2026年，全国大学生集成电路创新创业大赛，做‘基于FPGA的实时心电图（ECG）心律失常分类’这类医疗电子题目，在数据预处理、特征提取和轻量级分类模型部署上，有哪些既合规又出彩的实现思路？
我们团队计划参加2026年的集创赛，想做一个FPGA在医疗电子领域的项目，初步选定实时ECG心律失常分类。我们查过一些论文，知道流程包括滤波去噪、特征点检测（如QRS波）、特征提取，最后用分类器（如SVM、轻量CNN）。但作为竞赛项目，我们希望既有技术深度又能体现创新和实用性。具体困惑：1. 在FPGA上实现实时滤波（如小波变换）和精准的QRS检测，有哪些高精度低延迟的算法和硬件架构？2. 特征提取部分，除了时域特征（RR间期），频域和非线性特征在硬件上如何高效计算？3. 分类模型部署，如果用轻量CNN，如何针对ECG一维信号设计专用的硬件加速器，而不是简单套用图像处理的2D卷积核？希望有做过类似项目的学长分享经验，避开一些初期的坑。
电路板玩家2023
