CN1559341A - 一种心率变异性的预测度指标检测分析方法及仪器 - Google Patents

Abstract

本发明为一种心率变异性的预测度指标检测分析方法及仪器。本发明将预测度PI作为心率变异性的分析检测指标，其分析检测方法包括用动态心电仪器记录心电信号，在人工辅助下自动识别动态心电RR间期，构成时间序列RR_i，再运用记录的时间序列，给出非线性预测度PI的计算方法。本发明提出的检测指标能够较好地反应心率变化的动力学行为性和生理、病理特征，该指标区分能力强，显著性高，具有广泛的临床应用价值。

Description

一种心率变异性的预测度指标检测分析方法及仪器

技术领域

本发明是一种动态心电图中心率变异性预测度指标的检测分析方法以及测量仪器。

背景技术

心率变异的临床指标是一种定量的、可重复应用的指标，它既是对窦性心律不齐的程度的定量指标，也是评价自主神经调节功能的重要定量指标。正确测定心率变异的种种指标，无论是对生理、病理研究，还是对临床的诊断和防治，都具有指导性的意义。特别对分析和观察交感神经和迷走神经的调控功能、对界定心肌梗死病人预后的危险因子、对糖尿病、阵发性心律失常、高血压病、睡眠呼吸暂停综合症等的诊断具有重要的临床应用价值。

目前最为常用或者常见的方法是：(1)线性的时域指标，主要包括检测动态心电全程心电RR间期的标准差SDNN、短程每5分钟间期的SDANN/SDANN的均值，相邻间期的参数SDSD/NN50/PNN90、微分/对数指数等；(2)线性的频域指标，主要包括短程(每5分钟)的总功率、极低频、低频、高频、低频高频正态以及低频高频比值；长程(24小时)的超低频、极低频、低频、高频以及对数坐标中的频谱的线性内插值斜率；(3)非线性分析方法，目前运用最多的是RR间期、RR间期差值的庞加莱(Poincaré)散点图，主要依靠肉眼直观图形特征来进行区分。对于现行时域、频域线性方法的进一步临床运用，其主要症结是难以准确刻画和分析心率变化——这一受到血流动力学，电生理及激素的变化及自主神经和中枢系统等多项因素影响的非常复杂的过程。所以现行的线性方法过于粗糙，对外界噪声干扰比较敏感，其数学模型并不符合心率调控系统本身是非线性系统的这一基本事实。对于现行的非线性散点图分析方法，主要还是凭借肉眼的观察和一些简单数值定量指标的分析，而这是远远不够的，也不十分符合心率变化这一高维非线性系统的基本事实。所以无论是现行的那一类方法，都有其显著的局限性，对心率变异性指标的临床运用和推广带来了阻碍。

发明内容

本发明的目的在于提出一种在动态心电图中更能客观反应心率变异过程和非线性特征的心率变异性检测分析方法，并提供一种相应于上述方法的原理清楚、结构简单的心率变异性非线性指标的检测仪器。

本发明提出的动态心电图中心率变异性检测分析方法称为预测度PI(Predictability Index)检测方法，即把预测度PI作为心率变异性的分析检测指标。预测度PI的检测分析方法如下：(1)利用动态心电仪器记录K小时心电信号ECG；(2)将采集的心电信号ECG在计算机中回放，其中考虑滤波、数字信号压缩等环节，从而显示K小时动态心电波形；(3)基于人工辅助下的自动识别动态心电RR间期，构成时间序列RR_i＝{ri₁，ri₂，…，ri_j，…ri_n}，其中i＝1，2，…，K；(4)基于人工辅助下的自动识别动态心电R峰的跃度(以水平基线为准)，构成时间序列RL_i＝{li₁，li₂，…，li_j，…li_n}，其中i＝1，2，…，K；(5)通过上述记录的时间序列，分析测量相应的心率变异性的非线性预测度PI的值。上述这种非线性预测度指标完全是基于建立合适的理论模型以及严格的计算方法。下面我们给出这种指标的相关模型和计算方法。

我们将得到的每一小时的RR 间期时间序列RR_i(i＝1，2，…，K)前后平均分成两段，即RR_i＝LRR_in/2∪TRR_in/2，且每段中序列的次序保持不变。其中，LRR_in/2作为指导段(Supervised-Part)用于构造非线性模型，而TRR_in/2作为检测段(Test-Part)用于计算预测度，K是动态心电记录时间，K一般取值为20-32之间的自然数，通常取K＝24，为一昼夜。在充分考虑到动态心电RR间期时间序列中的非线性机制后，我们可以建立如下非线性映射(函数)关系：

                  Φ：RR_imLRR_in/2 R^m→R

来刻画动态心电RR间期时间序列的前后迭代关系。其中，自变向量所属空间的维数m一般取值于10-50之间的自然数。为了构造这个多对一的非线性函数Φ，利用函数逼近原理，我们给出了如下算法，以期得到非线性函数Φ限制在动态心率间期时间序列LRR_in/2上的近似表达式ξ。

于是，我们首先假设近似表达式ξ具有如下的形式：

其中，符号“°”表示函数的复合，对于任意j＝1，2，…，h，每个函数 $f_j=(z_{j1},z_{j2},\·\·\·z_{{\mathrm{jm}}_i}),$

特别地Z_0p＝X_p，p＝1，2，…，m；而

$z_{\mathrm{jk}}=f(\underset{p=1}{\overset{m_{j-1}}{\mathrm{\Σ}}}{w}_{\mathrm{jkp}}{z}_{j-1,p}-{\mathrm{\δ}}_{\mathrm{jk}})\·f\left(\underset{p=0}{\overset{m_{j-1}}{\mathrm{\Σ}}}{w}_{\mathrm{jkp}}{z}_{j-1,p}\right)--\left(1.2\right)$

k＝1，2，…，m_j，j＝1，2，…，h，

$f_{h+1}=f(\underset{p=1}{\overset{m_h}{\mathrm{\Σ}}}{w}_{h+\mathrm{1,1},p}{z}_{\mathrm{hp}}-{\mathrm{\δ}}_{h+\mathrm{1,1}})\·f\left(\underset{p=0}{\overset{w_h}{\mathrm{\Σ}}}{w}_{h+\mathrm{1,1},p}{z}_{\mathrm{hp}}\right),--\left(1.3\right)$

其中，w_jkp是权重系数，δ_jk为阈值系数，同样记为权重系数w_jk0，常数-1记为常值输入z_j-1，0；函数f是Sigmoid类函数，例如可以取作：f(x)＝tanh(θx)， $f\left(x\right)=\frac{1}{1+e^{-\mathrm{\θx}}},$ θ是

取值于区间(0，1]上的衰减参数。如果能够确定出权重系数w_jkp的值，那么我们也就把近似函数ξ构造了出来。

下面，我们将根据动态心电RR间期的时间序列LRR_in/2给出确定权重系数W_jkp的一种方法，从而确定函数ξ的表达式，构建出非线性映射模型。

(1)赋初值：利用随机函数随机生成权重系数w_jkp的初值(包括记为权重系数的阈值参数的初值)，衰减参数θ选为区间(0，1)上的实数；

(2)以LRR_in/2中的心电序列ri_p+1，ri_p+2，…，r_p+m(p＝0，1，2，…n/2-m-1)作为函数ξ的m个自变量的初值输入，于是根据公式(1.1)、(1.2)与(1.3)，可以得到函数ξ的(n/2-m)个取值：y_p+m+1(p＝0，1，2，…n/2-m-1)；

(3)计算如下误差函数：

$\mathrm{Olderror}=\underset{p=0}{\overset{n/2-m-1}{\mathrm{\Σ}}}{(y_{p+m+1}-{y^{*}}_{p+m+1})}^2,$

其中y^* _p+m+1＝ri_p+m+1.

(4)对于权重系数w_jkp给定迭代增量Δw_jkp，并且置w^* _jkp＝w_jkp+Δw_jkp，通过步骤(2)、(3)计算相应的函数ξ的(n/2-m)个取值以及误差函数，并记由此误差函数给出的值为Newerror；

(5)如果Newerror＜Olderror，那么置w_jkp＝w^* _jkp，Olderror＝Newerror，并到转向步骤(4)；否则转向步骤(6)；

(6)置w^* _jkp＝w_jkp-Δw_jkp，通过步骤(2)、(3)计算相应的函数ξ的(n/2-m)个取值以及误差函数，并记由此误差函数给出的值为Newerror；

