CN108233941A - 电子设备、可变速率传输方法以及信号重建方法 - Google Patents

电子设备、可变速率传输方法以及信号重建方法 Download PDF

Info

Publication number
CN108233941A
CN108233941A CN201711399752.XA CN201711399752A CN108233941A CN 108233941 A CN108233941 A CN 108233941A CN 201711399752 A CN201711399752 A CN 201711399752A CN 108233941 A CN108233941 A CN 108233941A
Authority
CN
China
Prior art keywords
electronic equipment
dictionary
signal
samples
reconstruction
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.)
Granted
Application number
CN201711399752.XA
Other languages
English (en)
Other versions
CN108233941B (zh
Inventor
周强
王�华
许云翔
彭宝杞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
MediaTek Inc
Original Assignee
MediaTek Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by MediaTek Inc filed Critical MediaTek Inc
Publication of CN108233941A publication Critical patent/CN108233941A/zh
Application granted granted Critical
Publication of CN108233941B publication Critical patent/CN108233941B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
    • H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
    • H03M7/3084—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction using adaptive string matching, e.g. the Lempel-Ziv method
    • H03M7/3088—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction using adaptive string matching, e.g. the Lempel-Ziv method employing the use of a dictionary, e.g. LZ78
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
    • H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
    • H03M7/3059—Digital compression and data reduction techniques where the original information is represented by a subset or similar information, e.g. lossy compression
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7232—Signal processing specially adapted for physiological signals or for diagnostic purposes involving compression of the physiological signal, e.g. to extend the signal recording period
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0024—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system for multiple sensor units attached to the patient, e.g. using a body or personal area network
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
    • H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
    • H03M7/3059—Digital compression and data reduction techniques where the original information is represented by a subset or similar information, e.g. lossy compression
    • H03M7/3062—Compressive sampling or sensing
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/10—Athletes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/021—Measuring pressure in heart or blood vessels
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/026—Measuring blood flow
    • A61B5/0261—Measuring blood flow using optical means, e.g. infrared light
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Public Health (AREA)
  • Molecular Biology (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

本发明提供了电子设备、可变速率传输方法以及信号重建方法，所述电子设备包括发送电路以及处理电路，处理电路被设置为经由发送电路向另一电子设备输出与信号段对应的CS样本的第一部分，并且进一步被设置为根据另一电子设备的响应，经由发送电路向另一电子设备选择性地输出与信号段对应的CS样本的第二部分。本发明通过采用可变速率传输方案、多分辨率/多尺度重建方案、多级重建方案以及特征点约束等方案来灵活处理CS样本，能够为各种生物信号类型提供高压缩比并能够处理不同类型的噪声和干扰，实现更准确的重建结果，提高重建性能。

