“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，有超过400万的患者经历头晕、昏厥或因心跳或心跳加速而感到不适。他们的医生给许多病人一种小型的可穿戴设备，在他们正常活动的一个月时间里，通过心电图(ECG)持续监测他们的心率。与在医院或医生办公室获得的心电图记录不同，这些动态心电图通常会受到噪声的干扰，很难或不可能进行分析。噪声可能导致假阳性和假阴性事件检测，增加分析时间和成本，并可能导致延迟或漏诊心律异常。
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。”
简单的无限脉冲响应(IIR)滤波器可以降低心电通频带外的噪声，但它们不能在不扭曲信号的情况下去除通频带内的噪声。为了实现这一目标，VivaQuant需要开发一种算法，在大型矩阵上执行复杂的计算，然后将其应用到一个足够小的设备上，可以舒适地佩戴数周，而无需更换电池。整个系统，包括微处理器和前端电子设备，需要在消耗不到1毫安电流的情况下实时获取和处理双向量心电图。
VivaQuant试图改进传统的设计方法，即算法由一个团队开发，然后交给一个独立的程序员团队执行。布罗克韦说:“当算法开发人员把一个设计抛给另一个团队时，往往会在沟通中失去很多东西。”“我们需要在不影响性能或质量的情况下，以一个小团队完成这一任务。”
VivaQuant使用MATLAB和MATLAB Coder来加速开发。
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fixed -point Designer™，他们将浮点算法转换为固定点算法。他们利用算法代码记录最小和最大变量值，并使用该信息优化定点数据类型，以在严格的处理器约束下实现准确性。
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%．“有了MATLAB和MATLAB Coder，我们只用了6个月就实现了算法——而不必聘请一个单独的编程团队，”布罗克韦说。“我估计，我们的流程的效率是传统方法的三到四倍，这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。”
最小化功耗和内存消耗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。”
严格的测试使．布罗克韦指出:“对于医疗设备来说，质量、可靠性和安全性是最重要的。”“我们用MATLAB搭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。”
你也可以从以下列表中选择一个网站: