CN104933846A - 基于压缩感知的躯体传感器网络系统 - Google Patents
基于压缩感知的躯体传感器网络系统 Download PDFInfo
- Publication number
- CN104933846A CN104933846A CN201510300420.6A CN201510300420A CN104933846A CN 104933846 A CN104933846 A CN 104933846A CN 201510300420 A CN201510300420 A CN 201510300420A CN 104933846 A CN104933846 A CN 104933846A
- Authority
- CN
- China
- Prior art keywords
- module
- signal
- body sensor
- compressed sensing
- integrator
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Arrangements For Transmission Of Measured Signals (AREA)
Abstract
本发明公开了一种基于压缩感知的躯体传感器网络系统,其包括传感器节点、无线接收模块、PC通信模块、信号重构模块、数据显示模块和数据分析模块;传感器节点包括传感器模块、压缩采样模块和无线传输模块;压缩采样模块包括随机投影脉冲序列发生器、积分器、电子开关和模数转换模块;压缩采样模块适用于不同频率的信号,通过调节随机投影脉冲序列发生器和积分器中的参数,满足不同频率的信号采集要求;压缩采样模块实现不同的压缩比,通过调节电子开关的参数,实现对原始信号的不同程度的压缩。本发明基于压缩感知技术,提出了一种可以“边压缩边采样”的新型躯体传感器网络系统及方法,可以有效降低躯体传感器网络中节点的采样与传输功耗。
Description
技术领域
本发明涉及一种躯体传感器网络系统,具体涉及一种基于压缩感知的躯体传感器网络系统。
背景技术
作为物联网的一个重要分支,躯体传感器网络(又称“体感网”、“可穿戴传感器网络”等)在最近几年得到了广泛的应用,如生理参数监护、慢性病管理、健康腕表、跌倒监测等。然而,在需要实时连续采集的场景下,如何降低无线传感器节点的采样及传输功耗,延长传感器节点的工作时间一直是个亟待突破的瓶颈问题。
压缩感知理论的提出,为该问题提供了一种有效的解决途径。压缩感知理论突破了传统的Shannon/Nyquist采样定理的要求,可以用远低于Shannon/Nyquist采样定理要求的采样率,进行数据压缩采集,然后通过相关的重构算法恢复出原始信号。遗憾的是,目前的研究大多集中于离线数据的压缩及重构算法,并没有在硬件上实现采样率的降低,与压缩感知真正意义上的要求实现“边压缩边采集”相差甚远。
众所周知,在Shannon/Nyquist采样定理为基础的传统数字信号处理框架下,若要从采样得到的离散信号中无失真地恢复出原始信号,采样频率必须大于其带宽的两倍以上。然而,在躯体传感网领域尤其是需要实时连续采集的场景下(如实时心电监测、实时动作捕获等),由于要通过无线方式传输大量的数据,导致无线传感器节点的功耗一直居高不下,工作时间大大缩短。
最近由Donoho、Candes及Tao等人提出的压缩感知(Compressive Sensing,CS)理论,为解决上述问题提供了一种有效的途径。CS理论突破了Shannon/Nyquist采样定理的理论极限,可以用少量的稀疏采样数据通过相关的重构算法恢复出原始信号。
遗憾的是,目前的研究大多集中于离线数据的压缩及重构算法, 压缩感知系统的硬件实现方面的研究非常少。根据检索,目前市面上尚未发现具备压缩感知功能的躯体传感器网络系统。
申请号为201310612155.6的中国专利公开了一种压缩感知模拟-信息转换系统及方法,该系统包括:FPGA核心芯片及其最小系统外围电路、ADC采样芯片、DAC芯片、时钟倍频器芯片、乘法器芯片、放大器芯片、FLASH存储芯片、USB协议转换芯片和电源芯片;其中,所述DAC芯片在FPGA核心芯片的控制下输出LFM信号;所述乘法器芯片用于将所述LFM信号与所述FPGA核心芯片输出的伪随机序列信号进行混频处理;所述放大器芯片用于将所述经过混频处理后的混频信号进行放大处理;所述ADC芯片在FPGA核心芯片的控制下采样量化所述放大处理后的混频信号,并将采样量化数据输出至FPGA核心芯片。
该专利的不足之处在于,一方面,该专利中用到FPGA芯片,其体积大、功耗大等缺点不适用于躯体传感器网络中的传感器节点;另一方面,该专利中没有考虑多个传感器节点的无线组网问题。
申请号为201310231422.5的中国专利公开了一种多级压缩感知的信号采集系统及方法,该系统包括:多个模拟信号压缩采样器,用于对信号采集端采集的模拟信号x(t)采样压缩传感技术进行首次压缩,将模拟信号x(t)转换为数字信号y(m),之后将该数字信号y(m)传输到数字信号压缩采样器;多个数字信号压缩采样器,用于对该数字信号y(m)进行第二次压缩,得到传输信号z(m),并将该传输信号z(m)传输到信号重构恢复装置;信号重构恢复装置,用于对该传输信号z(m)进行两级解压缩,实现对该传输信号z(m)的逐级重构,得到信号采集端的模拟信号x(t)。
