[发明专利]基于可编程片上系统的心电信号智能监测加速方法

权利要求书

1.一种基于可编程片上系统的心电信号智能监测系统，其特征在于，所述系统包括：模数转换模块、片上系统处理器、硬件加速模块、总线结构和输出显示模块；

所述模数转换模块用于将心电信号转化成数字信号；

所述片上系统处理器与所述模数转换模块连接，用于对数字心电信号进行处理，包括信号的特征提取和信号分类；

所述硬件加速模块通过系统总线与所述片上系统处理器连接，用于对所述片上系统处理器的数据进行硬件计算；

所述输出显示模块与所述片上系统处理器连接，用于输出并显示所述心电信号的相关数据。

2.根据权利要求1所述的心电信号智能监测系统，其特征在于，所述硬件加速模块包括多个硬件计算子单元，每个硬件计算子单元包括若干个乘法器和加法器，所述若干个乘法器相互独立且并行连接，所述加法器将各个并行乘法器得到的结果进行累加。

3.根据权利要求2所述的心电信号智能监测系统，其特征在于，所述片上系统处理器采用Mallat算法对所述数字心电信号进行特征提取，特征提取的过程中，所述Mallat算法对输入信号的分解过程用特征矩阵表征，并将所述特征矩阵中的重复乘加运算传输至所述硬件加速模块进行硬件计算；

采用特征矩阵来表征输入信号的分解过程包括：

用卷积运算实现Mallat算法的滤波过程为：

其中，G₁(n)为输入信号向量经过第一层数字低通滤波器后的输出结果，H₁(n)为输入信号向量经过第一层数字高通滤波器后的输出结果，S(n)为原输入信号向量，g(n)和h(n)分别代表数字低通与高通滤波器；

对上述卷积公式进行矩阵变换，输入信号S(n)的长度为N，数字低通滤波器g(n)和数字高通滤波器h(n)的长度都为K，且有NK，那么上述公式的矩阵形式即为：

上述在第一层中由h(n)构成的矩阵称为高通滤波特征矩阵F_h1，同理由数字低通滤波器g(n)构成的矩阵称为低通滤波特征矩阵F_g1，对这两个(K+N-1)×N矩阵进行如下规则变换：

(1)各去除前(K/2)-1行和后(K/2)-1行，形成(N+1)×N矩阵；

(2)对剩下的N+1行，各提取其偶数行进行隔点采样；

(3)将提取完成的两个矩阵上下拼接在一起，形成N×N矩阵F₁，其中矩阵F₁即为特征矩阵，分解层数为1；

如下为一组心电信号序列，在经过Mallat特征矩阵第一层分解后得到的细节分量序列cD₁和近似分量cA₁；

针对第二层的分解，此时的输入信号为第一层分解后的近似分量cA₁，第一层分解过程中所得到的高通滤波特征矩阵F_h1和低通滤波特征矩阵F_g1将重复上述步骤(1)、(2)及(3)以得到的特征矩阵F₂，此时让F₂与cA₁执行矩阵乘法操作，即可得到第2层分解上的细节分量cD₂和近似分量cA₂；

用矩阵表达小波分解过程如下：

后续分解层，以上述步骤类推。

4.根据权利要求3所述的心电信号智能监测系统，其特征在于，所述片上系统处理器采用BP神经网络对心电信号进行分类。

5.根据权利要求4所述的心电信号智能监测系统，其特征在于，所述Mallat算法与所述BP神经网络采用两级流水线的方式连接，运算过程包括：一级流水线计算和二级流水线计算，两级流水线的计算过程均包括：

所述片上系统处理器首先执行Mallat算法，然后将数据传输至所述硬件加速模块进行硬件计算得到心电特征数据，将所述心电特征数据交由BP神经网络进行分类计算，再交由所述硬件加速模块进行硬件运算后得到最后的结果；

当一级流水线的Mallat算法完成并交由硬件加速模块运算后，二级流水线开始介入，片上系统处理器进行新一轮信号的处理。