Description

电子设备、可变速率传输方法以及信号重建方法
技术领域
本发明涉及压缩感知(compressive sensing，CS)，特别是涉及能灵活处理CS样本的电子设备以及方法。
背景技术
可穿戴传感器设备越来越多地应用于医疗监控，其中，能量效率高、外形小、多信号传感能力和无线通信能力是至关重要的。典型的生物传感器(bio-sensor)系统由生物传感器节点(例如，可穿戴生物传感器设备)构成，其中生物传感器节点可以发送信息到能够接收并处理生物传感器输出数据的数据聚合器(如智能手机)。可穿戴生物传感器设备的一个限制是其功耗。这些可穿戴生物传感器设备需要操作相对持久的工作时间，避免频繁更换电池或充电。一般来说，大部分的电量被发送(transmit,TX)电路(特别是TX电路的功率放大器(amplifier,PA))消耗。减少能耗的一个解决方案是降低数据率。压缩感知(compressive sensing，CS)是通过启用无混叠(alias-free)次奈奎斯特率(sub-Nyquist-rate)采样，来利用稀疏特性实现相应的功率节省的一种信号处理技术。因此，CS对低功耗可穿戴生物传感器设备非常具有吸引力。为了在CS框架中达到良好的压缩比(compressionratio，CR)，重要的是要找到合适的基(basis)。然而，如果所需的信噪比(signal-to-noise,SNR)是20分贝或以上，则通常的固定基(fixed basis)，例如基于小波(wavelet-based)的CS设计，只能实现2至2.5的压缩比(CR)。此外，通常的数据聚合器(如智能手机)采用的重建算法需要一直运行直到信号完全恢复，并且由计算量约束导致的提前停止会显著降低重建质量。此外，通常的数据聚合器(如智能手机)采用的重建算法缺乏处理不同类型噪声和干扰的能力。
因此，需要能够为各种生物信号类型提供高压缩比并能够处理不同类型噪声和干扰的灵活的生物传感系统设计。
发明内容
有鉴于此，本发明提供了电子设备、可变速率传输方法以及信号重建方法，以解决上述问题。
本发明提供了一种电子设备，所述电子设备包括发送电路以及处理电路，处理电路被设置为经由所述发送电路向另一电子设备输出与一信号段对应的压缩感知CS样本的第一部分，并且进一步被设置为根据所述另一电子设备的响应，经由所述发送电路向所述另一电子设备选择性地输出与所述信号段对应的所述CS样本的第二部分。
本发明提供了一种可变速率传输方法，所述方法由一电子设备执行，所述方法包括以下步骤：对与一信号段对应的信号样本执行压缩感知CS，以生成与所述信号段对应的CS样本；输出与所述信号段对应的所述CS样本的第一部分至另一电子设备；从所述另一电子设备接收响应；以及根据所述另一电子设备的响应，向所述另一电子设备选择性地输出与所述信号段对应的所述CS样本的第二部分。
本发明提供了一种电子设备，所述电子设备包括接收电路以及处理电路，处理电路被设置为经由所述接收电路从另一电子设备接收与一信号段对应的压缩感知CS样本的第一部分，并且进一步被设置为根据重建质量要求，选择性地向所述另一电子设备请求与所述信号段对应的所述CS样本的第二部分。
本发明提供了一种可变速率传输方法，所述方法由一电子设备执行，所述方法包括以下步骤：从另一电子设备接收与一信号段对应的压缩感知CS样本的第一部分；根据与所述信号段对应的所述CS样本的所述第一部分执行信号的重建，并估计与所述信号的重建相关的重建质量；以及根据重建质量结果，选择性地向所述另一电子设备请求与所述信号段对应的所述CS样本的第二部分。
本发明提供了一种电子设备，所述电子设备包括存储设备和处理电路，存储设备设置为存储多个字典，所述多个字典包括至少一个第一级字典和至少一个第二级字典；以及处理电路被设置为根据与一信号段对应的压缩感知CS样本以及从所述至少一个第一级字典选择的第一级字典执行信号的第一级重建，并进一步被设置为根据与所述信号段对应的所述CS样本、所述第一级字典和从所述至少一个第二级字典选择的第二级字典选择性地执行所述信号的第二级重建。
本发明提供了一种用于信号重建的方法，所述方法包括：存储多个字典，所述多个字典包括至少一个第一级字典和至少一个第二级字典；以及根据与一信号段对应的压缩感知CS样本以及从所述至少一个第一级字典选择的第一级字典执行信号的第一级重建，并根据与所述信号段对应的所述CS样本、所述第一级字典和从所述至少一个第二级字典选择的第二级字典选择性地执行所述信号的第二级重建。
本发明提供了一种电子设备，所述电子设备包括发送电路、处理电路以及特征点检测电路，处理电路被设置为执行压缩感知CS以生成与一信号段对应的CS样本，并经由所述发送电路向另一电子设备输出与所述信号段对应的所述CS样本的至少一部分；特征点检测电路被设置为检测与所述信号段的至少一个特征点相关的至少一个特征点样本，并经由所述发送电路向所述另一电子设备输出所述至少一个特征点样本。
本发明提供了一种电子设备，所述电子设备包括接收电路以及处理电路，处理电路被设置为经由所述接收电路从另一电子设备接收与一信号段对应的压缩感知CS样本的至少一部分和与所述信号段的至少一个特征点相关的至少一个特征点样本，并根据所述CS样本的所述至少一部分和所述至少一个特征点样本执行信号的重建。
本发明通过采用可变速率传输方案、多分辨率/多尺度重建方案、多级重建方案以及特征点约束等方案来灵活处理CS样本，能够为各种生物信号类型提供高压缩比并能够处理不同类型噪声和干扰，实现更准确的重建结果，提高重建性能。
在结合附图阅读本发明的实施例的以下详细描述之后，本发明的各种目的、特征和优点将是显而易见的。然而，这里使用的附图仅以解释说明为目的，而不应被视为本发明的限制。
附图说明
在浏览了下文的具体实施方式和相应的附图后，本领域技术人员将更容易理解上述本发明的目的和优点。
图1是根据本发明的实施方式例示基于CS的数据处理系统的示意图。
图2是根据本发明的实施方式例示自适应控制一个超级块的TX速率的方法的流程图。
图3是根据本发明的实施方式例示自适应请求一个超级块的CS样本的方法的流程图。
图4根据本发明的实施方式例示了可变速率传输方案改善的超级块的有效压缩比率的示意图。
图5是根据本发明的实施方式例示系数衰减率和CS重建的信噪比之间关系的示意图。
图6是根据本发明的实施方式例示计算系数衰减率的示例的示意图。
图7是根据本发明的实施方式例示多分辨率和多级重建方案的示意图。
图8是根据本发明的实施方式例示重建质量与在线字典更新使用的新CS样本的数量之间的关系的示意图。
图9是根据本发明的实施方式例示对低分辨率字典和高分辨率字典进行字典加权的示意图。
图10根据本发明的实施方式例示了原始信号、没有点约束的常规重建生成的重建信号以及具有点约束的重建生成的重建信号的示意图。
图11例示了图10所示信号的中间部分的放大图。
具体实施方式
