心电数据集

本例使用了来自公开可用的QT数据库的心电图信号[1] [2]。该数据由大约15分钟的标记的ECG录制组成，采样率为250 Hz，从总共105名患者中测量。

心电信号可分为以下拍形态[3.]:

ECG波形的这些区域的分割可以为评估人类心脏整体健康和异常存在的测量提供基础。

先决条件

有关库受万博1manbetx支持的版本以及有关设置环境变量的信息，请参见使用MATLAB编码器进行深入学习的先决条件（MATLAB编码器）（Matlab编码器）。

生成代码的功能

生成的可执行文件中的核心函数：

波形段功能

一个入口点函数，又称顶级或者主要的，重要的函数，是您为代码生成定义的函数。您必须定义一个入门点函数，调用启用代码生成的函数，并从入口点函数生成C / C ++代码。入口点函数中的所有功能必须支持代码生成。万博1manbetx

在这个例子中，waveformSegmentation是入口点函数。它需要一个ECG信号作为输入，并将其传递给培训的Bilstm网络以进行预测。的执行备p.函数对原始信号进行预处理并应用短时傅里叶变换genClassifiedResults函数将预处理后的信号传递给网络进行预测，并显示分类结果。

类型波形段

函数out=waveformSegmentation（in）%#codegen persistent net；if isempty（net）net=coder.loadDeepLearningNetwork（'trained-network-STFTBILSTM.mat'，'net'）；end preprocessedSignal=performPreprocessing（in）；out=cell（3,1）；对于indx=1:3 out{indx，1}=genClassifedResults（net.predict（predict（predicted信号{1，indx}））；end-end

创建到Raspberry Pi的连接

使用MATLAB支持包的树莓派万博1manbetx函数，拉斯皮，以创建与Raspberry Pi的连接。在以下代码中，替换：

r = raspi ('raspiname'，“圆周率”，“密码”）;

该示例显示了用于验证代码和设计的基于PIL的工作流，然后创建并部署一个独立的可执行文件。或者，如果要直接部署独立可执行文件，可以跳过PIL执行并转到创建独立执行。

生成PIL MEX功能

第一步显示了一个基于pil的工作流来为波形段函数。

为静态库设置代码生成配置对象

为静态库创建代码配置对象，并将验证模式设置为“比尔”。将目标语言设置为'c ++'．

cfg = coder.config (“自由”，'ecoder'，真的）;cfg.verificationMode =.“比尔”；cfg.targetlang ='c ++'；

为深度学习代码生成设置配置对象

创建一个Coder.armneonConfig目的。指定ARM Compute库的版本作为Raspberry Pi上的版本。指定Raspberry PI的体系结构。（此示例需要ARM Compute Library v19.05）。

dlcfg=coder.DeepLearningConfig('arm-compute'）;dlcfg.armcomputeversion =.“19.05”；dlcfg.armarchitecture =“armv7”；

设定深度学习配置将代码生成配置对象的属性设置为深度学习配置对象。使用代码生成中可见的MATLAB源代码注释设置配置对象。

cfg.deeplearningconfig = dlcfg;cfg.matlabsourcecomments = 1;

配置覆盆子PI的代码生成硬件参数

创建一个编码器。硬件raspberry pi对象并将其附加到代码生成配置对象。

hw = coder.hardware (“树莓π”）;cfg.hardware = hw;

在raspberry pi上指定构建文件夹。

cfg.Hardware.BuildDir ='〜/波形'；

生成源代码c++代码使用Codegen.功能

使用Codegen.函数生成C++代码。Codegen.与Raspberry Pi硬件的MATL万博1manbetxAB支持包一起使用，生成的代码下载到板上并在板上编译。生成一个PIL MEX函数以在MATLAB和Raspberry Pi上运行的生成代码之间进行通信。

确保设置环境变量ARM_Comptelib.和LD_LIBRARY_PATH在覆盆子pi上。看使用MATLAB编码器进行深入学习的先决条件（MATLAB编码器）（Matlab编码器）。

Codegen.-Config.cfg波形段arg游戏{coder.typeof（单个（一个（115000）），[115000]，[0,0]）}-报告

###目标设备没有本机通信支持。万博1manbetx检查连接配置注册…部署代码。这可能需要几分钟。###目标设备没有本机通信支持。万博1manbetx检查连接配置注册…# # #连接配置功能“waveformSegmentation”:“树莓π”生成的精灵的位置:/home/pi/waveformSegmentation / MATLAB_ws R2020b / C /用户/ eshashah / OneDrive_ -_MathWorks /文件/ MATLAB /例子/ deeplearning_shared-ex28372959 codegen / lib / waveformSegmentation /公益诉讼成功代码生成:查看报告

在Raspberry Pi上运行可执行程序

加载MAT-fileEcgsignal_test.．该文件存储可以在其中测试生成的代码的示例ECG信号。

运行生成waveformsement_pil.MEX在测试信号上的功能。

负载ecgsignal_test.mat; out=波形分段\u pil（测试）；

###启动应用程序：'codegen \ lib \ waveformseation \ pil \ waveformstodation.elf'终止执行：clear waveformseation_pil ###启动应用程序waveformstonation.elf ...

