基于无线通讯的便携式心电监护仪设计开题报告

1. 研究目的与意义（文献综述）

动态监护系统是医学临床诊断的重要的设备，目前国内的监护系统大部分是通过有线电缆来实现信号传输，限制了病人的活动空间，患者在连续监测24 小时或更长时间时，希望能摆脱导联电缆的羁绊，基于蓝牙技术动态监护系统解决了这一问题。此项研究将先进的无线、近距离传输技术应用于动态监护系统中，使大量数据的传输由有线变为无线、实时、可移动。由病人随身携带可连续记录心电信号的便携式心电监护仪，在记录的同时可将数据传输到家庭电脑或远程医疗中心进行数据分析和处理。

研制的便携式心电监护仪，使用蓝牙技术进行信号无线传输，实现从数据采集端到监护中心进行无接触的数据传递，结构紧凑，体积小巧，携带方便，即使脱离蓝牙通信系统所覆盖范围，仍可以当作独立的便携式监护仪进行监测。它在保障病人的生命安全方面无疑是具有重要的临床使用价值。

本课题采用蓝牙技术实现医疗监护系统无线通讯的实时监测。心电监护仪所采集的数据通过蓝牙模块能以无线传输的方式发送给家庭电脑，家庭电脑可同时监测7个通道的数据，其软件还可对所收到数据进行分析及处理。蓝牙技术是近几年发展起来的近距离无线通讯技术，其应用主要在信息家电方面，在医疗上的应用在国内外还很少。现在无线通信技术和网络技术正飞速发展，这必将引起医疗监测方式上的变革。多路的可随身携带的各项体征数据采集终端所采集的数据，以无线通信的方式发送到 pc 机中，而 pc 机又可通过 internet 网发送至专业医疗机构，这样就完全可以实现病人不出家门便可受到严密监护。同时，由于又采用了无线通信技术，也不会限制病人的活动范围。

2. 研究的基本内容与方案

（一）研究内容

（1）研究了嵌入式系统的基本知识（嵌入式系统概述）；

（2）研究了基于无线通讯的心电监护仪系统的总体设计方案；

3. 研究计划与安排

第1-2周：调研及方案论证，广泛查阅中外文献资料和调研，确定设计方案和技术路线，完成开题报告。

第3-5周：完成基于无线通讯的便携式心电监护仪设计方案选择。

第6-10周：完成基于无线通讯的便携式心电监护仪的硬件和软件设计。

4. 参考文献（12篇以上）

1. [1]陈轶炜，张永红，白净．基于蓝牙通讯的便携式心电监护仪的研制[J]．北京生物医学工程，2008，27(2): 173-177．
2. [2]蒋贵龙．基于蓝牙技术的心电动态监护系统的研制[D]．哈尔滨理工大学，2007．
3. [3]李鑫．基于ARM蓝牙通信的心电采集系统的设计[D]．西北工业大学，2007．
4. [4]孙中生．基于蓝牙的嵌入式心电监测系统的设计与实现[D]．天津大学，2006.
5. [5]成清清.实时心电采集及分析系统的研究与实现[D]. 南京邮电大学，2013.
6. [6]卫生部心血管病防治研究中心．中国心血管病报告2006[M]．北京：中国大百科全书出版社，2008：1-5.
7. [7]卢喜烈．心电图基础理论[M]．天津:天津科学技术出版社，2005:1-16．
8. [8]齐林，白净，张永红等．多用户共享型便携式心电监护仪的设计与实现[J]．航天医学与医学工程，2007，20(1)：47-50．
9. [9]魏小龙．ＭＳＰ430系列单片机接口技术及系统设计实例[M]．北京：北京航空航天大学出版社，2002．
10. [10] Jinseok L, Mcmanus D, Merchant S, et al. Automatic Motion and Noise Artifact Detection in Holter ECG Data Using Empirical Mode Decomposition and Statistical Approaches[J]. IEEE Transactions on Biomedical Engineering, 2012, 59(6): 1499-1506.
11. [11] Rabiul S M R, Xu H, Sharma D. Wavelet based denoising algorithm of the ECG signal corrupted by WGN and Poisson noise[C]. //International Symposium on Communications and Information Technologies, 2012: 165-168.
12. [12] Behbahani S, Dabanloo N J. Detection of QRS complexes in the ECG signal using multiresolution wavelet and thresholding method[C]. //Computing in Cardiology, 2011: 805-808.
13. [13] Mukherjee A, Ghosh K K. An efficient wavelet analysis for ECG signal processing[C]. //International Conference on Informatics, Electronics Vision, 2012: 411-415.
14. [14] Kang W-S, Yun S, Cho K. ECG denoise method based on wavelet function learning[C]. //IEEE Sensors, 2012: 1-4.
15. [15] Biel L, Pettersson O, Philipson L, et al. ECG analysis: a new approach in human identification[J]. IEEE Transactions on Instrumentation and Measurement, 2011, 50(3): 808-812.