波器的频带被设置为0.5 ~ 35赫兹。采用MSP430F1611为核心处理器。大型Flash (48 kB)和RAM (10 kB)确保算法实现的节点有足够的资源。也有两个晶体振荡器8兆赫和11.0592 KHz,设置为主和第二时钟源,提供的条件节点工作在高-或低速操作模式。此外,作为一个节点和网关之间的桥梁,收发HM-11提供了短程(10米),高通量(1 Mb / s数据速率)BLE无线数据通信。
(一)
(b)
最终的生产节点可以在图中找到1 (b)。这是一个圆形结构。直径和高度是40毫米和15毫米,分别。此外,整体重量(包括电池)是30 g。三个电极上均匀分布节点的集成接口在120度,用于连接标准Ag / AgCl电极。在实践中,节点可以牢牢地粘在皮肤上。
2.2。Dual-Clock基于源代码的周期性睡眠/唤醒方案
拟议中的dual-clock基于源代码的周期性睡眠/唤醒方案如图2。该方案的基本思想是资源分配的事件插槽。从能源消耗与时钟频率成正比(9),节点工作在高速运行方式(HSOM)期间与主时钟任务数据压缩和传输和低速运行方式(LSOM)与二级时钟采样的任务。与此同时,在LSOM节点周期性的睡觉和醒来。图的流程图2(一个)显示了两种操作模式之间的转换。在采样任务,LSOM的节点,它一直睡在闲置的雕像和立即醒来当周期采样事件触发,然后填充和数据缓冲区检查紧随其后。如果数据缓冲区已满,节点进入HSOM;否则,节点保持LSOM和重复抽样。没有睡在HSOM;节点全速运行基于cs数据压缩和数据传输。数据传输后,节点移动回到LSOM。操作的序列图模式如图2 (b)。节点与睡眠/唤醒LSOM在大部分时间保证节能。
(一)
(b)
2.3。实现基于cs心电图压缩
最近,压缩传感理论提出了(17- - - - - -19]。它已经打破了传统的抽样规则。计算机科学的基本理论是稀疏信号可以从非相干随机测量重建(23,24]。计算机科学的正式定义 ,在那里X是N维输入信号,ΦM×N测量矩阵(米<N),它代表的是降维,Y是收集米长度压缩向量。使用CS可以减少无线传输数据信号采集。
在心电图压缩有三个关键方面:ECG信号的稀疏,测量矩阵,恢复算法。心电图是稀疏或稀疏在一些领域已经被证明在先前的研究14,15,20.,21]。
数字基于cs压缩的基本内容可以概括为使用测量矩阵乘法,包括乘法和积累,缩短长度的信号。压缩的方案图所示3。心电图信号X转换为数字信号后,奈奎斯特采样率 ,然后测量矩阵Φ繁殖X得到压缩信号Y。数字CS结合传统的奈奎斯特采样和CS信号采集的原则;适用于稀疏信号压缩的场景当ADC可以提供足够的采样率。
测量矩阵是基于cs压缩的关键。测量矩阵的参数,包括一些精度系数,随机分布的类型,和矩阵的结构,直接影响到压缩效率和计算复杂性。常用的测量矩阵包括高斯分布矩阵,伯努利分布矩阵,均匀分布矩阵。位精度矩阵系数范围从1到64。伯努利方程,高斯或均匀分布矩阵位系数精度高是昂贵的,因为他们是很难生成和存储资源约束节点;此外,他们带来更多的计算和更高的能源消耗。相比之下,稀疏二进制矩阵(座)更合适用于资源约束节点测量矩阵(17- - - - - -19]。
座有稀疏的特点,二进制,语无伦次,称为米×N稀疏矩阵与K在每一列的元素(K< <米)。(∈[0,1])代表的元素Φ。在每一列的Φ,一个是数量远低于零的数量,和一个元素的位置是随机的,满足独立同分布的条件(先验知识)。
SBM-based压缩的实现标志是红色的虚线图3。让 表示位置的一个条目我th排Φ和压缩测量结果y(我)可以更新(1没有乘数。
图3显示了一个示例的长度X14,Φ是一个7×14座 。一个条目的位置在第一行{1、4、9、13},然后 。重复处理的每一行Φ,然后压缩数据Y是实现。