显示带有预测标签的信号。

标签=分类(从{1}(2000:3000));msk = signalMask(标签);2000:3000 plotsigroi (msk、测试(1))标题('预测标签'）

验证PIL MEX功能的输出后，您可以为其创建独立的可执行文件波形段函数。

下一部分将展示代码生成工作流，该工作流使用MATLAB Coder应用程序在代码中创建、生成和部署独立的可执行文件，以便在Raspberry Pi上进行预测。

创建一个独立的可执行程序使用MATLAB编码器应用程序

的Matlab编码器应用程序从Matlab®代码生成C或C++代码。基于工作流的用户界面使您通过代码生成过程。下面的步骤使用MATLAB编码器应用程序描述一个简短的工作流。Matlab编码器（MATLAB编码器）和使用MATLAB Coder App生成C代码（MATLAB编码器）．

选择入口点函数文件

在这一点应用选项卡，单击工具条最右边的向下箭头以扩展应用程序库。下代码生成点击Matlab编码器．该应用程序打开了选择源文件第页。输入或选择入口点函数的名称，波形段．

点击下一个去定义输入类型页面。

定义输入类型

1.选择让我直接输入输入类型或全局类型并设置输入的值在成一个（1x15000）．

2.点击下一个去生成代码步。跳过检查运行时问题步骤，因为ARM计算库的代码生成不支持MEX生成。万博1manbetx

生成代码

1.在“生成代码”对话框中设置值：

2.点击更多的设置按钮:

3.关闭“设置”窗口并生成代码。

4.点击下一个去完成工作流程页面。

fetch生成的可执行目录

一旦代码生成完成，下面几行代码将在树莓派上测试生成的代码，将输入的ECG信号复制到生成的代码目录中。您可以手动或使用raspi.utils.getRemoteBuildDirectoryAPI。方法生成的二进制文件的目录Codegen.函数。假设二进制文件只在一个目录中找到，输入:

applicationDirPaths =…

Raspi.utils.getRemoteBuildDirectory（'ApplicationName'，'WaveformSegation'）;

targetDirPath = applicationDirPaths {1} .directory;

将输入文件复制到Raspberry Pi

要复制运行可执行程序所需的文件，请使用putFile，它可与MATLAB支持包的树莓派硬件。万博1manbetx的input.csv文件包含用于测试已部署代码的示例ECG信号。

r.putfile（'input.csv'，targetdirpath）;

input=dlmread（'input.csv'）；

在覆盆子pi上运行可执行程序

从MATLAB运行raspberry pi上的可执行程序，并将输出文件获取到matlab。输入文件名应作为可执行文件命令行参数传递。

exeName =“waveformSegmentation.elf”;%可执行文件的名字

命令=['cd'targetDirPath'；./'exeName]；

系统（R，命令）

OutputPath = strcat（targetdirpath，'/ *。txt'）;

getFile (r, outputPath)

显示带有预测标签的信号。输出如图所示。

加载ecgsignal_test.mat；

标签=分类(textread (' out.txt ', ' % s ') ');

msk=信号屏蔽（标签（12000:3000））；

Plotsigroi（MSK，测试（1,2000：3000））

标题（“预测标签”）

工具书类

[1] McSharry，Patrick E.等。“一种用于产生合成心电图信号的动态模型。”IEEE®生物医学工程学报。第50卷第3期，2003年，289-294页。

[2] Laguna，Pablo，RaimonJané和Pere Cauninal。“自动检测多地ECG信号中的波边界：使用CSE数据库验证。”计算机和生物医学研究。卷。27，1994年第1款，第45-60页。

Goldberger, Ary L.， Luis A. N. Amaral, Leon Glass, Jeffery M. Hausdorff, Plamen Ch. Ivanov, Roger G. Mark, Joseph E. miietus, George B. Moody, Chung-Kang Peng，和H. Eugene Stanley。“PhysioBank, PhysioToolkit和PhysioNet:复杂生理信号新研究资源的组成部分”循环。第101卷，第23期，2000年，第e215-e220页。[发行电子版；http://circ.ahajournals.org/content/101/23/e215.full.]。