监护信息重构方法研究

监护信息系统中通常采用系统建模的方法对监护数据进行分析处理、并识别异常状况.通常这些模型是在模型结构确定的条件下,应用监护数据辨识获得.实际检测获得的监护数据通常包含大量异常值,这会严重降低模型辨识的准确性.提出了一种监护信息系统中异常值分析处理方法.应用Hampel辨识器算法,识别监护数据中异常值出现的位置;并采用kalman滤波器算法的方法对于出现异常值的数据点进行数据重构,实现监护信息系统中出现异常值分析处理.通过应用PhysioNet生物医学信号研究资源中的两组数据集,包括心率和中心静脉压,进行实验研究,结果表明此方法对监护数据异常值分析和处理中取得很好的效果.     

智能健康住宅监护数据的分析方法

智能健康住宅为缓解人口老龄化的压力和优化医疗资源配置提供了重要手段,其特点是在家庭环境下提供各项生命体征参数监测,并对监护数据自动分析处理.文中提出了以时序建模为基础的智能健康住宅监护数据分析方法.此方法由3个部分构成,包括模型辨识、模型更新以及基于模型的预报区间确定.模型阶数基于最终预报准则确定,使得模型能更好地符合观测数据.基于自适应滤波器算法的模型参数在线更新,能确保模型更好地描述监护数据的动态特性.根据建模结果,作前向30步预报,可确定预报区间.据此,可实现对监护数据中的平稳值、异常值以及状态变化3种特征模式的识别.通过应用PhysioNet中的3组数据集进行实验研究,发现文中方法的预报结果准确,能实现对智能健康住宅中连续监测数据的在线分析.     

智能健康住宅监护数据分析方法的研究

智能健康住宅为缓解人口老龄化的压力和优化医疗资源配置提供了重要手段。其特点是在家庭环境下提供各项生命体征参数监测,并对监护数据自动分析处理。本文提出了以时序建模为基础的分析方法。此方法由三个部分构成,包括模型辨识、模型更新、以及基于模型的预报区间确定。模型阶数基于最终预报准则确定,使得模型能更好的符合观测数据。基于自适应滤波器算法对模型参数进行在线更新,确保模型能更好的描述监护数据的动态特性。根据建模结果,作前向30步预报,确定预报区间。从而实现对监护数据中的平稳、异常值、以及状态变化三种特征模式的识别。通过应用PhysioNet中的三组数据集进行实验研究。实验结果表明此方法的预报结果准确,能实现对于智能健康住宅中连续监测获得的数据进行在线分析。     

基于起点预测的单位十字快速运动估计算法

复杂且耗时的运动估计运算给实时视频编码系统的实现带来了困难.为提高视频编码的实时性,文中分析了运动矢量的分布特性和空间相关性,提出了一种基于起点预测的单位十字快速运动估计算法.该算法结合提前中止准则,通过块匹配绝对误差比较法来选择起始搜索点,然后采用单位十字搜索模式进行搜索.实验结果表明,在保持图像质量基本不变的情况下,该算法搜索速度是三步法的3～17倍,是菱形搜索法的2～9倍,是自适应十字搜索法的1.19～4.42倍.该算法计算量小,实时性强,易于硬件实现,在小运动序列运动估计方面具有明显优势.