(7)如果Newerror＜Olderror，那么先置w_jkp＝w^* _jkp，Olderror＝Newerror。然后再转向步骤(4)；否则的话，直接转向步骤(4)；

(8)经过多次的循环迭代，得到一族相对最优的{w_jkp}。这样我们就可以构造函数Φ限制在动态心率间期时间序列LRR_in/2上的近似表达式ξ。

我们知道，心脏节律的调节系统本身是一个非线性的系统，而且正常人的自主神经系统(包括交感神经和迷走神经)对外界环境的变化和刺激是相对敏感的，所以构造出的函数Φ限制在动态心率间期时间序列LRR_in/2上的近似表达式ξ能准确反映的是LRR_in/2时间段上的系统特征，而对于其它时间段上非线性机制的表征能力是有限的。因此，对于自主神经系统功能正常的人而言，相应的函数Φ事实上是一个时变的函数，可以记为Φ(t)。这就为我们下面给出的预测度的具体算法，给出了医学生理上的解释。因此，下面就可用上述得到的近似表达式ξ来检测TRR_in/2时间段上的心电间期时间序列，从而给出预测度的具体算法。

(9)利用步骤(8)中给出的函数ξ的表达式(1.1)、(1.2)与(1.3)，ri_p+1，ri_p+2，…，r_p+m(P＝n/2，…，n-m-1)计算出y_p+m+1(p＝n/2，…，n-m-1)；

(10)根据标准相关系数的公式，可以计算RR间期序列{y_p+m+1}和{ri_p+m+1}的相关系数CCi-1，

$\mathrm{CCi}-1=\frac{\underset{p=n/2}{\overset{n-m-1}{\mathrm{\Σ}}}(y_{p+m+1}-\stackrel{\‾}{y})({\mathrm{ri}}_{p+m+1}-\stackrel{\‾}{\mathrm{ri}})}{\sqrt{\underset{p=n/2}{\overset{n-m-1}{\mathrm{\Σ}}}{(y_{p+m+1}-\stackrel{\‾}{y})}^2\underset{p=n/2}{\overset{n-m-1}{\mathrm{\Σ}}}{({\mathrm{ri}}_{p+m+1}-\stackrel{\‾}{\mathrm{ri}})}^2}},$

其中， y和 ri分别是序列{y_p+m+1}和{ri_p+m+1}的均值，我们把CCi-1给出的数值称为心跳间期在第i个小时的一步预测度；

(11)类似地，我们对得到的RR间期预测序列{y_p+m+1}(p＝n/2，…，n-m-1)可以同样依次取出m个值作为自变量，并运用步骤(9)的方法生成新的RR间期预测序列{y_j+m+1}(j＝n/2+m，…，n-m-1)，从而可以得到新的相关系数CCi-2，于是我们把CCi-2给出的数值称为心跳间期在第i个小时的二步预测度；以此类推，我们可以计算出任何合理的第i个小时的N步预测度，自然数N一般取值为10~20。参见图1关于心动RR间期某一小时的十六步预测度；

(12)由于我们往往给出的某一小时的预测度是多重步长的，所以我们利用回归的方法，给出1至N步预测度CCi-1，CCi-2，…，CCi-N的斜率SC_Ni＝CC_Ni/N_i，

其中， ${\mathrm{CCN}}_i=\underset{j=1}{\overset{N}{\mathrm{\Σ}}}j\·\mathrm{CCi}-j-N(N+1)\·\stackrel{\‾}{\mathrm{CCi}}/2,$ $N_i=\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{j}^2-\frac{N{(N+1)}^2}{4},$

$\stackrel{\‾}{\mathrm{CCi}}=\frac{1}{N}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{CCi}-j.$

我们称SC_Ni为心跳间期在第i个小时的预测度PI_Ni。

至此，我们利用对于心跳间期构造的模型具体计算出了预测度PI非线性指标。这一指标能够反映调节心脏节律的自主神经系统功能好坏、强弱的非线性指标。也就是当某一小时的预测度值相对较小时，表明该小时内自主神经的调节功能相对反映较弱或者完全紊乱，而相反则表明该小时内自主神经的调节功能较强。

以上即给出了定量评价自主神经功能的心率变异性非线性指标——预测度——的检测方法和模型构造的基本思路。当然对于给出R峰跃度时间序列的相应非线性预测度指标，可以用以上类似方法来说明医学临床生理机制。

