【RVB2601开发板】ADC开始画心电图

简介: 本案例将利用ADC实现模拟信号采集和心电数据分析。

本文来源:RISC-V大赛 - 木子科技

本文作者:nefuy

本文转自:芯片开放社区(OCC)


开始开发一个核心功能, ADC实现模拟信号采集和心电数据分析。

ADC首先得确认模拟地, 参考电压的范围, 参考电路图找到ADC_VREFP和ADC_VREFN, 做好电平配置。

1.jpg


心电采集模块采取AD8232心电模块, 用来测量心脏的电活动心率监测器。AD8232是一款用于ECG及其他生物电测量应用的集成信号调理模块。 该器件设计用于在具有运动或远程电极放置产生的噪声的情况下提取、放大及过滤微弱的生物电信号。 该设计使得超低功耗模数转换器(ADC)或嵌入式微控制器能够轻松地采集输出信号。


AD8232采用双极点高通滤波器来消除运动伪像和电极半电池电位。 该滤波器与仪表放大器结构紧密耦合,可实现单级高增益及高通滤波,从而节约了空间和成本。


AD8232采用一个无使用约束运算放大器来创建一个三极点低通滤波器,消除了额外的噪声。 用户可以通过选择所有滤波器的截止频率来满足不同类型应用的需要。 为了提高系统线路频率和其他不良干扰的共模抑制性能,AD8232内置一个放大器,用于右侧驱动(RLD)等受驱导联应用。


AD8232包含一项快速恢复功能,可以减少高通滤波器原本较长的建立长尾现象。 如果放大器轨电压发生信号突变(如导联脱离情况),AD8232将自动调节为更高的滤波器截止状态。 该功能让AD8232可以实现快速恢复,因而在导联连接至测量对象的电极之后能够尽快取得有效的测量值。


采取心电模块, 以及心电导联到左右手和右腿驱动, 三个电极即可测量出心电曲线, 收集一组ADC转换出来的串口上传数据, excel画图如下:

2.png


其中,曲线中中断的地方就是电极脱落的报警信号.


后续继续算法开发, 选取合适的采样率, 加上数字滤波器, 分析出心率异常, 心脏疾病初步诊断, 非常有利于外部急救响应.


附加ADC读取简单程序:

staticcsi_adc_tadc;//PA3 int get_pa3_adc() { uint32_t adc_data;csi_pin_set_mux(EXAMPLE_ADC_CHANNEL0_PIN,EXAMPLE_ADC_CHANNEL0_PIN_FUNC); csi_adc_init(&adc,0);
csi_adc_freq_div(&adc,128);
csi_adc_sampling_time(&adc,2);
csi_adc_channel_enable(&adc,0,true);
csi_adc_start(&adc);
adc_data=csi_adc_read(&adc);
printf("%d\n",adc_data);
//uninit adccsi_adc_uninit(&adc);
returnadc_data;
}
相关文章
|
机器学习/深度学习 资源调度 Kubernetes
进击的Kubernetes调度系统(三):支持批任务的Binpack Scheduling
阿里云容器服务团队结合多年Kubernetes产品与客户支持经验,对Kube-scheduler进行了大量优化和扩展,逐步使其在不同场景下依然能稳定、高效地调度各种类型的复杂工作负载。 《进击的Kubernetes调度系统》系列文章将把我们的经验、技术思考和实现细节全面地展现给Kubernetes用户和开发者,期望帮助大家更好地了解Kubernetes调度系统的强大能力和未来发展方向。
4506 107
|
8月前
|
机器学习/深度学习 人工智能 NoSQL
记忆层增强的 Transformer 架构:通过可训练键值存储提升 LLM 性能的创新方法
Meta研究团队开发的记忆层技术通过替换Transformer中的前馈网络(FFN),显著提升了大语言模型的性能。记忆层使用可训练的固定键值对,规模达百万级别,仅计算最相似的前k个键值,优化了计算效率。实验显示,记忆层使模型在事实准确性上提升超100%,且在代码生成和通用知识领域表现优异,媲美4倍计算资源训练的传统模型。这一创新对下一代AI架构的发展具有重要意义。
345 11
记忆层增强的 Transformer 架构:通过可训练键值存储提升 LLM 性能的创新方法
|
7月前
|
数据采集 监控 搜索推荐
深度解析淘宝商品详情API接口:解锁电商数据新维度,驱动业务增长
淘宝商品详情API接口,是淘宝开放平台为第三方开发者提供的一套用于获取淘宝、天猫等电商平台商品详细信息的应用程序接口。该接口涵盖了商品的基本信息(如标题、价格、图片)、属性参数、库存状况、销量评价、物流信息等,是电商企业实现商品管理、市场分析、营销策略制定等功能的得力助手。
|
8月前
|
机器学习/深度学习 并行计算 PyTorch
TorchOptimizer:基于贝叶斯优化的PyTorch Lightning超参数调优框架
TorchOptimizer 是一个基于贝叶斯优化方法的超参数优化框架,专为 PyTorch Lightning 模型设计。它通过高斯过程建模目标函数,实现智能化的超参数组合选择,并利用并行计算加速优化过程。该框架支持自定义约束条件、日志记录和检查点机制,显著提升模型性能,适用于各种规模的深度学习项目。相比传统方法,TorchOptimizer 能更高效地确定最优超参数配置。
502 7
|
机器学习/深度学习 Java 开发工具
【能力展现】魔改ZXING源码实现商业级DM码检测能力
【能力展现】魔改ZXING源码实现商业级DM码检测能力
523 1
|
机器学习/深度学习 存储 人工智能
大数据处理与分析技术:未来的基石
在信息化时代,数据已成为企业发展和决策的基础。而随着数据量的不断增长,传统的数据处理方法已经无法满足现代企业的需求。因此,大数据处理与分析技术的出现成为了新时代的必需品。本文将介绍大数据处理与分析技术的概念,意义、应用场景以及未来发展趋势。
389 3
|
数据采集 运维 算法
大数据项目管理:从需求分析到成果交付的全流程指南
【4月更文挑战第9天】本文介绍了大数据项目从需求分析到成果交付的全过程,包括需求收集与梳理、可行性分析、项目规划、数据准备与处理、系统开发与集成,以及成果交付与运维。文中通过实例展示了如何进行数据源接入、数据仓库建设、系统设计、算法开发,同时强调了需求理解、知识转移、系统运维的重要性。此外,还提供了Python和SQL代码片段,以说明具体技术实现。在大数据项目管理中,需结合业务和技术,灵活运用这些方法,确保项目的成功执行和价值实现。
3165 1
|
机器学习/深度学习 存储 人工智能
基于深度学习的乳腺癌智能检测分割与诊断系统【python源码+Pyqt5界面+数据集+训练代码】深度学习实战、目标分割、人工智能(1)
基于深度学习的乳腺癌智能检测分割与诊断系统【python源码+Pyqt5界面+数据集+训练代码】深度学习实战、目标分割、人工智能
|
消息中间件 大数据 Kafka
kafka线上问题:rebalance
小米探讨了Kafka消费组重平衡问题,这是大数据领域的一大挑战,特别是在大规模集群中。重平衡因组成员增减、主题数量变化或分区数变化触发,可能使Kafka短暂不可用,影响TPS。解决办法包括调整超时时间、心跳频率和拉取间隔以减少重平衡频率和影响。了解触发原因和机制,以及实施优化策略,对于提升Kafka集群的稳定性和性能至关重要。
608 0
kafka线上问题:rebalance
|
监控
XGSPON技术简介及其与GPON和XGPON的共存方式
XGPON和XGSPON都属于GPON系列,可以说XGSPON是XGPON的技术进化。这两种技术都属于10G PON,但主要区别在于速率对称性上。XGPON是非对称PON,其PON端口上下行速率分别为2.5G和10G;而XGSPON则是对称PON,其PON端口上下行速率均为10G。
1319 2