系统设计中会存在许多权衡折衷。例如，压缩比、字典大小(dictionary size)和重建算法的设置均会影响质量和速度。更高的压缩比会导致低质量和更快的处理速度，较低的压缩比会导致更高的质量和较慢处理速度。较小的字典大小导致低质量和更快的处理速度，较大的字典大小导致更高的质量和较慢的处理速度。提前停止的重建算法导致较低的质量和更快的处理速度，而运行至全面完成的重建算法导致更高的质量和较慢的处理速度。为了在压缩率和重建质量/速度之间达到平衡，本发明提出了可变速率(variablerate)传输方案。为了在字典大小和重建质量/速度之间达到平衡，本发明提出了多分辨率/多尺度(multi-scale)的重建方案。为了在重建算法设置和重建质量/速度之间达到平衡，本发明提出了多级(multi-stage)重建方案。此外，为了提高重建质量，本发明进一步提出了使用加权字典、执行在线字典更新和/或增加点约束(point constraint)。下面将参照附图进一步描述这些创新的信号处理策略的细节。在一个示例的设计中，基于压缩感知(CS)的数据处理系统可以使用提出的一种信号处理策略来实现良好的性能。在另一个示例设计中，基于CS的数据处理系统可以采用提出的不同信号处理策略的组合来实现更好的性能。
图1是根据本发明的实施方式例示基于CS的数据处理系统的示意图。举例而言，但并非是对本发明的限制，基于CS的数据处理系统1可以是无线生物感知(bio-sensing)系统。如图1所示，基于CS的数据处理系统1包括源电子设备(例如，可穿戴的生物传感器设备)10和目的地电子设备(如智能手机)20。源电子设备10包括信号源(例如，生物传感器)102、模拟前端(analog front end,AFE)104、模拟数字转换器(analog-to-digital converter,ADC)106、处理电路108、存储设备110、特征点(feature point)检测电路112、TX电路114和RX电路116。处理电路108被配置为具有例如样本生成块的多个子模块117，以及具有传输控制块(标识为“TX Ctrl”)118。目的地电子设备20包括RX电路122、TX电路124、处理电路126和存储设备128。处理电路126被配置为具有例如质量估计模块(标识为“Quality Est”)的多个子模块129、数据请求控制块(标识为“REQ Ctrl”)130和数据重建块(标识为“DataRec”)131。在这个实施方式中，在源电子设备10中只有一个信号源102。另外，源电子设备10可以是被配置为具有多个信号源(例如，生物传感器)102的多传感器设备。
为了清晰和简单起见，下面假设信号源102是用于生成待被压缩和传送的生物信号的生物传感器。例如，生物信号可以是心电图(electrocardiogram，ECG)信号、血管容积图(photoplethysmogram，PPG)信号或动脉血压(arterial blood pressure，ABP)信号。然而，这些只是用作示例目的，并不是对本发明的限制。
由于生物信号是模拟信号，它由AFE 104首先预处理，然后被送入至ADC 106。例如，AFE 104可以包括低噪声放大器(low-noise amplifier，LNA)。在这个实施方式中，样本生成块117被配置为在数字域执行压缩感知。因此，ADC 106根据ADC时钟频率定义的采样率对生物信号执行模拟数字转换，以产生信号样本(例如，ECG信号样本)。样本生成块117对信号样本执行数字压缩感知，以生成CS样本。数字压缩感知用于将N个输入样本X＝[x1···xN]T压缩为M个输出样本Y＝[y1···yM]T，压缩比CR＝N/M。数字压缩感知可以使用一个简单的矩阵方程Y＝ΦX来表示，其中大小为N的未压缩的输入向量X乘以大小为M×N的测量矩阵Φ，产生大小为M的测量向量Y。通常情况下，Φ是由独立同分布(identicallydistributed)的随机数构成的数组，因此Y是X在Φ上的随机线性投影(projection)向量，Φ包含用于以高概率重建原始信号X的所有信息。传感器节点的压缩感知(即，随机采样)，可以压缩信号样本，以减少待传送到数据聚合器(如智能手机)的数据，从而减少传感器节点的功耗。
在一个示例设计中，源电子设备(例如，生物传感器设备)10采用可变速率传输方案，以实现压缩比和重建质量/速度之间的平衡。TX控制块118以超级块(mega bock)为基础控制CS样本传输，其中当从数字压缩感知收集的CS样本的数量达到预设大小时，该超级块准备就绪。换句话说，ADC 106对生物信号的一定数量的信号段进行采样，以产生由信号样本组成的一定大小的数据组(data group)，该数据组通过在样本生成块117处以预定CR进行数字压缩感知而被压缩，以产生该超级块。基于超级块的操作可以减少重复的唤醒和设置时间，并且由于连续传送因而可以节省功率。
根据提出的可变速率传输方案，源电子设备10的TX控制块118通过TX电路114输出超级块(对应于生物信号在信号时间窗内的信号段)中的部分CS样本到目的地电子设备20，并根据目的地电子设备20的响应通过TX电路114选择性地输出同一超级块(对应于生物信号在同一时间窗内的同一信号段)中CS样本的另一部分到目的地电子设备20。换句话说，一个超级块的TX速率取决于目的地电子设备20的反馈。由于一个超级块的TX速率是可变的，因此生物信号的未压缩数据与从源电子设备10实际传送到目的地电子设备20的压缩数据之间的有效压缩比率是可变的。
图2是根据本发明的实施方式例示自适应控制一个超级块的TX速率的方法的流程图。例如，图2所示的方法可以由处理电路108执行，处理电路108包括样本生成块117和TX控制块118。此外，在结果基本相同的情况下，无需严格按照图2所示的先后顺序来执行步骤。如上所述的，样本生成块117对由模拟生物信号经采样生成的信号样本执行压缩感知，并获取CS样本，该CS样本是根据预定CR(例如，CR＝2)从信号样本随机选择。因此，在步骤202，样本生成块117执行压缩感知，以生成由与生物信号的一个信号段对应的CS样本组成的一个超级块。存储设备110可以配置为在其中具有一个或多个缓冲区用于缓冲CS样本。例如，假设压缩感知采用特定CR并且超级块的大小由SMB设置，由SMB*CR个信号样本(该SMB*CR个信号样本通过对时间窗内的生物信号的信号段进行采样而生成)组成的数据组在样本生成块117处被压缩感知(即，随机采样)处理后，由SMB个CS样本组成的一个超级块在存储设备110中准备就绪。
在步骤204，TX控制块118通过TX电路114只输出当前超级块中CS样本的第一部分到目的地电子设备20。当传送的一个超级块中CS样本的第一部分的大小等于时，生物信号的未压缩数据与从源电子设备10实际传送到目的地电子设备20的压缩数据之间的有效压缩比率等于A·CR。应该注意，当前超级块中CS样本的剩余部分保存在存储设备110中，此刻不传送到目的地电子设备20。
在步骤206，TX控制块118等待目的地电子设备20的响应。步骤208，TX控制块118检查经由RX电路116从目的地电子设备20是否收到请求当前超级块的更多CS样本的请求REQ。如果没有收到请求REQ，则TX控制块118检查超时标准是否满足(步骤212)。当满足超时标准时，则表示TX控制块118被允许将可变速率传输应用到下一个超级块，并且从存储设备110清除当前超级块。如果超时标准不满足，流程执行步骤208，继续检查是否收到请求更多CS样本的请求REQ。。