根据上述心率变异非线性预测度指标的检测方法，本发明特别设计了相应的检测装置，该装置包括动态心电记录器、心电信号预处理系统和非线性预测度指标检测系统。

动态心电器分为两种，一种为磁带式记录器，一种为闪光卡式记录器。均具备24-30小时动态心电采集存储功能。

在心电信号预处理系统中，对于磁带式记录器提供的数据我们采用以单片机为核心，配有读写存储器(RAM)、只读存储器(ROM)、A/D转换器以及计算机连接并行通讯接口；对于闪光卡式记录器提供的数据可以直接通过Flash卡USB读取器及配以相应的驱动程序、解码软件即可。此外，在预处理系统通过软体固化，在只读存储器中还包含心电信号自动滤波，自动识别R峰等功能。计算机通过并行通讯接口或者USB接口可以获得并且显示自动识别R峰以后的PQRST波群(见图2)。此外，在计算机上，可以对机器自动识别的R峰作进一步的人工修正，并可以剔除例如早搏之类的心律失常的波形，从而获得用于计算心率变异非线性预测度指标的心电间期时间序列RR_i和RL_i。计算步骤(1)-(12)编成程序，组成非线性预测度指标检测系统。处理过程见图2和图3所示。

本发明给出的心率变异非线性指标预测度检测的方法是建立在严格的非线性动力系统理论和自主神经调节系统具有非线性机制的基础上的。所建立的指标体系是建立在科学建模和300例以上临床样本对照试验的基础上的(该样本来自上海第一人民医院、武汉同济医院以及国际标准MIT数据库等)。因此，该套指标能够较好地反映心率变化的动力学行为特征和生理、病理特征，该指标区分能力强，显著性高，具有广阔的临床应用价值。事实表明，本发明及相应仪器可广泛应用于对于自主神经调节功能的临床评价，对于心肌梗死的危险因子的评价，为心血管疾病的早期诊断、及时诊断和准确诊断提供了有益的评价体系；同时，其对心血管疾病的药物性能的客观评价筛选和推动心血管研究领域的进一步发展具有重要的意义。

附图说明

图1为某个样本在某个小时十六步预测度CCi-j(j＝1，2，…，16)的连接曲线。

图2为PQRST波群及R峰识别图示。

图3为动态心电数据计算非线性预测度指标流程图。

具体实施方式

以下给出若干样本关于非线性预测度指标SC_Ni(i＝24，…，28)的实例计算结果以及某个样本在某一小时十六步预测度CCi-j(j＝1，2，…，16)的连接曲线(见图1)。

0-正常人样本，1-有病人样本

在此计算过程中，具体取如下函数和参数：

$f\left(x\right)=\frac{1}{1+e^{-\mathrm{\θx}}},\mathrm{\θ}=0.25,$

K＝24，h＝3，n为每小时所获样本RR间期数(因样本及时间变化而不同)，m＝20，N＝16。

样本院号  健康状况   24:00        25:00        26:00        27:00        28:00        24小时

3724      1          0.005426     -0.00535     -0.0204      -0.01685     -0.00089     -0.01435

5001      1          -0.01632     -0.03791     -0.04427     0.010266     -0.0087      -0.01663

5012      1          0.009304     -0.025       -0.0172      -0.03344     -0.05236     0.006625

5019      1          -0.04537     0.008217     -0.02478     -0.03098     -0.02518     -0.02532

5021      1          -0.04654     -0.01927     0.000594     -0.03533     -0.038       -0.00185

6023      0          -0.00488     -5.4E-05     -0.00387     -0.0232      -0.01474     -0.00868

6024      0          -0.03817     -0.0401      -0.02547     -0.0308      -0.01859     -0.02172

6037      0          -0.00319     0.002094     0.002925     -0.00212     0.002342     -0.01327

6040      0          -0.00688     -0.00344     -0.00997     -0.02001     -0.00503     -0.02087

6080      0          -0.00584     -0.01413     -0.02278     -0.01202     -0.02209     -0.02277

6089      0          -0.02833     -0.05925     -0.03126     -0.00755     -0.01393     -0.03768

6405      0          -0.00141     0.005804     -0.01571     -0.0019      -0.02048     -0.00504

6406      0          -0.01157     -0.0041      -0.01509     -0.01361                  -0.02761

6419      0          -0.03699     -0.00744     -0.04603     -0.00592     -0.0143      -0.04548

6426      0          -0.03773     -0.01816     -0.01669     -0.02787     -0.01725     -0.006

6427    0    -0.01881    -0.02464    -0.00694    -0.01206    -0.02685    0.00252

6517    0    -0.05287    -0.04735    -0.0408     -0.02645    -0.05165    -0.02801

6542    0    -0.04327    -0.02492    -0.02947    -0.00437    -0.02846    -0.02353

6573    0    -0.00949    -0.00539    -0.01027    -0.01086    -0.00586    -0.00561

Claims (5)

1、一种心率变异性的预测度指标检测分析方法，其特征在于(1)利用动态心电仪器记录K小时心电信号ECG；(2)将采集的心电信号ECG在计算机中回放，显示K小时动态心电波形；(3)基于人工辅助下的自动识别动态心电RR间期，构成时间序列RR_i＝{ri₁，ri₂，…，ri_j，…ri_n}，i＝1，2，…，K；(4)基于人工辅助下的自动识别动态心电R峰的跃度，构成时间序列RL_i＝{li₁，li₂，…，li_j，…li_n}，i＝1，2，…，K；(5)通过上述记录的时间序列，分析测量相应的心率变异性的非线性预测度PI的值，这里K为动态心电记录时间，K取值为20-32之间的自然数。

2、根据权利要求1所述的检测分析方法，其特征在于将每一小时的RR间期时间序列RR_i前后平均分成两段：RR_i＝LRR_in/2∪TRR_in/2，且每段中序列的次序保持不变，其中，LRR_in/2作为指导段用于构造非线性模型，TRR_in/2作为检测段用于计算预测度；设用如下非线映射关系来刻画动态心电RR间期时间序列的前后迭代关系：

Φ：RR_imLRR_in/2R^m→R，

其中，m为自变向量所属空间的维数，m取10-50之间的自然数；

设ξ为非线性函数在动态心率间期时序列上的近似表达式，形式如下：

其中，符号“°”表示函数的复合，对于任意j＝1，2，…，h，每个函数 $f_i=(z_{j1},z_{j2},\·\·\·z_{j{m}_j}),$ 特别地z_0p＝x_p，p＝1，2，…，m；而

$z_{\mathrm{jk}}=f(\underset{p=1}{\overset{m_{j-1}}{\mathrm{\Σ}}}{w}_{\mathrm{jkp}}{z}_{j-1,p}-{\mathrm{\δ}}_{\mathrm{jk}})\·f\left(\underset{p=0}{\overset{m_{j-1}}{\mathrm{\Σ}}}{w}_{\mathrm{jkp}}{z}_{j-1,p}\right),--\left(1.2\right)$

k＝1，2，…，m_j，j＝1，2，…，h，

$f_{h+1}=f(\underset{p=1}{\overset{m_h}{\mathrm{\Σ}}}{w}_{h+\mathrm{1,1},p}{z}_{\mathrm{hp}}-{\mathrm{\δ}}_{h+\mathrm{1,1}})\·f\left(\underset{p=0}{\overset{m_h}{\mathrm{\Σ}}}{w}_{h+\mathrm{1,1},p}{z}_{\mathrm{hp}}\right),--\left(1.3\right)$

其中，w_jkp是权重系数，δ_jk为阈值系数，同样记为权重系数w_jk0，常数-1记为常值输入z_j-1.0；函数f是Sigmoid类函数。

3、根据权利要求2所述的检测分析方法，其特征在于函数ξ的确定步骤如下：

(1)赋初值：利用随机函数随机生成权重系数w_jkp的初值，衰减参数θ选为区间(0，1)上的实数；

(2)以LRR_in/2中的心电序列ri_p+1，ri_p+2，…，r_p+m(p＝0，1，2，…n/2-m-1)作为函数ξ的m个自变量的初值输入，根据公式(1.1)、(1.2)与(1.3)，得到函数ξ的(n/2-m)个取值：y_p+m+1(p＝0，1，2，…n/2-m-1)；

(3)计算如下误差函数：

$\mathrm{Olderror}=\underset{p=0}{\overset{n/2-m-1}{\mathrm{\Σ}}}{(y_{p+m+1}-{y^{*}}_{p+m+1})}^2,$