该专利的不足之处在于,没有考虑不同频率的模拟信号及不同压缩比的具体实现方式,因此该专利适用范围受限,仅针对特定的模拟信号,无法扩展到更为广泛的应用中。
发明内容
为了解决上述技术问题,本发明提出了一种可以降低躯体传感器网络中节点的采样与传输功耗的基于压缩感知的躯体传感器网络系统。
为了达到上述目的,本发明的技术方案如下:
基于压缩感知的躯体传感器网络系统,其包括传感器节点、无线接收模块、PC通信模块、信号重构模块、数据显示模块和数据分析模块;
传感器节点包括传感器模块、压缩采样模块和无线传输模块;
压缩采样模块包括随机投影脉冲序列发生器、积分器、电子开关和模数转换模块;
压缩采样模块适用于不同频率的信号,通过调节随机投影脉冲序列发生器和积分器中的参数,满足不同频率的信号采集要求;
压缩采样模块实现不同的压缩比,通过调节电子开关的参数,实现对原始信号的不同程度的压缩;
压缩采样模块中,传感器输出的模拟信号为x(t);随机投影脉冲序列发生器的频率为fs=N,其输出为0或1;电子开关的频率为f=M;其中,M<<N,不妨设N为M的整数倍;
在时间范围内,随机投影脉冲序列发生器共产生 个随机脉冲;当随机脉冲为1时,x(t)信号输出到积分器中;反之,当随机脉冲为0时,x(t)信号丢弃,不输入到积分器中;即积分器用于将范围内随机脉冲为1的时刻对应的x(t)进行叠加求和,在时刻,电子开关闭合,积分器的输出求和信号进行模数转换,从而输出压缩信号y[m],m=0,1,L,M-1,即
进一步地,上述的随机投影脉冲序列发生器采用满足约束等距性条件的稀疏二进制随机投影矩阵产生。
进一步地,上述的积分器子模块为无源电阻-电容积分电路,其具备两个特点:一是积分时间常数远大于随机投影脉冲序列的脉宽,即满足积分电路的条件,可以对输入信号进行积分求和;二是在
时刻,快速地对电容进行放电,保证在下一个积
分周期前,恢复初始状态。
进一步地,上述的无线传输模块采用ZigBee、Wifi、Bluetooth无线传输协议中的任一种。
进一步地,上述的PC通信模块采用RS232或USB PC通信协议中的任一种。
进一步地,上述的信号重构模块采用凸优化求解方法、贪婪方法或稀疏贝叶斯方法重构算法中的任一种。
由于采用了上述的技术方案,本发明基于压缩感知技术,提出了一种可以“边压缩边采样”的新型躯体传感器网络系统及方法,可以有效降低躯体传感器网络中节点的采样与传输功耗。
附图说明
图1是本发明的基于压缩感知的躯体传感器网络系统的结构框图。
图2是本发明的基于压缩感知的躯体传感器网络系统中压缩采样模块的系统框图。
图3是本发明的基于压缩感知的躯体传感器网络系统中无源RC积分电路的原理图。
图4是本发明的基于压缩感知的躯体传感器网络系统中中两个三轴加速度传感器节点的原始数据图(采样率为100HZ)。
图5是本发明的基于压缩感知的躯体传感器网络系统中压缩采样后的加速度传感器的数据图(压缩比0.72)。
图6是本发明的基于压缩感知的躯体传感器网络系统中重构恢复出的加速度传感器的数据图(压缩比0.72)。
图7是本发明的基于压缩感知的躯体传感器网络系统中八个心电传感器节点的原始数据图(采样率为250HZ)。
图8是本发明的基于压缩感知的躯体传感器网络系统中压缩采样 后的心电传感器的数据图(压缩比0.5)。
图9是本发明的基于压缩感知的躯体传感器网络系统中重构恢复出的心电传感器的数据图(压缩比0.5)。
具体实施方式
下面结合附图详细说明本发明的优选实施方式。
为了达到本发明的目的,在本发明的基于压缩感知的躯体传感器网络系统的其中一些实施方式中,本实施方式是包括两个三轴加速度传感器的躯体传感器网络系统,用于记录人体的肢体运动信息。
如图1所示,该系统包括传感器节点、无线接收模块、PC通信模块、信号重构模块、数据显示模块和数据分析模块;其中,传感器节点具备压缩感知功能,即可以实现“边压缩边采样”,该传感器节点包括传感器模块、压缩采样模块和无线传输模块;
如图2所示,压缩采样模块包括随机投影脉冲序列发生器、积分器、电子开关和模数转换模块;
该压缩采样模块适用于不同频率的信号,通过调节随机投影脉冲序列发生器和积分器中的参数,满足不同频率的信号采集要求;
该压缩采样模块实现不同的压缩比,通过调节电子开关的参数,实现对原始信号的不同程度的压缩;
该压缩采样模块中,传感器输出的模拟信号为x(t);随机投影脉冲序列发生器的频率为fs=N,其输出为0或1;电子开关的频率为f=M;其中,M<<N,不妨设N为M的整数倍;
在时间范围内,随机投影脉冲序列发生器共产生 个随机脉冲;当随机脉冲为1时,x(t)信号输出到积分器中;反之,当随机脉冲为0时,x(t)信号丢弃,不输入到积分器中;即积分器用于将范围内随机脉冲为1的时刻对应的x(t)进行叠加求和,在时刻,电子开关闭合,积分器的输出求和信号进行模数转换,从而输出压缩信号y[m],m=0,1,L,M-1,即
其中,上述的随机投影脉冲序列发生器采用满足约束等距性条件的稀疏二进制随机投影矩阵产生,上述的无线传输模块采用ZigBee、Wifi、Bluetooth无线传输协议中的任一种,上述的PC通信模块采用RS232或USB PC通信协议中的任一种,上述的信号重构模块采用凸优化求解方法、贪婪方法或稀疏贝叶斯方法重构算法中的任一种。