如果步骤208收到请求REQ，则TX控制块118通过TX电路114输出当前超级块中CS样本的第二部分至目的地电子设备20(步骤210)。在可变速率传输方案只支持两种TX速率的情况下，当前超级块中CS样本的第二部分就是在存储设备110中当前缓冲的当前超级块中CS样本的剩余部分。因此，生物信号的未压缩数据与从源电子设备10实际传送到目的地电子设备20的压缩数据之间的有效压缩比率等于CR。此外，存储设备110可以配置为具有第一缓冲区和第二缓冲区，其中当前超级块中CS样本的第一部分存储在第一缓冲区，当前超级块中CS样本的第二部分存储在第二缓冲区。
在另一种情况下，可变速率传输方案可以支持两种以上的TX速率，当前超级块中CS样本的第二部分是在存储设备110中当前缓冲的当前超级块中CS样本的剩余部分的一部分。因此，当一个超级块中传送的第二部分CS样本的大小等于时，生物信号的未压缩数据与从源电子设备10实际传送到目的地电子设备20的压缩数据之间的有效压缩比率变成此外，存储设备110可以配置为具有两个以上的缓冲区，当前超级块中CS样本的不同部分分别存储到不同的缓冲区。
目的地电子设备124的RX电路122接收从源电子设备10的TX电路114传送的一个超级块的CS样本。数据重建块131根据接收到的一个超级块的CS样本执行数据组的重建(也称为信号的重建)，以获取重建信号样本。如上所述的，处理电路108执行的数字压缩感知用于将N个输入样本X＝[x1···xN]T压缩成M个输出样本Y＝[y1···yM]T，其中压缩比CR＝N/M。假设输入样本X在N×N稀疏基(或字典)Ψ中是K稀疏(K-Sparse)的，因此X＝ΨS，其中S是大小为N的系数向量，S中只包含k个非零系数k＜＜N。当稀疏基Ψ和测量矩阵Φ是不相关的时，可以保证准确的重建。数字压缩感知可以使用简单的矩阵方程Y＝ΦX来表示。由于X＝ΨS，则矩阵方程Y＝ΦX可以重新表示为Y＝ΦΨS。由于矩阵方程Y＝ΦΨS中测量向量Y、测量矩阵Φ和稀疏基(或字典)Ψ是已知的，则可以通过利用系数向量S的稀疏性并使用适当的重建/近似算法，得出系数向量S。在得出系数向量S后，可以通过将稀疏基矩阵Ψ乘以系数向量S中的投影系数得出重建的信号样本即
如上所述的，由ADC 106对时间窗内生物信号的信号段采样，以产生由信号样本组成的数据组，数据组在样本生成块117处通过压缩感知被压缩，以产生超级块，根据提出的可变速率传输方案超级块被完全传送或部分传送。根据提出的可变速率传输方案，目的地电子设备20的数据重建块131通过接收电路122从源电子设备10接收超级块(对应于时间窗内生物信号的信号段)中CS样本的一部分，并且根据目的地电子设备20的质量估计块129处执行的重建质量要求，目的地电子设备20的请求控制块130选择性地向源电子设备10请求同一超级块(对应于同一时间窗内生物信号的同一信号段)中CS样本的另一部分。
图3是根据本发明的实施方式例示自适应请求一个超级块的CS样本的方法的流程图。例如，图3所示的方法可以由处理电路126执行，处理电路126包括质量估计块129、请求控制块130和数据重建块131。此外，在结果基本相同的情况下，无需严格按照图3所示的先后顺序来执行步骤。在步骤302，数据重建块131通过接收电路122从源电子设备10接收当前超级块中CS样本的第一部分。在步骤304，数据重建块131根据接收的当前超级块中CS样本的第一部分执行数据组的重建(也称为信号的重建)，其中当前超级块是通过对数据组采用数字压缩感知而生成的，其中数据组由对时间窗内的生物信号的信号段进行采样而生成的信号样本组成。在步骤306，质量估计块129估计与信号(数据组)的重建相关的重建质量。在步骤308，请求控制块130检查估计的重建质量是否符合重建质量要求。如果估计的重建质量不符合重建质量要求，则请求控制块130发布用于请求上述当前超级块中CS样本的第二部分的请求REQ(步骤310)，数据重建块131根据之前收到的当前超级块中CS样本的第一部分和新收到的当前超级块中CS样本的第二部分，再次执行重建(步骤304)。如果估计的重建质量符合重建质量要求，则请求控制块130不需要发布用于请求更多CS样本的请求REQ，并且用于重建当前数据组的数据请求控制完成。
根据可变速率传输方案，源电子设备10根据在目的地电子设备20执行的重建质量估计的结果，自适应调整TX速率。在从源电子设备10仅传送了一个超级块的CS样本的第一部分的情况下，当估计的重建质量能满足重建质量要求时，生物信号的未压缩数据与从源电子设备10实际传送到目的地电子设备20的压缩数据之间的有效压缩比率可以大于压缩感知所采用的初始压缩比率(例如，CR＝2)，如图4中所示。其中图4根据本发明的实施方式例示了由可变速率传输方案改善的超级块的有效压缩比率的示意图。当可变速率传输方案支持多个不同的TX速率时，与超级块相关的有效的压缩比率可以从多个不同的压缩比率中选择。
当CR(即，N/M)较高时，其中N远远大于M，方程Y＝ΦΨS是欠定(under-determined)的系统。因为列多于行，因而可以具有更大的自由来形成匹配的投影(matchedprojection)。因此，对于高CR，CS重建的准确性较差。正如上面提到的，处理电路126执行重建质量估计，以确定是否需要更多的CS样本来实现更准确的重建结果。然而，信噪比是基于原始信号和重建信号的比较，接收端在没有原始信号的情况下不能以在线方式测量。本发明提出了通过对由数据组重建所构建的系数(即，重建/近似算法所构建的系数向量S中的系数)执行稀疏检查(sparseness check)来估计重建质量。例如，稀疏检查可以包括计算系数的衰减率(decay rate)并使用计算的衰减率作为重建质量的指示。当计算的衰减率大于阈值时，确定重建质量要求被满足。当计算的衰减率不大于阈值时，确定不满足重建质量要求。
图5是根据本发明的实施方式例示系数衰减率和CS重建的信噪比之间关系的示意图。如图5所示，衰减率与信噪比呈正相关。换句话说，更高的衰减率意味着更好的信噪比，较低的衰减率意味着较差的信噪比。由于衰减率可以通过在线方式计算，因而衰减率可用于重建质量估计。
图6是根据本发明的实施方式例示计算系数衰减率的示例的示意图。为了清楚和简洁起见，仅例示了前五个非零系数。系数的衰减可以模拟成指数函数。因此，可以通过对系数幅度的对数进行最小二乘(least square,LS)拟合来近似衰减率。当计算的衰减率呈现出较快的衰减时，重建质量较好。
在一个示例设计中，目的地电子设备20可以采用多分辨率/多尺度重建方案，以实现字典大小和重建质量/速度之间的平衡。在另一个示例设计，目的地电子设备20采用多级重建方案，以实现重建算法控制设置和重建质量/速度之间的平衡。在另一个示例设计中，目的地电子设备20采用多分辨率和多尺度重建方案，以实现字典大小和重建质量/速度之间的平衡。下面详细描述多分辨率和多级重建方案。
图7是根据本发明的实施方式例示多分辨率和多级重建方案的示意图。多分辨率重建方案需要多分辨率/多尺度字典(例如，多分辨率/多尺度信号字典DS，多分辨率/多尺度残差字典DR，和/或多分辨率/多尺度噪声字典DN)。多级重建方案需要不同类型的字典(例如，信号字典和残差字典，信号字典和噪声字典，或者信号字典、残差字典和噪声字典)。在这个实施方式中，每个字典可以源自离线字典学习得到。如上所述，信号样本可在稀疏基(或字典)Ψ中压缩，从而信号样本可以使用字典Ψ的几个原子(atom)的线性组合来表示的。字典Ψ可以是基于数据的数学模型或者可以是直接从数据中学习得到的。直接从离线训练中学习字典(learning a dictionary)而不是使用预先确定的字典(如小波字典)通常会产生更加稀疏的表示和更好的重建质量。例如，ECG信号在小波域并非是真正的稀疏。因此，任何现有的小波波形都与ECG信号不足够匹配。因此，学习用于ECG信号的字典似乎是更好的选择。学习字典的一个优势是，它在由字典中原子构成的空间中更加稀疏，因此需要收集较少的CS样本。学习字典的另一个优势是，完备的字典能够降低噪声，从而允许每个CS样本的低分辨率以降低码率。
目的地电子设备20的存储设备128用于存储学习得到的字典，该字典是通过离线字典学习获得的并且之后用于在线信号重建使用。离线字典学习收集生物信号样本(如ECG信号样本)、对收集的生物信号样本应用预处理(如，去除直流和噪声滤波)、使用字典学习算法以得到具有不同分辨率的信号字典(例如，具有不同字典大小的信号字典)、在存储设备128保存学习得到的信号字典、以及学习信号字典的不同尺度(可用于字典权重)之间的映射。此外，离线字典学习使用相同的生物信号样本以得到具有不同分辨率的残差字典(例如，具有不同字典大小的残差字典)、学习残差字典的不同尺度(可用于字典权重)之间的映射、并在存储设备128保存习得的残差字典。例如，可以基于利用信号字典执行重建后得到的重建残差/错误而获得残差字典。
此外，离线字典学习收集干扰/噪声信号样本(例如，基线漂移(baselinewandering)样本、电极移动样本、肌肉运动样本、和/或50/60Hz电源线干扰样本)、对收集的干扰/噪声信号样本应用预处理(如，去除直流和噪声滤波)、使用字典学习算法以得到具有不同分辨率的噪声字典(例如，具有不同字典大小的噪声字典)、学习噪声字典的不同尺度(可用于字典权重)之间的映射、以及在存储设备128存储习得的噪声字典。
可以根据重建质量要求从多分辨率/多尺度信号字典DS中选择在线多级重建所需的信号字典。同样地，可以根据重建质量要求从多分辨率/多尺度残差字典DR中选择在线多级重建所需的残差字典，以及可以根据重建质量要求从多分辨率/多尺度噪声字典DN中选择在线多级重建所需的噪声字典。例如，针对低重建质量要求，选择具有较小字典大小的低分辨率字典，以及针对高重建质量要求，选择具有较大字典大小的高分辨率字典。
根据提出的多级重建方案，数据重建块131根据一个超级块的CS样本和第一级字典执行信号(数据组)的第一级(first-stage)重建，并根据CS样本、第一级字典和第二级字典选择地执行信号(数据组)的第二级重建。换句话说，当标准满足时可以旁路掉第二级重建，从而实现具有快速重建速度的所需重建质量。
如图7所示，数据重建块131根据超级块的CS样本和信号字典执行数据组的重建(以“REC”表示)，质量估计块129执行质量估计(以“QE”表示)，用于估计与数据组的重建相关的重建质量，以确定如果重建质量要求是否满足。例如，质量估计(以“QE”表示)可以采用上述的质量估计策略，上述质量估计策略通过例如计算系数的衰减率对系数执行稀疏检查并使用计算的衰减率作为重建质量的指示。
当估计的重建质量不满足重建质量要求时，数据重建块131结合信号字典和残差字典获得扩展字典，并根据超级块的CS样本和扩展字典(该扩展字典具有级联到信号字典的残差字典)再次执行信号(数据组)的重建。接下来，数据重建块131对重建的信号样本执行场景检测(scene detection，SC)以确定是否存在噪声(例如，基线漂移噪声、电极移动噪声、肌肉运动噪声、和/或50/60Hz电源线干扰)。当场景检测表明存在噪声时，数据重建块131结合信号字典、残差字典和噪声字典获得扩展的字典，并根据超级块的CS样本和扩展字典(扩展字典具有级联到信号字典的残差字典和噪声字典)再次执行信号(数据组)的重建以获取最终重建结果。当场景检测表明不存在噪声时，数据重建块131旁路根据超级块的CS样本和扩展字典(该扩展字典具有级联到信号字典的残差字典和噪声字典)执行的信号(数据组)重建，并获取根据超级块的CS样本和扩展字典(该扩展字典具有级联到信号字典的残差字典)执行的信号(数据组)重建所生成的最终重建结果。
当估计的重建质量符合重建质量要求时，数据重建块131旁路根据超级块的CS样本和扩展字典(该扩展字典具有级联到信号字典的残差字典)执行的信号(数据组)重建。接着数据重建块131对重建的信号样本执行场景检测，以确定是否存在噪声(例如，基线漂移噪声、电极移动噪声、肌肉运动噪声、和/或50/60Hz电源线干扰)。当场景检测表明存在噪声时，数据重建块131结合信号字典和噪声字典获得扩展字典，并根据超级块的CS样本和扩展字典(该扩展字典具有级联到信号字典的噪声字典)再次执行信号(数据组)的重建以获取最终重建结果。当场景检测表明不存在噪声时，数据重建块131旁路根据超级块的CS样本和扩展字典(该扩展字典具有级联到信号字典的噪声字典)执行的信号(数据组)重建，并获取根据超级块的CS样本和信号字典执行的信号(数据组)重建所生成的最终重建结果。
使用噪声字典能够实现信号-噪声分离。例如，通过组合信号字典Ψsignal和噪声字典Ψnoise获得的扩展字典可以表示为[ΨsignalΨnoise]。因此，矩阵方程Y＝ΦΨS可以重新写为Y＝Φ[ΨsignalΨnoise][SsignalSnoise]T。在利用适当的重建/近似算法获得系数向量Ssignal和Snoise后，系数向量Snoise被丢弃，并且系数向量Ssignal与信号字典Ψsignal相乘，以获得去噪的(de-noised)重建信号样本。应该注意的是，可以与损伤(impairment)(即，噪声)相类似地处理重建残差。例如，系数向量Sresidual被丢弃，以及系数向量Ssignal与信号字典Ψsignal相乘，以获得残差补偿后的(residual-compensated)重建信号样本。
在图7所示的实施方式，初始重建阶段使用信号字典，中间重建阶段使用通过组合信号字典和残差字典创建的扩展字典，最后的重建阶段使用通过组合信号字典、残差字典和噪声字典创建的扩展字典或者通过组合信号字典和噪声字典创建的扩展字典。然而，这仅仅用于示例，并不意味着对本发明的限制。另外，初始重建阶段使用信号字典，中间重建阶段使用通过组合信号字典和噪声字典创建的扩展字典，最后的重建阶段使用通过组合信号字典、残差字典和噪声字典创建的扩展字典或者通过组合信号字典和残差字典创建的扩展字典。换句话说，残差处理和干扰或噪声处理的顺序可以改变，取决于实际的设计考虑。
如上所述，质量估计结果可用于控制下一重建阶段的开启，其中下一重建阶段可用于改善重建信号样本的准确性。在本发明的一些实施方式，质量估计结果可以用来开启对当前使用的信号字典的在线字典更新。例如，数据重建块131使用估计的重建质量来检查字典是否适当。当质量估计块129获得的估计的重建质量不符合重建质量要求时，请求控制块130从源电子设备10请求新的CS样本，数据重建块131根据新的CS样本对信号字典执行在线字典更新。需要合理数量的新CS样本，来整修(refit)当前的信号字典。然而，对当前的信号字典的整修仍然比学习新的信号字典要快。
图8是根据本发明的实施方式例示重建质量与在线字典更新使用的新CS样本的数量之间的关系的示意图。通过离线字典学习所获得的公共字典(common dictionary)可以作为起点。信噪比的基线是15dB。因此，当信噪比≧15dB时，满足重建质量要求。如图8所示，使用公共字典无法满足重建质量要求。通过合理数量的新CS样本更新公共字典后，使用更新后的字典能够满足重建质量要求。换句话说，通过对字典执行在线字典更新可以提高重建质量。
当源电子设备10采用可变速率传输方案时，通过向目的地电子设备20传输一个超级块中的更多CS样本，可以提高重建质量。当启用在线字典更新时，离线习得的字典可以被在线更新，以适应新的情况，从而通过使用更新后的字典可以提高重建质量。在本发明的一些实施方式，提出的质量控制策略，包括可变速率传输和在线字典更新，可以均用于重建质量改善。
可以通过离线字典学习获得多分辨率/多尺度信号字典DS、多分辨率/多尺度残差字典DR、和多分辨率/多尺度噪声字典DN。正如上面提到的，离线字典学习的同时也学习字典的不同尺度的映射。例如，具有较小字典大小的低分辨率字典与具有较大字典大小的高分辨率字典之间的恰当的映射也可以由离线字典学习来习得，并且可以记录在存储设备128中。在本发明的一些实施方式，数据重建块131通过如下方式对低分辨率字典和高分辨率字典执行字典加权：对于低分辨率字典的每个原子，计算其与高分辨率字典中每个原子的相关系数，并根据相关系数的大小决定每个高分辨率原子的加权的权重。所以与低分辨率重建中得到的原子比较相近的高分辨率原子会具有更大的权重，如图9所示。其中图9是根据本发明的实施方式例示对低分辨率字典和高分辨率字典进行字典加权的示意图。因此，部分高分辨率字典将被初始化为具有高权重。在基于相同的重建算法的情况下，与没有加权的高分辨率字典相比，通过对权重的适当初始化，利用高分辨率字典的重建不仅可以产生更好的质量，还造成更快的收敛速度。
压缩感知是基于随机投影(即，随机采样)的思想，其将整个块的信息压缩成少量的测量值。然而，对于某些生物信号，存在一些特殊的特征点(feature point)。例如，ECG信号具有P、Q、R、S、T点。由于随机采样的固有特性，随机采样不能保证保留这些重要的特征点。也就是说，当生物信号的信号段具有重要特征点时，通过随机投影得到的相关CS样本有可能不保留这些重要特征点的所有信息。为了解决这个问题，本发明提出了利用特征点检测寻找特征点样本，并发送已找到的至少部分(即，部分或全部)特征点样本到目的地电子设备20。随机采样和特征点采样可以组合成统一的框架，以实现更好的重建结果。CS重建可以结合考虑CS样本和特征点样本，以产生更准确的近似结果，其中每个特征点样本都是对CS重建的点约束(point constraint)。
样本生成块117执行压缩感知以生成与时间窗内的生物信号的信号段对应的CS样本，并通过TX电路114输出CS样本到目的地电子设备20。当启用了可变速率传输方案时，传送的CS样本可以是一个超级块的CS样本的一部分。当特征点检测也启用了时，特征点检测电路112使用特征点检测算法来检测与信号段的至少一个特征点相关的至少一个特征点样本，通过TX电路114输出该至少一个特征点样本到目的地电子设备20。由于样本生成块117在数字域执行压缩感知，特征点检测电路112也可以在数字域执行特征点检测，以利用数字压缩感知的设计。因此，简单的特征点检测算法，例如单遍扫描算法(one-passalgorithm)，可以用来检测特征点。这可以减少硬件的复杂性。此外，在特征点样本被发送之前，可以对特征点样本应用加权，其中较大的权重将使得特征点约束更有效。
数据重建块131通过RX电路122从源电子设备10接收与生物信号的信号段对应的CS样本和与生物信号的信号段的至少一个特征点相关的至少一个特征点样本，并根据CS样本和至少一个特征点样本执行数据组(信号)重建，其中至少一个特征点样本作为重建数据组时的至少一个点约束。点约束可以合并成到其中对特征点样本进行了加权的一般CS形式。
考虑到矩阵方程Y＝ΦΨS，当增加了点约束时，测量向量Y变为[Yβ×(p1)··β×(pN)]T，其中p1至pN是特征点样本，β是特征点的权重因子。应该注意的是，在对测量向量Y添加了附加样本(即，特征点样本)后，测量矩阵Φ和字典Ψ应当正确地扩展。下面提供了扩展的测量矩阵Φ和扩展的字典Ψ的例示，进行示例说明。
添加点约束可以使得在它们邻域附近有更好的近似。图10根据本发明的实施方式例示了原始信号、没有点约束的常规重建生成的重建信号以及具有点约束的重建生成的重建信号的示意图。图11例示了图10所示信号的中间部分的放大图。原始信号具有多个重要的特征点，如左端点P1、右端点P2、全局最大值点P3、P3周围左侧局部最小值点P4、P3周围右侧局部最小值点P5、P1和P4之间局部最大值点P6以及P5和P2之间局部最大值点P7。应该注意的是，并不是所有的点在所有时间内都存在。在图10所示的示例，特征点P7并不存在。与没有点约束的常规重建生成的重建信号相比，具有点约束的重建生成的重建信号在特征点周围具有更好的近似。此外，对于较大CR，点约束通常更有效，并且点约束对保证两个相邻信号块之间的连续性有帮助。当目的地电子设备20采用多级重建方案时，点约束可以与使用信号字典的一个重建级一起执行，或者与使用扩展字典(由信号字典和残余字典组成)的另一个重建级一起执行。
特征点检测电路112得到的特征点检测结果还可以提供生物信号的复杂度的信息。例如，在特征点检测结果中包含的检测到的特征点样本的数量可用于预测信号的复杂度。当检测到的特征点样本的数量很大时，生物信号具有较高的复杂度。当检测到的特征点样本的数量很小时，生物信号具有低复杂度。因此，处理电路108可以使用特征点检测结果来控制压缩比。例如，当源电子设备10采样可变速率传输方案时，TX控制块118进一步参考特征点检测结果来设置一个超级块的CS样本的第一部分(即，初始发送到目的地电子设备20的CS样本)的大小。当特征点检测结果表明信号复杂度较低，一个超级块的CS样本的第一部分的大小可以设置为较小的值(例如，)。当特征点检测结果表明信号具有较高的复杂度，一个超级块的CS样本的第一部分的大小可以设置为较小的值(例如，)。通过这种方式，可以减少或者避免来自目的地电子设备20的反馈造成的延迟。
如上所述的，特征点检测电路112得到的特征点检测结果可以提供生物信号的复杂度的信息。因此，在特征点检测结果中包含的检测到的特征点样本的数量还可用于预测在目的地电子设备20处的重建质量。当检测到的特征点样本的数量很大时，生物信号可能具有高复杂度，目的地电子设备20处估计的重建质量可能较低。当检测到的特征点样本的数量较小时，生物信号可能具有低复杂度，目的地电子设备20处估计的重建质量可能较高。因此，特征点检测结果可以由特征点检测电路112用来控制发送到目的地电子设备20的特征点样本的数量。换句话说，特征点检测电路112可以根据与生物信号的每个信号段相关联的特征点检测结果，动态地改变传送到目的地电子设备20的特征点样本的数量。
本领域技术人员将容易理解，可以在保留本发明的原理的同时实现装置和方法的许多修改和变型。因此，上述公开内容应被解释为仅由所附权利要求的范围和限制来限制。

Claims (42)

1.一种电子设备，所述电子设备包括：
发送电路；以及
处理电路，被设置为经由所述发送电路向另一电子设备输出与一信号段对应的压缩感知CS样本的第一部分，并且进一步被设置为根据所述另一电子设备的响应，经由所述发送电路向所述另一电子设备选择性地输出与所述信号段对应的所述CS样本的第二部分。
2.如权利要求1所述的电子设备，其特征在于，所述电子设备进一步包括：
接收电路；
其中，当所述处理电路通过所述接收电路从所述另一电子设备接收到请求与所述信号段对应的更多CS样本的请求时，所述处理电路经由所述发送电路向所述另一电子设备输出与所述信号段对应的所述CS样本的所述第二部分；当所述处理电路没有从所述另一电子设备接收到所述请求时，所述处理电路不向所述另一电子设备输出与所述信号段对应的所述CS样本的所述第二部分。
3.如权利要求2所述的电子设备，其特征在于，所述电子设备进一步包括：
存储设备；
其中，所述处理电路被进一步设置为将与所述信号段对应的所述CS样本的所述第二部分转储到所述存储设备；当所述处理电路没有接收到所述请求时，与所述信号段对应的所述CS样本的所述第二部分被保存在所述存储设备中；当所述处理电路接收到所述请求时，与所述信号段对应的所述CS样本的所述第二部分被从所述存储设备中读取出来并接着被发送至所述另一电子设备。
4.如权利要求1所述的电子设备，其特征在于，所述电子设备进一步包括：
特征点检测电路，被设置为检测与所述信号段的至少一个特征点相关联的至少一个特征点样本并生成特征点检测结果，并经由所述发送电路向所述另一电子设备输出所述至少一个特征点样本。
5.如权利要求4所述的电子设备，其特征在于，所述处理电路进一步被设置为参考所述特征点检测结果，以设置发送至所述另一电子设备的所述CS样本的所述第一部分的大小。
6.如权利要求4所述的电子设备，其特征在于，所述特征点检测电路根据所述特征点检测结果，动态改变发送到所述另一电子设备的所述至少一个特征点样本的数量。
7.一种可变速率传输方法，所述方法由一电子设备执行，所述方法包括以下步骤：
对与一信号段对应的信号样本执行压缩感知CS，以生成与所述信号段对应的CS样本；
输出与所述信号段对应的所述CS样本的第一部分至另一电子设备；
从所述另一电子设备接收响应；以及
根据所述另一电子设备的响应，向所述另一电子设备选择性地输出与所述信号段对应的所述CS样本的第二部分。
8.如权利要求7所述的方法，其特征在于，根据所述另一电子设备的响应向所述另一电子设备选择性地输出与所述信号段对应的所述CS样本的第二部分的步骤包括：
当从所述另一电子设备接收到请求与所述信号段对应的更多CS样本的请求时，向所述另一电子设备输出与所述信号段对应的所述CS样本的所述第二部分；
当没有从所述另一电子设备接收到所述请求时，不向所述另一电子设备输出与所述信号段对应的所述CS样本的所述第二部分。
9.如权利要求7所述的方法，其特征在于，所述方法进一步包括：
检测与所述信号段的至少一个特征点相关联的至少一个特征点样本并生成特征点检测结果，并向所述另一电子设备输出所述至少一个特征点样本。
10.如权利要求9所述的方法，其特征在于，所述方法进一步包括：
参考所述特征点检测结果，设置发送至所述另一电子设备的所述CS样本的所述第一部分的大小。
11.如权利要求9所述的方法，其特征在于，根据所述特征点检测结果，动态改变发送到所述另一电子设备的所述至少一个特征点样本的数量。
12.一种电子设备，所述电子设备包括：
接收电路；以及
处理电路，被设置为经由所述接收电路从另一电子设备接收与一信号段对应的压缩感知CS样本的第一部分，并且进一步被设置为根据重建质量要求，选择性地向所述另一电子设备请求与所述信号段对应的所述CS样本的第二部分。
13.如权利要求12所述的电子设备，其特征在于，所述处理电路进一步被设置为根据与所述信号段对应的所述CS样本的所述第一部分执行信号的重建，并且估计所述信号的重建质量，以确定所述重建质量要求是否被满足。
14.如权利要求13所述的电子设备，其特征在于，通过对在所述信号的重建中得到的稀疏基中的系数执行稀疏检查，来估计所述重建质量。
15.如权利要求14所述的电子设备，其特征在于，所述稀疏检查包括计算所述系数的衰减率，并使用所述衰减率作为所述重建质量的指示。
16.如权利要求13所述的电子设备，其特征在于，所述电子设备进一步包括：
发送电路；
其中当估计的重建质量不满足所述重建质量要求时，所述处理电路经由所述发送电路向所述另一电子设备发出请求用于请求与所述信号段对应的所述CS样本的所述第二部分；当估计的重建质量满足所述重建质量要求时，所述处理电路不向所述另一电子设备请求与所述信号段对应的所述CS样本的所述第二部分。
17.如权利要求12所述的电子设备，其特征在于，所述处理电路进一步被设置为经由所述接收电路从所述另一电子设备接收与所述信号段的至少一个特征点相关的至少一个特征点样本，并根据所述CS样本的所述第一部分和所述至少一个特征点样本执行信号的重建。
18.一种可变速率传输方法，所述方法由一电子设备执行，所述方法包括以下步骤：
从另一电子设备接收与一信号段对应的压缩感知CS样本的第一部分；
根据与所述信号段对应的所述CS样本的所述第一部分执行信号的重建，并估计所述信号的重建质量；以及
根据重建质量要求，选择性地向所述另一电子设备请求与所述信号段对应的所述CS样本的第二部分。
19.如权利要求18所述的方法，其特征在于，根据重建质量要求选择性地向所述另一电子设备请求与所述信号段对应的所述CS样本的第二部分的步骤包括：
当估计的重建质量不满足所述重建质量要求时，向所述另一电子设备发出请求用于请求与所述信号段对应的所述CS样本的所述第二部分；
当估计的重建质量满足所述重建质量要求时，不向所述另一电子设备请求与所述信号段对应的所述CS样本的所述第二部分。
20.如权利要求18所述的方法，其特征在于，通过对在所述信号的重建中得到的稀疏基中的系数执行稀疏检查，来估计所述重建质量。
21.如权利要求20所述的方法，其特征在于，所述稀疏检查包括计算所述系数的衰减率，并使用所述衰减率作为所述重建质量的指示。
22.如权利要求18所述的方法，其特征在于，所述方法进一步包括：
从所述另一电子设备接收与所述信号段的至少一个特征点相关的至少一个特征点样本，并根据所述CS样本的所述第一部分和所述至少一个特征点样本执行所述信号的重建。
23.一种电子设备，所述电子设备包括：
存储设备，设置为存储多个字典，所述多个字典包括至少一个第一级字典和至少一个第二级字典；以及
处理电路，设置为根据与一信号段对应的压缩感知CS样本以及从所述至少一个第一级字典选择的第一级字典执行信号的第一级重建，并进一步被设置为根据与所述信号段对应的所述CS样本、所述第一级字典和从所述至少一个第二级字典选择的第二级字典选择性地执行所述信号的第二级重建。
24.如权利要求23所述的电子设备，其特征在于，所述第一级字典是信号字典，所述第二级字典是残差字典。
25.如权利要求24所述的电子设备，其特征在于，所述处理电路进一步被设置为估计与所述信号的第一级重建相关的重建质量，以确定重建质量要求是否被满足；
当估计的重建质量不满足所述重建质量要求时，所述处理电路执行所述信号的第二级重建；当估计的重建质量满足所述重建质量要求时，所述处理电路旁路所述信号的第二级重建。
26.如权利要求23所述的电子设备，其特征在于，所述第一级字典是信号字典，所述第二级字典是噪声字典。
27.如权利要求26所述的电子设备，其特征在于，所述处理电路进一步设置为进行场景检测，以确定是否存在噪声；当所述场景检测表明存在噪声时，所述处理电路执行所述信号的第二级重建；当所述场景检测表明不存在噪声时，所述处理电路旁路所述信号的第二级重建。
28.如权利要求23所述的电子设备，其特征在于，所述至少一个第一级字典或者所述至少一个第二级字典包括具有第一分辨率的第一字典和具有第二分辨率的第二字典，其中所述第二分辨率比所述第一分辨率更精细；根据所述重建质量要求，所述第一字典和所述第二字典其中之一被选择用于所述信号的重建。
29.如权利要求28所述的电子设备，其特征在于，所述处理电路进一步设置为通过识别所述第一字典中的特定原子并利用所述特定原子强调所述第二字典中的相关原子，对所述第一字典和所述第二字典执行字典加权。
30.如权利要求23所述的电子设备，其特征在于，所述处理电路进一步被设置为估计与所述信号的第一级重建相关的重建质量，以确定重建质量要求是否被满足；
当估计的重建质量不满足所述重建质量要求时，所述处理电路进一步被设置为从另一电子设备请求新CS样本，并根据所述新CS样本对所述第一级字典执行在线字典更新。
31.如权利要求23所述的电子设备，其特征在于，所述处理电路进一步被设置为从另一电子设备接收与所述信号段的至少一个特征点相关的至少一个特征点样本，并且根据所述CS样本、所述至少一个特征点样本以及所述第一级字典执行所述信号的第一级重建，或者根据所述CS样本、所述至少一个特征点样本、所述第一级字典和所述第二级字典选择性地执行所述信号的第二级重建。
32.一种用于信号重建的方法，所述方法包括：
存储多个字典，所述多个字典包括至少一个第一级字典和至少一个第二级字典；以及
根据与一信号段对应的压缩感知CS样本以及从所述至少一个第一级字典选择的第一级字典执行信号的第一级重建，并根据与所述信号段对应的所述CS样本、所述第一级字典和从所述至少一个第二级字典选择的第二级字典选择性地执行所述信号的第二级重建。
33.如权利要求32所述的方法，其特征在于，所述第一级字典是信号字典，所述第二级字典是残差字典。
34.如权利要求33所述的方法，其特征在于，所述方法进一步包括：
估计与所述信号的第一级重建相关的重建质量，以确定重建质量要求是否被满足；
当估计的重建质量不满足所述重建质量要求时，执行所述信号的第二级重建；以及
当估计的重建质量满足所述重建质量要求时，旁路所述信号的第二级重建。
35.如权利要求32所述的方法，其特征在于，所述第一级字典是信号字典，所述第二级字典是噪声字典。
36.如权利要求35所述的方法，其特征在于，所述方法进一步包括：
执行场景检测，以确定是否存在噪声；
当所述场景检测表明存在噪声时，执行所述信号的第二级重建；以及
当所述场景检测表明不存在噪声时，旁路所述信号的第二级重建。
37.如权利要求32所述的方法，其特征在于，所述至少一个第一级字典或者所述至少一个第二级字典包括具有第一分辨率的第一字典和具有第二分辨率的第二字典，其中所述第二分辨率比所述第一分辨率更精细；根据所述重建质量要求，所述第一字典和所述第二字典其中之一被选择用于所述信号的重建。
38.如权利要求37所述的方法，其特征在于，所述方法进一步包括：通过识别所述第一字典中的特定原子并利用所述特定原子强调所述第二字典中的相关原子，对所述第一字典和所述第二字典执行字典加权。
39.如权利要求32所述的方法，其特征在于，所述方法进一步包括：估计与所述信号的第一级重建相关的重建质量，以确定重建质量要求是否被满足；
当估计的重建质量不满足所述重建质量要求时，从另一电子设备请求新CS样本，并根据所述新CS样本对所述第一级字典执行在线字典更新。
40.一种电子设备，所述电子设备包括：
发送电路；
处理电路，被设置为执行压缩感知CS以生成与一信号段对应的CS样本，并经由所述发送电路向另一电子设备输出与所述信号段对应的所述CS样本的至少一部分；以及
特征点检测电路，被设置为检测与所述信号段的至少一个特征点相关的至少一个特征点样本，并经由所述发送电路向所述另一电子设备输出所述至少一个特征点样本。
41.如权利要求40所述的电子设备，其特征在于，所述特征点检测电路根据与所述信号段相关的特征点样本检测结果，动态改变发送到所述另一电子设备的特征点样本的数量。
42.一种电子设备，所述电子设备包括：
接收电路；以及
处理电路，被设置为经由所述接收电路从另一电子设备接收与一信号段对应的压缩感知CS样本的至少一部分和与所述信号段的至少一个特征点相关的至少一个特征点样本，并根据所述CS样本的所述至少一部分和所述至少一个特征点样本执行信号的重建。
CN201711399752.XA 2016-12-22 2017-12-22 电子设备、可变速率传输方法以及信号重建方法 Active CN108233941B (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201662437752P 2016-12-22 2016-12-22
US62/437,752 2016-12-22
US15/830,000 2017-12-04
US15/830,000 US10205466B2 (en) 2016-12-22 2017-12-04 Electronic device with flexible processing of compressive sensing samples