2.4。实现心电图重建
高质量信号恢复算法是心电图重建的关键实现。它将运行在一个强大的云计算网关或医疗服务器。假设α是一个稀疏向量和Ψ是一个稀疏的基础,信号X可以扩大 ;然后压缩信号 。根据CS理论,这是很有可能得到确切α当测量矩阵的稀疏信号满足限制等距性质(23,24]。在拟议的框架中,许多优秀的算法,如基于追求去噪(BPDN)模型,l0平滑算法,正交匹配的追求,和块稀疏贝叶斯学习(BSBL),可用于CS复苏(25- - - - - -28]。例如,使用BSBL和离散余弦变换(DCT)依据无线CS压缩心电图恢复。如果测量矩阵和DCT基础众所周知,解决方案后输出 ,和接收Y美联储在BSBL算法;然后恢复心电图 当是有。不同的恢复算法的比较结果中演示了结果部分。
3所示。实验设计
提出了节点在数据压缩和能源消耗评价。实验设置类似于我们的以前的工作1]。试验台由该节点,数据采集(采集)卡(国家仪器USB6009, 14位,最大48 K采样率),和一台笔记本电脑(英特尔i7 4720 qm, 8 g内存,蓝牙4.0)与Matlab 2016和2013年虚拟仪器。采集卡通过USB电缆连接到笔记本电脑。节点是无线连接的基站(笔记本电脑)。测量矩阵是座,ECG信号的长度是512在所有实验。
如图4,12.8年代(2560分)心电图数据被用于压缩测试,由该节点采样在五个预定义的日常活动,如躺、坐,站立,行走,并运行。原始信号和压缩数据传输到基站,在心电图信号被恢复重建算法。
量化的压缩性能,与不同的归一化均方根差(PRD)比例(29日)是用来量化恢复信号的质量。
是原始信号,重构信号,的意思是 。与此同时,参数和 ,密切与压缩比和计算复杂度,采用评价压缩效率。
在能源消耗的测试中,3 V电源,10欧姆精密电阻是用于转换电流电压。节点电压采集卡记录和电阻电压 。卡采样模拟电压在5 KHz,然后计算节点的电力和能源消耗在数字域。功耗是计算 在哪里表示电阻的值。的能源消耗是由电力消耗的总和在时间间隔 :
毕竟实验,提出了节点与三个商业心电图节点,如Shimmer2 ZMP®ECG2,和f.t.补丁监视有关尺寸,重量,有生之年,等等。
4所示。结果
提出点蓝牙心电图的原型节点如图5。提出了节点的大小和重量40(直径D)×15(身高、H),分别和30 g。
进行了对比实验确定合适的恢复算法和稀疏的基础。珠江三角洲的ECG信号计算和报告在表中恢复过来1。可以看出BSBL[的结合20.)和DCT的基础上达到最高的信号恢复质量,和prd不到3.6%。此外,BSBL也比恢复算法的正交匹配追踪(OMP) (14)和L1凸优化(15]在小波变换(WT)。由于心电信号是块稀疏相关结构,BSBL算法,认为这样的特点在计算机科学的解决方案,获得良好的性能在心电图恢复。结果表明BSBL和DCT基础基站是一个很好的选择。其余的实验是基于BSBL和DCT基础。
参数的测量矩阵中扮演重要角色数据CS压缩的性能。座有三个参数,这是 , ,和 。在这项研究中,是固定到512年,这意味着每次压缩算法将过程分段2.56 s ECG信号;由于压缩比等于 、参数一个重要的角色在压缩效率;和它需要 时间积累来实现压缩的信号。参数是一个计算压缩的关键措施。
减少信号失真的风险,最大的珠江三角洲被保存在和验证了从64年到384年,1到32岁。信号失真的关系,压缩效率和计算复杂性如图6。珠江三角洲与增加减少但是是不敏感的变化 。考虑PRD < 9%的情况下不会导致诊断失真(29日];蓝色标记的重叠图PRD = 9%6作为基准的接受恢复区。复苏的同时,考虑综合风险,以坚实的红色矩形区域(如图6)建议作为参数选择区, 和 是最好的选择。座确认最优的计算是2048年积累,适合该节点。它可以得出结论,座CS压缩低计算复杂度。
