پیاده سازی سیستم فشرده سازی سیگنال های ecg به روش نمونه برداری فشرده (cs)

پایان نامه
چکیده

از دیرباز، ضبط طولانی مدت سیگنال های قلبی، که نقش به سزایی در تشخیص و درمان بیماری ها دارد، یکی از دغدغه های پزشکان بوده است. در گذشته تنها راه ثبت این سیگنال ها، بستری کردن بیمار برای مدت موردنظر بوده است. مهم ترین اشکال این روش آن است که باعث می شود پزشک نتواند بیمار را در حالت طبیعی (در هنگام فعالیت های معمولی روزانه) مورد مطالعه قرار دهد. یکی از دستاوردهای پیشرفت علم الکترونیک در زمینه پزشکی، ارائه دستگاه هایی کوچک با کاربرد آسان برای ضبط و ذخیره سازی این سیگنال ها می باشد. این دستگاه ها که در اندازه های مختلف، از سایزهای قابل حمل تا انواع بیمارستانی در دسترس می باشند به پزشکان اجازه می دهند تا به آسانی سیگنال های قلبی بیمار را ذخیره کرده و سپس آن را مطالعه کنند. نوع قابل حمل این دستگاه ها holter monitor نامیده می شود. در طراحی دستگاه های قابل حمل پزشکی، دو فاکتور مهم، توان مصرفی و مساحت مدار می باشد. هدف این پایان نامه طراحی یک سیستم کم توان با مساحت کم برای فشرده سازی سیگنال های قلبی است. نظریه "نمونه برداری فشرده" روشی نوین برای فشرده سازی سیگنال¬های تنک می¬باشد. از آنجا که سیگنال¬های الکتروکاردیوگرام در حوزه موجک تنک هستند می¬توان از روش نمونه برداری فشرده در فشرده سازی این سیگنال¬ها استفاده کرد. از ویژگی های روش نمونه برداری فشرده در پیاده سازی، سادگی و کم حجم بودن محاسبات لازم آن است. لذا سیستم مبتنی بر این روش نسبت به سیستم های مشابه، کم توان بوده و مساحت کمی خواهد داشت. به علاوه معماری پیشنهادی این پایان نامه به گونه ای است که امکان به کارگیری تکنیک power gating را که یکی از روش های موثر کاهش توان مصرفی است، فراهم می کند. ویژگی دیگر معماری ارائه شده، مطلوب بودن آن در پیاده سازی سیستم های چندکاناله است. پیاده سازی سیستم بر روی یکی از fpgaهای بسیار کم توان شرکت microsemi انجام شده است. نتایج اندازه گیری توان مصرفی نشان می دهد که با به کارگیری تکنیک power gating توان مصرفی در فرکانس های مختلف بین 20 تا 40 درصد کاهش می یابد. همچنین افزایش توان مصرفی سیستم 4 کانال و 8 کانال نسبت به سیستم تک کانال به طور متوسط به ترتیب حدود 7.1 و 11.2 درصد و افزایش مساحت سیستم 4 کانال و 8 کانال نسبت به سیستم تک کانال به ترتیب 2.3 و 5.4 برابر می باشد.

منابع مشابه

فشرده سازی سیگنال های ecg به روش نمونه برداری فشرده (cs)

شبکه های سنسور بیسیم توانایی نمایش دائم و از راه دور سیگنال های الکتروکاردیوگرام را در نسل آینده به ما می دهند. اندازه گیری و ارسال پیوسته و طولانی مدت این سیگنال ها نیاز به صرف انرژی زیادی دارد لذا فشرده سازی سیگنال ها یک روش موثر برای کاهش توان مصرفی به کمک کاهش حجم داده ی ارسالی می باشد. الگوریتم "نمونه برداری فشرده" روشی نوین برای فشرده سازی سیگنال های اسپارس می باشد. از آنجا که سیگنال های ...

15 صفحه اول

کدینگ سیگنال ecg برای بهبود فشرده سازی به منظور استفاده در پزشکی از راه دور

همواره سرعت بخشیدن روند رساندن اطلاعات به کارگروه مراقبت پزشکی از مهمترین اهدافی است که به منظور افزایش بازده تشخیص و درمان دنبال می شود. امروزه با دست یابی به فناوری ­های جدید انتقال اطلاعات و با توجه به وجود محدودیت هایی در روش های قدیم، بکارگیری این فرایندها روز به روز در حال گسترش است. در این تحقیق پیشنهاد شده است برای انتقال سیگنال الکتروکاردیوگرام ابتدا سیگنال را به صورت دنباله ­ای از ضرا...

متن کامل

فشرده سازی سیگنال ecg با استفاده از تبدیل مالتی ویولت

در دو دهه اخیر نظریه ویولت ها برای آنالیز سیستم های مهندسی بکار گرفته شده اند و در این مدت کوتاه توانایی این ابزار ریاضی آشکار شده است. استفاده از ویولت ها در پردازش سیگنال و تصویر، پردازش صوت، فشرده سازی داده ها ، تئوری تقریب، کاربردهای عددی و … مورد استفاده قرار گرفته و منجر به نتایج جالب و مطلوبی گردیده است. خصوصیاتی نظیر محمل فشرده و کوتاه، تعامد، تقارن، ممانهای صفر و غیره، منجر به کارآیی و...

15 صفحه اول

بازسازی سیگنال ها به روش نمونه برداری فشرده براساس بهینه سازی غیرمحدب

نمونه برداری فشرده روشی جدید در نمونه برداری است که امکان نمونه برداری زیر نرخ نایکوئیست بدون کاهش کیفیت بازسازی یا با کمترین افت کیفیت را فراهم می کند. این روش از خاصیت تٌنٌک بودن سیگنال در حوزه های مختلف استفاده می کند. کاهش زمان پردازش، هزینه و سخت افزار مورد نیاز از ویژگی های بارز این روش است. کاربردهای بالقوه ی متعددی برای این تئوری در پردازش سیگنال از جمله تبدیل آنالوگ به دیجیتال، رادار، شب...

تولید سیگنال مصنوعی زلزله به کمک مدلی جدید در فشرده سازی و آموزش شبکه های عصبی مصنوعی

با توجه به استفاده روز افزون از تحلیل دینامیکی تاریخچه زمانی برای محاسبه پاسخ سیستم‌ها، تولید شتابنگاشت‌های مصنوعی مناسب، به علت کمبود رکوردهای ثبت شده زلزله و همچنین محدودیت و اشکالات موجود در آنها، امروزه امری ضروری به نظر می‌رسد. در این مقاله، یک روش جدید برای تولید سیگنال مصنوعی سازگار با طیف پاسخ با استفاده از شبکه‌های عصبی M‏LFF، آنالیز ویولت و آنالیز MFCC ارائه می‌شود. در این روش از ضرائ...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده مهندسی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023