Publications (2)

Publication Number Publication Date
CN108233941A true CN108233941A (zh) 2018-06-29
CN108233941B CN108233941B (zh) 2021-09-17

Family

ID=62630762

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711399752.XA Active CN108233941B (zh) 2016-12-22 2017-12-22 电子设备、可变速率传输方法以及信号重建方法

Country Status (3)

Country Link
US (1) US10205466B2 (zh)
CN (1) CN108233941B (zh)
TW (1) TWI644522B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11218734B2 (en) * 2019-02-12 2022-01-04 Analog Devices, Inc. Data compression implementation
TWI709148B (zh) * 2019-08-21 2020-11-01 國立臺灣大學 基於壓縮信號的身分識別系統及其方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090073006A1 (en) * 2007-09-17 2009-03-19 Samplify Systems, Inc. Enhanced control for compression and decompression of sampled signals
EP2556211A2 (en) * 2010-04-09 2013-02-13 Schlumberger Technology B.V. Real time data compression and transmission
US8396310B1 (en) * 2009-09-30 2013-03-12 Rockwell Collins, Inc. Basis learning for sparse image representation and classification and low data rate compression
CN104767587A (zh) * 2015-03-10 2015-07-08 重庆邮电大学 基于ofdm系统下联合信道编译码的压缩感知信道估计方法
CN105827250A (zh) * 2016-03-16 2016-08-03 江苏大学 一种基于自适应字典学习的电能质量数据压缩重构方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7450032B1 (en) * 2005-12-27 2008-11-11 At & T Intellectual Property Ii, L.P. System and method for encoding a signal using compressed sensor measurements
EP2399342A4 (en) 2009-02-18 2015-04-01 Technion Res & Dev Foundation EFFICIENT SENSING AND RECONSTRUCTION OF TRANSPARENT MULTI-BAND SIGNALS
CN101795501B (zh) 2009-10-30 2012-08-08 中国科学院上海微系统与信息技术研究所 传感器网络物理信号协同压缩感知系统及感知方法
US9548758B2 (en) * 2010-01-05 2017-01-17 Alcatel-Lucent Usa Inc. Secure compressive sampling using codebook of sampling matrices
US8774294B2 (en) * 2010-04-27 2014-07-08 Qualcomm Incorporated Compressed sensing channel estimation in OFDM communication systems
US8547258B2 (en) * 2011-12-12 2013-10-01 Texas Instruments Incorporated Compressive sense based reconstruction in the presence of frequency offset
US8804811B2 (en) * 2012-11-19 2014-08-12 King Fahd University Of Petroleum And Minerals Method for compressive sensing , reconstruction, and estimation of ultra-wideband channels
CN103107815B (zh) 2013-01-09 2016-03-02 华为技术有限公司 一种信号重建方法及设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090073006A1 (en) * 2007-09-17 2009-03-19 Samplify Systems, Inc. Enhanced control for compression and decompression of sampled signals
US8396310B1 (en) * 2009-09-30 2013-03-12 Rockwell Collins, Inc. Basis learning for sparse image representation and classification and low data rate compression
EP2556211A2 (en) * 2010-04-09 2013-02-13 Schlumberger Technology B.V. Real time data compression and transmission
CN104767587A (zh) * 2015-03-10 2015-07-08 重庆邮电大学 基于ofdm系统下联合信道编译码的压缩感知信道估计方法
CN105827250A (zh) * 2016-03-16 2016-08-03 江苏大学 一种基于自适应字典学习的电能质量数据压缩重构方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
RAKSHITH JAGANNATH: "Grid matching for sparse signal recovery in compressive sensing", 《2012 9TH EUROPEAN RADAR CONFERENCE》 *
阮怀林: "基于压缩感知的LFM雷达信号回波盲稀疏度估计", 《电子信息对抗技术》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Also Published As

Publication number Publication date
US20180183461A1 (en) 2018-06-28
TWI644522B (zh) 2018-12-11
CN108233941B (zh) 2021-09-17
TW201826723A (zh) 2018-07-16
US10205466B2 (en) 2019-02-12

Similar Documents

Publication Publication Date Title
US8868476B2 (en) Combined-model data compression
CN111814656B (zh) 一种基于对抗生成网络的心电信号降噪方法
Izadi et al. A compressed-sensing-based compressor for ECG
CN108233941A (zh) 电子设备、可变速率传输方法以及信号重建方法
CN110141216B (zh) 一种心电信号qrs特征波的识别方法、训练方法及系统
CN111915007B (zh) 一种基于神经网络的磁共振谱降噪方法
CN109523486A (zh) 噪声环境下基于鲁棒压缩感知的多通道脑电信号重构方法
CN112270240B (zh) 一种信号处理方法、装置、电子设备和存储介质
US20170296081A1 (en) Frame based spike detection module
CN112613584A (zh) 一种故障诊断方法、装置、设备及存储介质
Satheeskumaran et al. A new LMS based noise removal and DWT based R-peak detection in ECG signal for biotelemetry applications
CN112307996B (zh) 一种指尖心电身份识别装置及方法
KR102469238B1 (ko) 실시간 신경 스파이크 검출
Zamani et al. On the use of compressive sensing (CS) exploiting block sparsity for neural spike recording
CN115886833A (zh) 心电信号分类方法及装置、计算机可读介质、电子设备
CN105676156A (zh) 一种基于多通道协作编码的磁共振成像重建方法和装置
CN114469126A (zh) 心电数据的分类处理方法、装置、存储介质及计算机设备
CN114866716A (zh) 读出电路、处理器、噪声抑制方法、装置及计算机设备
CN115115722A (zh) 图像重建模型生成及图像重建方法、装置、设备和介质
CN111954241B (zh) Wban网络传输的信号数据恢复方法和装置
CN108649955A (zh) 一种逐次逼近型模数转换器、心电信号采集设备及方法
CN109165171A (zh) 自适应的快速数字波形成像方法
Deepu et al. An ecg-on-chip with qrs detection lossless compression for low power wireless sensors
CN116439667A (zh) 基于DeepSleepNet的非接触式睡眠分期方法
Liu et al. BioWAP: A Reconfigurable Biomedical AI Processor with Adaptive Processing for Co-Optimized Accuracy and Energy Efficiency

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant