自适应跨越抽样中参数相关性的数学模型：用于心电图信号
信号处理
2025-01-22 v1
摘要
生物信号的数字采集主要遵循奈奎斯特定理，采用均匀时间采样。然而，近年来出现了新的方法，仅在特定事件发生时进行信号采样。当前最突出的方法是跨越抽样 (Level Crossing, LC)。传统跨越 ADC 常设计为使用静态定义且均匀分布的水平。然而，针对生物信号监测优化的水平位置可能导致更佳性能。本文比较了多种 LC 水平定义，包括静态定义（均匀和对数）配置和优化驱动设计（随机化和贝叶斯优化），评估其在保持信号保真度的同时最小化采样率的能力。本文分析了这些不同方法的性能，评估指标包括根均方误差 (RMSE)、采样压缩比 (SRF) ——用于衡量采样压缩比的指标——以及事件误差指标，以衡量信号保真度与数据压缩之间的权衡。我们的发现表明，优化驱动的 LC 采样，特别是采用贝叶斯方法的采样，在保持信号保真度的同时可实现较低的 RMSE，且相较于静态配置的误差 per event 影响不大，但需接受更高的采样率。
引用
@article{arxiv.2501.10829,
title = {Mathematical model of parameters relevance in adaptive level-crossing sampling for electrocardiogram signals},
author = {Silvio Zanoli and Giovanni Ansaloni and Tomás Teijeiro and David Atiena},
journal= {arXiv preprint arXiv:2501.10829},
year = {2025}
}