如图3所示,上述的积分器子模块为无源电阻-电容积分电路,其具备两个特点:一是积分时间常数远大于随机投影脉冲序列的脉宽,即满足积分电路的条件,可以对输入信号进行积分求和;二是在
时刻,快速地对电容进行放电,保证在下一个积
分周期前,恢复初始状态。
具体实施方式一、下面结合图4、图5和图6具体说明本实施方式。
图4是某次记录的原始数据,采样频率为100HZ,信号长度为5400(54秒)。当将压缩比设置为0.72时,即将原始数据压缩为1500个数据点。通过计算,将图3中的R1设置为100KΩ,C1设置为1uF,即积分时间常数为100ms。电阻R2设置为100KΩ。将电子开关的闭合频率设置为28HZ。无线传输方式采用ZigBee协议,PC通信方式采用USB协议,数据重构模块采用稀疏贝叶斯优化方法。
压缩采样后的数据如图5所示,从图中可以看出,原始数据得到大大压缩,同时压缩采样后的数据具备加密特性,便于保护用户的隐私,符合医疗数据传输的要求。
重构恢复后的数据如图6所示,对比图6与图4,可以看出,重构恢复后的数据与原始数据几乎完全相同,误差很小,表明该躯体传感器网络系统的有效性。
具体实施方式二、下面结合图7、图8和图9具体说明本实施方式。
本实施方式是包括八个心电传感器的躯体传感器网络系统,用于记录人体的心电信息。
图7是某次记录的原始数据,采样频率为250HZ,信号长度为1600(6.4秒)。当将压缩比设置为0.5时,即将原始数据压缩为800个数据点。通过计算,将图3中的R1设置为50KΩ,C1设置为1uF,即积分时间常数为50ms。电阻R2设置为100KΩ。将电子开关的闭合频率设置为125HZ。无线传输方式采用Bluetooth协议,PC通信方式采用RS232协议,数据重构模块采用稀疏贝叶斯优化方法。
压缩采样后的数据如图8所示,从图中可以看出,原始数据得到大大压缩,同时压缩采样后的数据具备加密特性,便于保护用户的隐私,符合医疗数据传输的要求。重构恢复后的数据如图9所示,对比图9与图7,可以看出,重构恢复后的数据与原始数据几乎完全相同,误差很小,表明该躯体传感器网络系统的有效性。
由于采用了上述的技术方案,本发明基于压缩感知技术,提出了一种可以“边压缩边采样”的新型躯体传感器网络系统及方法,可以有效降低躯体传感器网络中节点的采样与传输功耗。
以上所述的仅是本发明的优选实施方式,应当指出,对于本领域的普通技术人员来说,在不脱离本发明创造构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (6)
1.基于压缩感知的躯体传感器网络系统,其特征在于:包括传感器节点、无线接收模块、PC通信模块、信号重构模块、数据显示模块和数据分析模块;
所述传感器节点包括传感器模块、压缩采样模块和无线传输模块;
所述压缩采样模块包括随机投影脉冲序列发生器、积分器、电子开关和模数转换模块;
所述压缩采样模块适用于不同频率的信号,通过调节所述随机投影脉冲序列发生器和所述积分器中的参数,满足不同频率的信号采集要求;
所述压缩采样模块实现不同的压缩比,通过调节所述电子开关的参数,实现对原始信号的不同程度的压缩;
所述压缩采样模块中,所述传感器输出的模拟信号为x(t);随机投影脉冲序列发生器的频率为fs=N,其输出为0或1;电子开关的频率为f=M;其中,M<<N,不妨设N为M的整数倍;
在时间范围内,随机投影脉冲序列发生器共产生个随机脉冲;当随机脉冲为1时,x(t)信号输出到积分器中;反之,当随机脉冲为0时,x(t)信号丢弃,不输入到积分器中;即所述积分器用于将范围内随机脉冲为1的时刻对应的x(t)进行叠加求和,在时刻,所述电子开关闭合,所述积分器的输出求和信号进行模数转换,从而输出压缩信号y[m],m=0,1,L,M-1,即
2.根据权利要求1所述的基于压缩感知的躯体传感器网络系统,其特征在于:所述随机投影脉冲序列发生器采用满足约束等距性条件的稀疏二进制随机投影矩阵产生。
3.根据权利要求1所述的基于压缩感知的躯体传感器网络系统,其特征在于:所述积分器子模块为无源电阻-电容积分电路,其具备两个特点:一是积分时间常数远大于随机投影脉冲序列的脉宽,即满足积分电路的条件,可以对输入信号进行积分求和;二是在M-1时刻,快速地对电容进行放电,保证在下一个积分周期前,恢复初始状态。
4.根据权利要求1所述的基于压缩感知的躯体传感器网络系统,其特征在于:所述无线传输模块采用ZigBee、Wifi、Bluetooth无线传输协议中的任一种。
5.根据权利要求1所述的基于压缩感知的躯体传感器网络系统,其特征在于:所述PC通信模块采用RS232或USB PC通信协议中的任一种。
6.根据权利要求1所述的基于压缩感知的躯体传感器网络系统,其特征在于:所述信号重构模块采用凸优化求解方法、贪婪方法或稀疏贝叶斯方法重构算法中的任一种。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510300420.6A CN104933846A (zh) | 2015-06-04 | 2015-06-04 | 基于压缩感知的躯体传感器网络系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510300420.6A CN104933846A (zh) | 2015-06-04 | 2015-06-04 | 基于压缩感知的躯体传感器网络系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104933846A true CN104933846A (zh) | 2015-09-23 |
Family
ID=54120994
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510300420.6A Pending CN104933846A (zh) | 2015-06-04 | 2015-06-04 | 基于压缩感知的躯体传感器网络系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104933846A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105720987A (zh) * | 2016-01-18 | 2016-06-29 | 清华大学 | 一种采用采样量化电路的压缩采样模数转换器 |
CN105720988A (zh) * | 2016-01-18 | 2016-06-29 | 清华大学 | 一种用于压缩采样模数转换器的采样量化电路 |
CN106974640A (zh) * | 2017-04-12 | 2017-07-25 | 广东工业大学 | 一种远程心脏监测系统 |
CN107123247A (zh) * | 2017-04-25 | 2017-09-01 | 淮阴师范学院 | 一种基于压缩感知的大型温室无线监测系统 |
US9986069B2 (en) | 2016-09-28 | 2018-05-29 | Intel Corporation | Devices and methods to compress sensor data |
CN108158577A (zh) * | 2018-02-12 | 2018-06-15 | 江南大学 | 一种基于压缩感知的低功耗心电信号处理电路及其方法 |
CN109157209A (zh) * | 2018-10-25 | 2019-01-08 | 江南大学 | 一种基于压缩感知的生物电信号处理电路及方法 |
CN110604547A (zh) * | 2019-08-07 | 2019-12-24 | 王满 | 一种基于心脏功能动态监测与分析的数据压缩系统及方法 |
CN111669409A (zh) * | 2020-07-14 | 2020-09-15 | 中国科学院微电子研究所 | 一种体征数据监控系统 |
CN112450941A (zh) * | 2020-11-11 | 2021-03-09 | 南昌大学 | 一种基于随机解调结构的心电信号压缩采样装置及方法 |
CN113115247A (zh) * | 2021-03-17 | 2021-07-13 | 苏州康迈德医疗科技有限公司 | 一种信号处理方法、装置和设备 |
CN113197582A (zh) * | 2021-04-27 | 2021-08-03 | 浙江大学 | 一种高通用性的心电数据压缩感知系统、终端和存储介质 |
CN113259891A (zh) * | 2021-05-24 | 2021-08-13 | 江南大学 | 基于压缩感知和组网传输的生物电信号监测系统及方法 |
CN113925514A (zh) * | 2021-09-28 | 2022-01-14 | 西安交通大学 | 一种便携式多导联ecg采集系统及其数据处理方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130088719A (ko) * | 2012-01-31 | 2013-08-08 | 주식회사 타오스 | 차량 관리용 스마트키 시스템 |
CN103281087A (zh) * | 2013-06-09 | 2013-09-04 | 中国科学院微电子研究所 | 基于多级压缩感知的信号采样系统及方法 |
CN103944579A (zh) * | 2014-04-10 | 2014-07-23 | 东华大学 | 一种压缩感知重构的编码解码系统 |
-
2015
- 2015-06-04 CN CN201510300420.6A patent/CN104933846A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130088719A (ko) * | 2012-01-31 | 2013-08-08 | 주식회사 타오스 | 차량 관리용 스마트키 시스템 |
CN103281087A (zh) * | 2013-06-09 | 2013-09-04 | 中国科学院微电子研究所 | 基于多级压缩感知的信号采样系统及方法 |
CN103944579A (zh) * | 2014-04-10 | 2014-07-23 | 东华大学 | 一种压缩感知重构的编码解码系统 |
Non-Patent Citations (2)
Title |
---|
彭向东,张华,刘继忠: "基于块稀疏贝叶斯学习的体域网心电压缩采样", 《传感技术学报》 * |
程艳合,杨文革,韩丙寅: "宽带直扩信号的随机解调压缩采样方法", 《电讯技术》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105720987A (zh) * | 2016-01-18 | 2016-06-29 | 清华大学 | 一种采用采样量化电路的压缩采样模数转换器 |
CN105720988A (zh) * | 2016-01-18 | 2016-06-29 | 清华大学 | 一种用于压缩采样模数转换器的采样量化电路 |
CN105720988B (zh) * | 2016-01-18 | 2018-08-28 | 清华大学 | 一种用于压缩采样模数转换器的采样量化电路 |
CN105720987B (zh) * | 2016-01-18 | 2019-06-18 | 清华大学 | 一种采用采样量化电路的压缩采样模数转换器 |
US9986069B2 (en) | 2016-09-28 | 2018-05-29 | Intel Corporation | Devices and methods to compress sensor data |
CN106974640A (zh) * | 2017-04-12 | 2017-07-25 | 广东工业大学 | 一种远程心脏监测系统 |
CN107123247A (zh) * | 2017-04-25 | 2017-09-01 | 淮阴师范学院 | 一种基于压缩感知的大型温室无线监测系统 |
CN108158577A (zh) * | 2018-02-12 | 2018-06-15 | 江南大学 | 一种基于压缩感知的低功耗心电信号处理电路及其方法 |
CN108158577B (zh) * | 2018-02-12 | 2023-09-05 | 江南大学 | 一种基于压缩感知的低功耗心电信号处理电路及其方法 |
CN109157209B (zh) * | 2018-10-25 | 2021-08-20 | 江南大学 | 一种基于压缩感知的生物电信号处理电路及方法 |
CN109157209A (zh) * | 2018-10-25 | 2019-01-08 | 江南大学 | 一种基于压缩感知的生物电信号处理电路及方法 |
CN110604547A (zh) * | 2019-08-07 | 2019-12-24 | 王满 | 一种基于心脏功能动态监测与分析的数据压缩系统及方法 |
CN110604547B (zh) * | 2019-08-07 | 2021-12-21 | 王满 | 一种基于心脏功能动态监测与分析的数据压缩系统及方法 |
CN111669409A (zh) * | 2020-07-14 | 2020-09-15 | 中国科学院微电子研究所 | 一种体征数据监控系统 |
CN111669409B (zh) * | 2020-07-14 | 2024-02-27 | 中国科学院微电子研究所 | 一种体征数据监控系统 |
CN112450941A (zh) * | 2020-11-11 | 2021-03-09 | 南昌大学 | 一种基于随机解调结构的心电信号压缩采样装置及方法 |
CN113115247A (zh) * | 2021-03-17 | 2021-07-13 | 苏州康迈德医疗科技有限公司 | 一种信号处理方法、装置和设备 |
CN113197582A (zh) * | 2021-04-27 | 2021-08-03 | 浙江大学 | 一种高通用性的心电数据压缩感知系统、终端和存储介质 |
CN113197582B (zh) * | 2021-04-27 | 2022-03-25 | 浙江大学 | 一种高通用性的心电数据压缩感知系统、终端和存储介质 |
CN113259891A (zh) * | 2021-05-24 | 2021-08-13 | 江南大学 | 基于压缩感知和组网传输的生物电信号监测系统及方法 |
CN113925514A (zh) * | 2021-09-28 | 2022-01-14 | 西安交通大学 | 一种便携式多导联ecg采集系统及其数据处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104933846A (zh) | 基于压缩感知的躯体传感器网络系统 | |
Liu et al. | A fully integrated wireless compressed sensing neural signal acquisition system for chronic recording and brain machine interface | |
Mohseni et al. | Wireless multichannel biopotential recording using an integrated FM telemetry circuit | |
Chen et al. | A signal-agnostic compressed sensing acquisition system for wireless and implantable sensors | |
