“MATLAB、MATLAB编码器和定点设计器使我们的小团队能够开发复杂的实时信号处理算法，对其进行优化以降低功耗和内存需求，加速嵌入式代码的实现，并执行医疗设备验证所需的严格测试。”
玛丽娜·布罗克维，维瓦坎特
每年，超过400万名患者因心跳加速或剧烈跳动而感到头晕、晕厥或不适。他们的医生给这些患者中的许多人提供了一个小型可穿戴设备，在他们进行正常活动时，可以通过心电图（ECG）连续监测他们的心律长达一个月。与在医院或医生办公室获得的ECG记录相反，这些动态ECG经常被噪声干扰，难以或不可能进行分析。噪声可导致假阳性和假阴性事件检测，从而增加分析的时间和成本，并可导致心律异常的延迟或漏诊。
VivaQuant的工程师在国家心脏、肺和血液研究所的支持金宝app下，正在开发一种采用多域信号处理的心律监测设备™ （MDSP）可在不失真ECG波形的情况下将带内噪声抑制高达26 dB。该设备采用MATLAB设计的算法®并用MATLAB编码器在嵌入式处理器上实现™, VivaQuant的创始人兼首席技术官Marina Brockway说：“我多年来一直使用MATLAB开发复杂的信号处理、控制和信息学算法。”。“有了MATLAB编码器和定点设计器，我从一个想法到另一个产品的速度比我想象的要快。”
简单的无限冲激响应（IIR）滤波器可以降低ECG通带外的噪声，但不能在不失真信号的情况下去除通带内的噪声。为了实现这一目标，VivaQuant需要开发一种在大型矩阵上执行复杂计算的算法，然后在一台小到可以舒适地佩戴数周而无需更换电池的设备上实现。整个系统，包括微处理器和前端电子设备，需要实时采集和处理双向量心电图，同时消耗不到1毫安的电流。
VivaQuant试图改进传统的设计方法，即算法由一个团队开发，然后交给单独的程序员团队实现。布罗克韦说：“当算法开发人员将一个设计抛给另一个团队时，往往会在交流中失去很多东西。”。“我们需要在不影响性能或质量的情况下与一个小团队合作。”
VivaQuant使用MATLAB和MATLAB编码器加速开发。
布罗克韦和她的同事使用了MATLAB和信号处理工具箱™ 开发浮点版本的算法，该算法采用矩阵运算、统计测试、数字滤波器以及信号检测和估计。
他们通过在包含相同ECG信号的干净和噪声版本的ECG数据上进行测试来验证该算法。他们在已知干净ECG信号中添加了各种噪声，然后应用该算法来验证噪声已经降低，并且原始ECG信号特征没有被扭曲。
使用定点设计器™, 他们将浮点算法转换为定点算法。他们检测算法代码以记录最小和最大变量值，并使用此信息优化定点数据类型，以确保在严格的处理器约束下的准确性。
为了保持浮点和定点版本之间的等效性，他们在每个优化步骤后都会验证定点实现。该团队开发了一个MATLAB测试平台，可以根据测试数据自动运行定点和浮点版本，并对结果进行统计比较。
该团队通过使用MATLAB Coder为单个算法模块生成C代码来加速测试。他们还创建了可执行的MATLAB文件，以便在测试运行期间调用C代码。
他们为完整的算法生成了C代码，并将其部署到ARM上®皮质®-M系列处理器，并进行了进一步的优化和测试。
VivaQuant已经完成了一个原型，演示了在必要的电源限制下在ARM Cortex处理器上实现MDSP算法的可行性，现在正进入正式的开发和测试阶段。
发展速度加快300%. Brockway说：“有了MATLAB和MATLAB Coder，我们只用了六个月就实现了算法，而不需要单独的编程团队。”。“我估计我们的过程比传统方法的效率高出三到四倍，使我们能够在实时嵌入式系统中快速部署高度复杂的算法，以改善患者的生活。”
功耗和内存消耗最小化Brockway说：“我们的目标电池寿命是15毫升包装的三周。定点设计帮助我们优化算法并超过这一目标。该设备重量不到15克，与当前许多设备不同，佩戴舒适。”
启用严格的测试. 布罗克韦指出：“对于医疗器械来说，质量、可靠性和安全性是至关重要的。”。“我们用MATLAB构建的测试平台使我们能够在开发的每个阶段进行严格的测试，并自动识别结果中的任何差异。”
您还可以从以下列表中选择网站：