在單片機上和模糊邏輯檢測室性早博

摘要：在基于單片機8051的心電監護模塊中，用模糊邏輯檢測室性早博，使心電監護模塊功能得到擴展。

現代多參數監護儀普遍采用模塊化模塊，每個(gè)模塊都是能完成單功能的獨立微處理機系統，多個(gè)模塊通過(guò)串行口接收主控制器命令，送出測量結果。心電監護模塊是其中的關(guān)鍵部件，其在單片機控制下拾取心電信號，放大、預處理，并傳送給主控模塊。

室性早博（PVC）是一種最常見(jiàn)的心律失常，它的實(shí)時(shí)，正確檢測是心電圖自動(dòng)分析的一項重要技術(shù)。在心電監護的基礎上，加入心博和節律分類(lèi)功能，便可進(jìn)行心律失常監護。室性早博檢測一般在高端的心律失常分析模塊中進(jìn)行。目前單片機的功能不斷增強，過(guò)去主要用作控制器的單片機，在完成原來(lái)的任務(wù)后，尚剩余不少CPU時(shí)間和控制功能，完全有可能實(shí)現一些過(guò)去只能在PC機上運行的復雜算法，而且用匯編語(yǔ)言編程提高運行速度。

模糊系統是模糊集合論和模糊邏輯的具體應用，它模擬人腦思維決策的能力，特別適用于數字模型難以精確表示的不確定系統。醫學(xué)決策系統中的許多信息都是不確定的，例如心電信號中的大量特片信息，適合用模糊推理的方法進(jìn)行處理。筆者的實(shí)驗室采用模糊邏輯識別室性早博，效果較好。

筆者在基于8051的心電模塊中移植上述算法，實(shí)現室性早博檢測。在模糊單片機上進(jìn)行模糊控制或推理非常方便。在數字單片機上實(shí)現，關(guān)鍵是怎樣存儲表達隸屬度函數和模糊規則，以及怎樣實(shí)現推理。

1 隸屬度函數、模糊規則和模糊推理方法

使用RR間期、R波寬度和面積、T波的面積和峰值這五個(gè)形態(tài)參數描述一個(gè)QRS波。室性早博的典型形態(tài)特片表現為RR間期較小，R波寬度大、面積大,T波寬度大、峰值大。經(jīng)過(guò)統計和實(shí)驗確定的隸屬度函數如圖1所示。

圖1中橫軸表示論域，縱軸表示隸屬度。每個(gè)輸入語(yǔ)言變量定義�。⊿）、中（M）、大（L）、特大（XL）四個(gè)語(yǔ)言變量值。隸屬度函數為三角形或半梯形。

模糊規則共有32條，部分規則如表1所示。其中17條判決“是PVC”，15條判決“可能是PVC”，--表示不考慮該參數的影響。

表1 模糊規則

RR間期R波面積R波的寬度T波面積T波峰值結論XLXL------是PVCXL--XL----是PVCMLXLXLL是PVCMLLXLL是PVC…L----XL--可能是PVC--XLXLXLL可能是PVCM----XLL可能是PVCLSM--M可能是PVC

在數字單片機上實(shí)現模糊控制一般采用三種方式：強度轉移方式、直接查表方式和公式計算方式。直接查表方式通過(guò)事先的離線(xiàn)計算，得到一張模糊控制表，將控制表存放在計算機機內存中；控制過(guò)程中，根據輸入變量查找表中對應的控制量。在一般的控制應用中，這種方法速度最快。但本系統中輸入變量較多(5個(gè))，模糊控制表維數高，存儲、查表均不方便。強度轉移方式是按模糊控制的極大-極小法進(jìn)行推理。每個(gè)輸入參數映射為多個(gè)隸屬度，每組輸入會(huì )激活多條規則，可能對應不同的結果。用取小的原則計算各組合對應規則的輸出強度，然后按最大隸屬度原則得出對應于各結論的可信度。這樣，對于每一個(gè)輸入，都可得出與各結論相對應的輸出強度，稱(chēng)為輸出隸屬度，取輸出強度最大的那個(gè)隸屬度作為輸出。實(shí)驗結果表明，這種方法對本系統最為合適。

2 強度轉移法在單片機8051上的實(shí)現

2.1 隸屬度函數的存放

由于數字單片機只能存儲和處理數字信息，且單片機的內存容量有限，如果要對系統輸入輸出論域的所有隸屬函數的連續曲線(xiàn)進(jìn)行存儲，是根本不可能的。對于三角形隸屬函數，采用三點(diǎn)法，存儲三角形的三個(gè)頂點(diǎn)；對于兩邊的半梯形，也存儲腰和頂的三點(diǎn)。隸屬度函數存放在ROM中，如表2所示（僅列出RR，其余類(lèi)推）。

表2 隸屬度函數存放示意圖

地 址隸屬度函數模糊值模糊變量1C00H0.00.81.0SRR1C03H0.81.01.4M　1C06H1.01.42.5L　1C09H1.42.53.0XL　

2.2 輸入模糊化

提取的特片參數是精確值，將它們與隸屬函數進(jìn)行比較組合，求出相應的模糊輸入量。隸屬度范圍為0～1，在8位機上可表示為00H～FFH。對本系統而言，每個(gè)精確輸入值最多只對應兩個(gè)模糊輸入量大于零，其余的模糊輸入量則為零。例如：假設RR=1.1，從表2可知它落在中（M）和大（L）兩個(gè)區間上，因此對于中（M）和大（L）的隸屬度為：

μm(1.1)=(1.4-11.1)/(1.4-1.0)×FFH=BFH

μl(1.1)=(1.1-1.0)/(1.4-1.0)×FFH=3FH

在RAM中開(kāi)辟一塊區域，存放各模糊輸入量，如表3所示。

表3 模糊輸入量存放示意圖

地 址隸屬度模糊值模糊變量D0H00HSRRD1HBFHM　D2H3FHL　D3H00HXL　

2.3 模糊規則的存放

模糊規則表示為：IF A and B and C and

【在單片機上和模糊邏輯檢測室性早博】相關(guān)文章：

AFS模糊邏輯理論及其應用11-22

μC/OS-II在80196KC單片機上的移植03-18

基于解釋性和精確性的模糊建模方法研究研究的目的與意義(一)03-07

從齊白石的“蝦”說(shuō)起-談繪畫(huà)的“模糊性”03-09

基于模糊邏輯理論的居民出行需求合理性評價(jià)03-07

對帕斯卡概率邏輯的批判性反思03-14

利用GP-IB接口和單片機系統實(shí)現光功率的自動(dòng)智能檢測03-18

探究英語(yǔ)教學(xué)中語(yǔ)義的模糊性03-18

淺談帕斯卡概率邏輯的批判性反思03-26