五个原始的视觉检查和心电图信号如图中恢复过来7。可以看出所有记录的珠三角不到9%;该系统可以实现高质量的ECG信号恢复和保证nondistortion诊断。与原始信号的长度,减少一半的数据,这表明该方法具有良好的潜在节能在心电图数据无线传输。此外,提出CS压缩非适应。不管最初的心电图与不同的节奏和形态特征是美联储的框架,达到压缩数据的长度相同。此外,所有R山峰的心电图信号被检测到在图中恢复过来7。相信该系统可以实现没有诊断恢复信号失真;该节点是动态心电图监测合格。
图中演示了该节点的功耗8。它是观察到正常的力量计划(图8(一个))持有稳定的70 mW如果它忽略了能源消耗200 Hz ADC采样。节点的能量浪费在正常计划因为收音机总是;在S / W方案中,节点周期性地睡觉或醒来,关掉收音机或根据任务的要求。S / W的功率跟踪计划就像一个周期脉冲曲线在图8 (b)。在过去的CS(图+ S / W方案8 (c)),收音机关掉的时间间隔是两倍,S / W的计划,这证明了CS压缩可以减少一半的数据。提出了节点的能量消耗阐述了图9。消耗的能量在正常、S / W和CS +西南方案28.87 mJ, 8.85 mJ,分别和6.53 mJ。承担无线电是100%的能源消耗在正常计划,它减少了30.61%和22.63%在S / W和CS +西南计划,分别。c代码执行的能源消耗只占能源消费总量的1.3%。结果表明,该节点是能源效率。
提出了节点的细节和对比三个商业节点被发表在表2。该节点是一个光、低成本、节能、点无线心电节点,它可以提供实时的动态心电图监测,节点的生命周期116小时在3 V的电池。
5。讨论
的优点提出了心电图节点包括能源效率、低计算复杂度压缩、实时和无线。通过使用超低功耗芯片,周期性睡眠/唤醒策略,和CS压缩,传输数据非适应减少50%,恢复没有诊断信号失真。为表示节4,睡眠/唤醒策略和CS压缩无线电能源消耗减少77.37%。与此同时,压缩算法是一种较低的计算复杂度。c代码执行的能源消耗是可以忽略不计的光计算负载积累。此外,心电图信号可以实时提供一个用户通过该系统框架。
在第一个subfigure图7,它可以发现心电图信号的形态相似性很高,ECG信号的噪音水平是稳定的,但珠三角突然增加。ECG信号通常表现为局部信息,其中至关重要的和有价值的诊断信息都集中在小间隔和高烈度QRS波群。CS是一个抽样方法后,“信息率。“整个QRS波群分割成两部分,会导致信息丢失,导致失真。10点延迟恢复心电图如图10,并观察到没有民主的伟大变化。
QRS波群的位置引起的失真的主要缺点是在计划的心电图系统,预计将解决information-enhanced稀疏二进制矩阵(32]。
6。结论
CS能实现高压缩比和低计算和内存需求,使其适合用于无线心电节点。数字压缩sensing-based点蓝牙心电图节点提出了这项研究。节点硬件优化,睡眠/唤醒策略,和CS压缩,取得了良好的节能性能。该节点广播能源消耗减少77.37%压缩数据的一半。SBM-based压缩算法是一个低计算复杂度和非适应,和c代码执行的能源消耗是微不足道的。本质上是不失真的恢复信号。因此,可以得出结论,提出节点可以减少能源需求保留心电数据传输和诊断的信息内容。比较与其他心电图节点显示的优点提出了节点包括光、低成本、实时和无线点。
的利益冲突
作者宣称没有利益冲突。
确认
这项研究支持部分由中国国家自然科学基金(NNSFC)授予61601124和61571113,福建理工大学的研究项目在格兰特GY-Z160058,福建省杰出青年在大学科学研究项目,福建重点实验室的研究项目汽车电子和电力驱动,和研究生科研创新项目在江苏大学授予KYCX17_0067。