屯、电电极的连接示意图。
[0037] 图2为本发明S导联屯、电监测系统的结构示意图。
[0038] 图3为本发明S导联屯、电监测系统中智能终端的结构示意图。
[0039] 图4为本发明屯、电电极连接判别过程中的人工神经网络模型示意图。
【具体实施方式】
[0040] 为了更为具体地描述本发明，下面结合附图及【具体实施方式】对本发明的技术方案 进行详细说明。
[0041] 如图2所示，本发明基于具有电极连接判别功能的S导联屯、电监测系统，包括屯、电 监测器和智能手机;其中：
[0042] 屯、电监测器包括监测器主体和屯个屯、电采集电极，监测器主体内设有主控模块、 电压检测模块、蓝牙通讯模块、信号调理模块、自动关机模块、电源管理模块和驱动模块;监 测器主体表面设有开关按钮和低压指示灯1;其中：
[0043] 电源管理模块用于为屯、电采集电极W及监测器主体内其他功能模块提供工作电 压。
[0044] 屯、电采集电极与信号调理模块连接，其用于拾取人体表的微弱屯、电信号。
[0045] 信号调理模块与主控模块连接，其用于对屯、电采集电极拾取到的微弱屯、电信号进 行放大滤波等处理后传送给主控模块;本实施方式中，信号调理模块由输入缓冲级、前置仪 表放大级、高通滤波器、中间放大级、低通滤波器W及工频陷波器依次连接组成。
[0046] 驱动模块与主控模块和开关按钮相连，其用于通过主控模块驱动电源管理模块对 屯、电采集电极放电，使用者可通过开关按钮启动屯、电监测器。
[0047] 电压检测模块与电源管理模块和低压指示灯1连接，其用于检测电源管理模块的 电压信息；当电源管理模块为屯、电监测器提供的工作电压小于一预设值情况下，低压指示 灯1点亮，W提示用户对屯、电监测器进行充电或更换电池。
[0048] 自动关机模块与电源管理模块和主控模块连接，其可W使屯、电监测器在长时间不 工作的情况下，将屯、电监测器的供电电源切断，进入休眠状态，降低功耗;本实施方式中，自 动关机模块内设有一计时器，计时器与主控模块连接，计时器设定有一定的时间间隔 (10s)，当主控模块中没有屯、电信号超过该时间间隔，自动关机模块将自动将电源切断，进 入休眠状态，降低功耗。
[0049] 蓝牙通讯模块与主控模块相连，主控模块通过蓝牙通讯模块将屯、电信号无线传输 给智能手机。本实施方式中，蓝牙通讯模块遵循蓝牙标准协议;模块支持UART、USB、SPI、 PCM、SPDIF等接口，并支持SPP蓝牙串口协议，具有成本低、体积小、功耗低、收发灵敏性高等 优点，只需配备少许的外围元件就能实现其强大功能。
[0050] 如图3所示，本实施方式中智能手机内包含有处理器和蓝牙通讯模块，蓝牙通讯模 块与处理器相连;处理器包括信号采集模块、线性拟合模块、屯、电重构模块、相关运算模块、 神经网络训练模块和判别模块;其中：
[0051] 在判断=导联屯、电检测过程中的电极位置是否接错之前，考虑到屯个电极错位的 复杂排列组合结果太大，因此需要进行简化电极位置判断。即，首先排除远离其余六个电极 的接地电极化的位置接错，参照图1可见，第屯个电极化远离其余六个电极，非常容易连接， 接错的概率是很低的，因此将该电极RL位置接错的可能性排除，后续步骤中同样作排除处 理即可获得同样的效果。
[0052] 信号采集模块通过蓝牙通讯模块收集屯、电监测器提供的屯、电数据；屯、电数据包 括:在电极连接正确导联输入正常的情况下屯、电监测器预先采集得到的m组=通道屯、电标 准信号段、通过S个正电极之间连接位置的排列组合将每组信号段扩展成6组得到的6m组 S通道屯、电训练信号段W及用户日常检测时屯、电监测器采集得到的S通道屯、电信号段，m 为大于1的自然数；
[0053] 在电极连接正确、导联输入正常的情况下，采集S导联屯、电监测系统m组长度为n 的多样本、低相关性的=通道屯、电标准信号段;通过将屯、电标准信号段的=通道按W下位 置状态进行排列组合，获得6m组=通道屯、电训练信号段； CH1, CH2, CH3 化甘或态！ CH2, CH1, CH3 位置状态2 CH3, CH2, CHl 位置状态3
[0化4] CH1，CH3, CH2 位置状态4 CH3, CH1, CH2 位置状态5 CH2，州3，CHl 位置状态6
[0055] 本实施方式中，m为2000，n为2500。
[0056] 线性拟合模块对上述m组=通道屯、电标准信号段进行线性回归拟合，得到=通道 屯、电信号之间的线性关系模型;具体实现方法如下：
[0057] (1)将m个长度为n的S通道屯、电标准信号段融合为N个S通道屯、电标准信号；
[005引（2)根据W下公式和S通道屯、电标准信号建立3N组任一通道重构信号与其他通道 信号之间的线性关系表达式；
傅
[0060] 其中：舞Ip为第i个通道的重构信号，C叫j]为第j个通道的原始信号，bi功第i个 通道信号由各通道信号表达时第j个通道信号的线性系数，bii为常数项系数，C为总通道数；
[0061] (3)根据最小二乘法和3N组线性关系表达式对线性关系矩阵bu求解:根据公式(2) 建立各通道原始信号与重构信号之间的平方损失函数Q[i]，Q[i]最小时则能得到待估线性 关系矩阵。将各待估线性系数bu作为自变量，分别求Q对其的偏导，并令偏导为0，根据公式 (3)求解=元一次方程组可W得到3行4列的线性关系矩阵bu;训练得到的线性关系矩阵如 下：
[0062] 0.0210 0 -0.73：M 1.2432
[006引 0.0286 -0.2454 0 0.5710
[0064] -0.0229 0.5840 0.8016 0
(2)
[0066]其中：Q[i]为第i通道重构信号与原始信号之间的平方损失函数，C叫i]比]、C叫j] 比]为第i、j通道原始信号的第k个数据，N为原始信号个数；
[0067]
(3)
[0068] 其中
：为第i通道的平方损失函数对第i通道第I个待估参数的偏导，C叫1]比] 为第1通道原始信号的第k个数据。
[0069] 屯、电重构模块将m组=通道屯、电标准信号段代入上述线性关系模型进行遍历计 算，对应得到m组S通道屯、电重构信号段;此外也将用户日常检测得到的S通道屯、电信号段 代入线性关系模型进行计算，得到对应的=通道屯、电重构信号段;具体根据W下公式分别 遍历m组屯、电训练信号段的S通道数据，获得S通道信号段的重构信号段；
[0071] 其中：雜妍f沒!为屯吨训练信号段中第i个通道第n个重构信号，C叫c][n]为屯吨 训练信号段中第C个通道第n个原始信号。
[0072] 相关运算模块将上述6m组S通道屯、电训练信号段对应与m组S通道屯、电重构信号 段进行相关系数运算，得到6m组由S个相关系数为特征值组成的特征序列;此外也将用户 日常检测得到的=通道屯、电信号段与其对应的=通道屯、电重构信号段进行相关系数运算， 得到对应的特征序列；具体实现方法为:根据W下公式将屯、电训练的原始信号段与重构信 号段进行相关系数计算;对于每组信号段可W分别计算得到S个相关系数特征值，遍历6m 组屯、电训练信号段，得到6m组相关系数特征值;对6m组相关系数特征值的不同类型进行人 工标识，W6比特结果标识对类型进行标识，由相关系数特征值及对应的结果编码组成屯、电 训练样本；
[0074]其中：f为相关系数，Xi、I为屯吨训练原始信号段中某一通道的第i个数据和平均 值，yi、f为屯、电训练重构信号段中某一通道的第i个数据和平均值，n为1组信号段的长度。 [00巧]神经网络训练模块根据上述6m组特征序列通过人工神经网络学习算法进行训练， 得到关于电极连接位置的判别模型;具体实现方法如下：
[0076] (1)将屯吨训练样本(6m组特征序列）划分为训练集和测试集；
[0077] (2)根据人工神经网络学习算法建立神经网络模型：神经网络模型有输入层、隐藏 层和输出层=层，输入层的输入输出为=通道的相关系数，层与层之间通过公式(4)进行连 接，隐藏层和输出层的神经元激活函数为公式(5)，输出层的输出为屯、电通道连接的6种分 类，隐藏层由4个神经元构成，同时将各层间的权值系数初始化;图4为建立的人工神经网络 横巧：
(4) (S)
[0080] (3)将屯、电训练样本的训练集中的一组样本输入到当前权值系数下的神经网络， 依次计算输入层、隐藏层和输出层的各节点的输出；
[0081] (4)根据公式(6)计算所有屯、电训练样本的输出层输出与屯、电训练样本的期望结 果之间的累积误差Etrain,根据梯度下降法，W公式(7)修正隐藏层与输出层各节点间的权值 系数，W公式(8 )修