心电压缩感知恢复先验块稀疏贝叶斯学习算法 .pdfVIP

学兔兔 第35卷 第8期 仪 器 仪 表 学 报 VoL 35 No．8 2014年8月 Chinese Journal of Scientific Instrument Aug．2014 心电压 缩感知恢复先验块稀疏贝叶斯学习算法 罗 堪 ，李建清 ，王志刚 ，蔡志鹏 (1．东南大学仪器科学与工程学院 南京 210096； 2．邓迪大学医学科学与技术研究所 邓迪 DD2 1FD) 摘 要：压缩感知在低成本、低功耗、长时间的无线心电信号应用上具有优势。但现有重构算法中存在重构信号质量不理想、 较大的计算量以及不能自适应噪声变化等问题。本文针对非稀疏心电信号快速精确压缩感知重构提出了先验块稀疏贝叶斯学 习(P—BSBL)算法。算法在块稀疏贝叶斯学习基础上，根据心电信号先验引入了近似零解空间初值设置和数字特征迭代停止条 件。为了验证算法效果，提出的方法在MIT．BIH心电数据库上进行了仿真实验。实验结果表明P-BSBL能够实现高效非稀疏 心电信号高信号质量重构。P．BSBL在正常和非正常心电信号重构上都优于凸优化和贪婪方法；适用于高数据压缩比和噪声变 化的心电信号重构。 关键词：先验块稀疏贝叶斯学习；压缩感知；心电；信号恢复；人体传感器网络 中图分类号：TN911．7 文献标识码：A 国家标准学科分类代码：310．6140 Priori-block sparse Bayesian learning algorithm for compressed sensing based ECG recovery Luo Kan ，Li Jianqing ，Wang Zhigang ，Cai Zhipeng (J．School ofInstrument Science andEngineering，Southeast Une~ity，Nanjing210096，China； 2．Institutefor Medical Science and Technology， 西e ofDundee，Dundee DD2 1FD，UK) Abstract：Compressed sensing(CS)has advantages in low-cost，low-power and long term wireless eleetorcardiogram(ECG)applica- tions．However，there are some problems in existing reconstruction algorithms，which include the unsatisfied signal quality，huge compu- tation task and no-adaptive to noise．To accurately reconstruct the non-sparse ECG signal，a priori block sparse Bayesian learning(P- BSBL)algorithm is proposed in this paper．Based on the block sparse Bayesian learning，the P-BSBL introduces priori of ECG signals to enhance the performance of the algorithm，which adopts the“nearby”zero solution space as the initial values and the signal statistical characteristic as the stop condition．The numerical