其中y^* _p+m+1＝ri_p+m+1；

(4)对于权重系数w_jkp给定迭代增量Δw_jkp，并且置w*_jkp＝w_jkp+Δw_jkp，通过步骤(2)、(3)计算相应的函数ξ的(n/2-m)个取值以及误差函数，并记由此误差函数给出的值为Newerror；

(5)如果Newerror＜Olderror，那么置w_jkp＝w*_jkp，Olderror＝Newerror，并到转向步骤(4)；否则转向步骤(6)；

(6)置w*_jkp＝w_jkp-Δw_jkp，通过步骤(2)、(3)计算相应的函数ξ的(n/2-m)个取值以及误差函数，并记由此误差函数给出的值为Newerror；

(7)如果Newerror＜Olderror，那么先置w_jkp＝w*_jkp，Olderror＝Newerror。然后再转向步骤(4)；否则的话，直接转向步骤(4)；

(8)经过多次的循环迭代，得到一族相对最优的{w_jkp}。

4、根据权利要求3所述的检测分析方法，其特征在于进一步利用表达式ξ来检测时间段上的心电间期时间序列，并计算预测度，具体步骤如下：

(1)利用步骤(8)中给出的函数ξ的表达式(1.1)、(1.2)与(1.3)，ri_p+1，ri_p+2，…，r_p+m(p＝n/2，…，n-m-1)，计算出y_p+m+1(p＝n/2，…，n-m-1)；

(2)根据标准相关系数的公式，计算RR间期序列{y_p+m+1}和{ri_p+m+1}的相关系数CCi-1：

$\mathrm{CCi}-1=\frac{\underset{p=n/2}{\overset{n-m-1}{\mathrm{\Σ}}}(y_{p+m+1}-\stackrel{\‾}{y})({\mathrm{ri}}_{p+m+1}-\stackrel{\‾}{\mathrm{ri}})}{\sqrt{\underset{p=n/2}{\overset{n-m-1}{\mathrm{\Σ}}}{(y_{p+m+1}-\stackrel{\‾}{y})}^2\underset{p=n/2}{\overset{n-m-1}{\mathrm{\Σ}}}{({\mathrm{ri}}_{p+m+1}-\stackrel{\‾}{\mathrm{ri}})}^2}},$

其中， y和 ri分别是序列{y_p+m+1}和{ri_p+m+1}的均值，我们把CCi-1给出的数值称为心跳间期在第i个小时的一步预测度；

(3)类似地，对得到的RR间期预测序列{y_p+m+1}(p＝n/2，…，n-m-1)，同样依次取出m个值作为自变量，并运用步骤(9)的方法生成新的RR间期预测序列{y_j+m+1}(j＝n/2+m，…，n-m-1)，从而得到新的相关系数CCi-2，把CCi-2给出的数值称为心跳间期在第i个小时的二步预测度；以此类推，计算出任何合理的第i个小时的N步预测度，自然数N一般取值为10~20；

(4)利用回归的方法，给出1至N步预测度CCi-1，CCi-2，…，CCi-N的斜率SC_Ni＝CCN_i/N_i，

其中， ${\mathrm{CCN}}_i=\underset{j=1}{\overset{N}{\mathrm{\Σ}}}j\·\mathrm{CCi}-j-N(N+1)\·\stackrel{\‾}{\mathrm{CCi}}/2,$ $N_i=\underset{j=1}{\overset{N}{\mathrm{\Σ}}}{j}^2-\frac{N{(N+1)}^2}{4},$

$\stackrel{\‾}{\mathrm{CCi}}=\frac{1}{N}\underset{j=1}{\overset{N}{\mathrm{\Σ}}}\mathrm{CCi}-j.$

称SC_Ni为心跳间期在第i个小时的预测度PI_Ni。

5、一种如权利要求1所述的心率变异性的预测度指标检测分析方法的实现仪器，其特征在于由动态心电记录器、心电信号预处理系统和非线性预测度指标检测系统组成；其中，动态心电记录器采用磁带式记录器或闪光卡式记录器；在心电信号预处理系统中，对于磁带式记录器提供的数据采用以单片机为核心，配有读写存储器、只读存储器、A/D转换器以及计算机连接并行通讯接口；对于闪光卡式记录器提供的数据直接通过Flash卡USB读取器及配以相应的驱动程序、解码软件即可。

Images