Ricostruzione di segnali elettrocardiografici seguendo il paradigma del compressed sensing attraverso l'utilizzo di reti neurali profonde

La tesi, sviluppata in collaborazione con ARCES (centro di ricerca dell’Università di Bologna), mira allo sviluppo di una coppia encoder/decoder che ha le sue fondamenta nel paradigma del Compressed Sensing (CS). Questo basa la sua efficacia sull’ipotesi di sparsità del segnale da codificare. La caratteristica principale della soluzione proposta sta nell’utilizzo di una rete neurale profonda che opportunamente allenata è in grado sia di assolvere ai compiti del codificatore che di fare da supporto al blocco che si occupa della decodifica del segnale compresso. Nel dettaglio, la rete neurale sviluppata è in grado, a partire dal segnale compresso, di individuare quali elementi del segnale in ingresso siano non nulli, ovvero le posizioni che caratterizzano la sua rappresentazione sparsa. Questo riduce di gran lunga la complessità del ricostruttore, riducendolo di fatto al calcolo della pseudoinversa di una matrice rettangolare in piedi con un numero di righe inversamente proporzionale al livello di compressione raggiunto. La tesi discute inoltre: il livello di sparsità che caratterizza il segnale elettrocardiografico (segnale di riferimento per questo elaborato); due differenti blocchi di codifica associati a differenti costi computazionali; pone le basi per una diversa definizione di sparsità che tiene conto sia della compressione che della possibile presenza di sorgenti di rumore.