基于压缩感知的低功耗心电图采集与重构结题报告.docVIP

基于压缩感知的低功耗心电图采集与重构结题报告

一、研究背景与问题提出

心血管疾病作为全球范围内的首要致死病因，其早期诊断与长期监测对降低死亡率、提升患者生存质量具有关键意义。心电图（ECG）作为记录心脏电活动的核心手段，在心血管疾病的筛查、诊断及病情跟踪中发挥着不可替代的作用。传统心电图采集设备多基于奈奎斯特采样定理，要求采样频率至少为信号最高频率的两倍，以确保信号无失真重构。然而，心电图信号本身具有较强的稀疏性——在时域中，有效心电活动仅占总采集时间的小部分；在变换域（如小波域、傅里叶域）中，大部分变换系数幅值趋近于零。奈奎斯特采样的高频率要求不仅导致采集数据量庞大，增加了存储与传输负担，更使得设备功耗居高不下，难以满足长期动态心电监测的需求。

现有低功耗心电监测设备通常通过降低采样频率或减少采集通道数来实现节能，但这种方式往往以牺牲信号质量为代价，容易遗漏关键的心律失常特征。此外，部分设备采用数据压缩算法在采样后对数据进行压缩，虽能一定程度上减少数据量，但并未从根本上降低采集阶段的功耗。因此，探索一种既能保证心电信号采集精度，又能显著降低设备功耗的新型采集技术，成为当前心电监测领域亟待解决的核心问题。

二、压缩感知理论基础与适配性分析

压缩感知（CompressedSensing,CS）作为一种突破奈奎斯特采样定理限制的新型信号采集理论，由Candes、Romberg、Ta