US9375146B2 (en) | Ultra low power platform for remote health monitoring | |
CN105432019B (zh) | 用于遥测模拟信号的节能系统 | |
Bartolozzi et al. | Event-driven encoding of off-the-shelf tactile sensors for compression and latency optimisation for robotic skin | |
CN107735953A (zh) | 用于在可穿戴装置中进行数据压缩的设备和方法 | |
Yu et al. | ECG monitoring over bluetooth: data compression and transmission | |
Tuna et al. | Wireless sensor network-based health monitoring system for the elderly and disabled | |
Mahbub et al. | A low power wireless breathing monitoring system using piezoelectric transducer | |
CN203619544U (zh) | 贴片式传感器电极及生理参数检测系统 | |
CN111669409A (zh) | 一种体征数据监控系统 | |
CN110916657A (zh) | 可无线充电式多通道无线表面肌电信号采集系统 | |
CN103281087A (zh) | 基于多级压缩感知的信号采样系统及方法 | |
Ravelomanantsoa et al. | Design and implementation of a compressed sensing encoder: application to EMG and ECG wireless biosensors | |
CN105245798A (zh) | 基于分块压缩感知的ccd视频压缩测量成像系统及控制方法 | |
Zhang et al. | An implantable neuroprocessor for multichannel compressive neural recording and on-the-fly spike sorting with wireless telemetry | |
Martinez et al. | Adaptive quantization of local field potentials for wireless implants in freely moving animals: an open-source neural recording device | |
Trakimas et al. | Low power asynchronous data acquisition front end for wireless body sensor area network | |
Hwang et al. | A low-power asynchronous ECG acquisition system in CMOS technology | |
CN201575828U (zh) | 基于cofdm的应急传感信息采集终端 | |
CN103795778A (zh) | 面向个人健康的移动医疗开放服务系统 | |
Lan et al. | Gait analysis via a high-resolution triaxial acceleration sensor based on ZigBee technology | |
Yang et al. | A configurable realtime DWT-based neural data compression and communication VLSI system for wireless implants |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20181109 Address after: 215000 510-C9 2, 8 Jinfeng Road, Suzhou science and technology zone, Jiangsu. Applicant after: Suzhou Kang Mei de Medical Technology Co., Ltd. Address before: 215163 Suzhou hi tech Zone, Jiangsu Province, No. 88 Applicant before: Suzhou Institute of Biomedical Engineering and Technology, Chinese Academy of Sciences |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150923 |