摘要:利用生物特征进行身份识别是目前模式识别领域的研究热点之一，由于人体的心电信号较为稳定且容易获取，因此利用心电进行身份识别得到了广泛的关注。传统基于心电的身份识别算法需要预先提取特征，然后进行模式识别，处理流程比较复杂，且容易受到噪声的影响。考虑心电QRS波群具有相对稳定的特点，利用QRS波群进行身份识别。首先对心电信号进行小波阈值降噪，然后提取QRS波群，将其转换为二值图，最后输入到卷积神经网络进行身份识别。通过几种不同超参数的卷积神经网络的计算比较，发现本文所述方法的最高准确率可达982%。此外，也对比了其他典型心电身份识别方法，结果表明，所述方法的识别准确率高于其他算法。

摘要:基于事件相关电位的脑-机接口系统难以检测大脑的空闲状态，限制了被试在任意时间输出指令的自由。利用欧德堡范式同时诱发N200电位、P300电位和瞬态视觉诱发电位。根据瞬态视觉诱发电位的频域特征区分大脑的工作状态和空闲状态；在工作状态下利用N200和P300电位的时域特征识别被试的控制意图，从而构建异步的脑-机接口系统。通过对7名健康被试进行发送指令与观看视频反馈两种状态的实验，实现大脑的工作状态和空闲状态之间的切换。该方法识别大脑状态或者意图的准确率为98.21%，与基于事件相关电位识别空闲状态的方法相比提高了50.89%。

摘要:为了便捷有效地识别肥心病与正常心音，提出了基于心音信号的时频域(TFD)特征提取新方法。综合应用小波变换与主成分分析对信号进行降噪预处理；基于变频同态滤波(FCHF)提取信号的时域包络，进行分割定位，提取收缩期杂音能量Es与舒张期杂音能量Ed;通过谱估计提取心杂音缩放因子(SF)对时域Es与Ed进行加权处理，提出用于表征肥心病心杂音的量化指标。对100例正常心音和181例肥心病心音进行分类，验证提出量化指标的有效性，平均识别准确率可达92.97%，最优识别正确率可达95.37%，结果表明提取的特征能有效识别正常心音与肥心病心音。算法提出的量化指标能够有效表征肥心病病理性特征，研究提出的心杂音量化指标提取算法为肥心病心音的分类识别提供技术基础。

摘要:针对痉挛状态患者表面肌电信号易出现虚假的肌电峰值，引起牵张反射起始点前后的信号差异变小，提出经验模态分解去噪与改进样本熵识别的牵张反射起始点检测方法。首先用经验模态分解对肌电信号进行分解；然后以受试者静息状态下的表面肌电信号为参考，设定软阈值对分解的信号进行去噪；最后用改进样本熵识别牵张反射起始点。实验结果表明，经验模态分解算法可以有效地去除肌电信号噪声，而且在改进样本熵的最优参数下牵张反射起始点平均识别率为94%。

摘要:近年来,许多学者将机器学习算法应用到肌电信号(EMG)数据分析中,取得了良好的效果,但是主要针对手势识别等 应用研究,较少有学者对辅助临床诊断进行研究。 针对模型训练所需数据较大和机器学习在听性脑干诱发电位(ABR)数据分 析中的应用较少两种问题。 研究了机器学习方法在基于小型 ABR 数据集数据的计算机辅助诊断中的应用。 收集了四川省中 医医院的 2 352 份肌电图检查报告,通过设计纳入标准并进行数据清洗,构建了包含 233 份 ABR 报告的数据集。 之后,使用数 据标准化方法对数据进行数据预处理,再使用随机森林、线性回归、Logistic 回归和人工神经网络 4 种机器学习算法对数据集进 行分析处理。 4 种算法的性能对比表明随机森林算法性能最优,其准确率、召回率、精确率分别达到了 0. 995 7、0. 989 7、 0. 950 0。 此外还对每种算法在数据标准化前后的性能进行了比较,表明标准化处理对准确率的提高有一定的提升效果。 随机 森林算法输出的特征重要性表明,ABR 检查中最重要的指标是 L_latency_5、L_latency_A 和 L_Interval_35,其次是 L_latency_b 和 L_latency_4。 这些指标重要性融入上位机软件有助于提高临床诊断效率,在临床应用中具有较高的临床判读潜力。

摘要:手指静脉识别技术由于其非接触、高防伪性以及活体检测等优点,成为研究与应用的热点。 针对传统手指静脉图像感 兴趣区域提取方法过程复杂、运算量大的问题,提出一种感兴趣区域快速提取的方法。 该方法采用三点对比法定位手指上下边 界以及基于相似三角形定理的图像校正方法。 与传统的方法相比,省去了边缘优化的复杂过程以及减少了旋转校正的乘法运 算量,能将指静脉图像感兴趣区域提取的速度提高 2~ 3 倍。 利用指静脉图像库进行仿真实验,结果表明,本算法提取 ROI 的正 确率为 100%,识别的等错误率仅为 2. 45%,说明该方法具有较高的普适性和稳定性,能广泛应用在指静脉识别系统中。

摘要:针对传统经验模式分解(EMD)方法存在的模式混淆问题,以及总体平均经验模式分解(EEMD)不具备完备性和计算量 太大的缺陷,提出一种改进的自适应互补集合经验模式分解(CEEMD)方法。 该方法在分析加噪准则的基础上,引入峰值误差 (PE)作为加噪评价指标,来自适应确定最佳加噪幅值;然后利用原始信号的幅值标准差以及加入噪声的幅值标准差的比值系 数,对不同信号自适应获取总体平均次数;最后将该方法运用到由美国麻省理工学院建立的 MIT-BIH 心电数据库中,很好地实 现了对目标信号的去噪。 实验表明,所提方法的平均信噪比(SNR)达到了 19. 249 7、均方根误差(RMSE)仅为 0. 047 3,平均平 滑度指标 R 只有 0. 030 5。 算法有效地去除了原始心电信号噪声,改善了信号的平滑度,提高了运算效率。

摘要:区域骨架去毛刺是骨架提取与应用中的重要问题。 常见的去毛刺途径之一,是用基于区域重构的骨架显著性指标对骨 架进行阈值化处理,但存在算法参数难以直观设置、去毛刺效果不易控制、运行速度较慢等问题。 针对上述问题,提出了一种逐 次剪除骨架分枝的去毛刺方法,以突出部分骨架长度为显著性指标,每次剪除显著性最低的一个分枝,直至剩余分枝达到给定 数量;为提高算法速度,采用了游程森林结构加速区域重构操作,提出了重构触发策略来减少重构次数。 在实际图像集上的实 验结果表明,提出的方法的正确骨架分枝的召回率较对比算法高 13%,准确率高近 3%;采用重构触发策略的算法运行时间平 均为未采用该策略算法的约 56%。 实验结果表明了所提方法的有效性。

摘要:感应耦合供电(ICPT)技术为旋转结构供电提供了安全高效的解决方案,针对旋转结构传统的侧置式和同轴式感应耦 合供电结构存在耦合结构设计、安装、调试繁琐的缺点,提出了一种感应耦合供电的平面阵列线圈结构。 通过建立精确三维有 限元模型,分析了移动中系统供电的稳定性和抗偏移性。 实验结果表明,该耦合结构消除了传统结构供电时发射与接收线圈位 置保持相对静止的弊端,对运动物体供电具有良好的鲁棒性和可移植性,易于安装和使用,更好地适应移动设备供电。 提取阵 列线圈结构感应供电时接收线圈感应电压幅值的小幅波动,可以同时实现转轴转速测量。

摘要:随着智能交通系统(ITS)的不断发展,车载通信作为其关键技术日益受到关注。 无线信道作为车载通信的传播途径,其 特性分析十分重要。 针对移动轿车经过基站时的信号传播模型进行研究,在散射簇的理论基础上建立了适用于大规模多输入 多输出(MIMO)信道的窄带单环模型。 通过设置符合实际场景的散射簇参数来模拟和分析信道,模型会更加符合实际信道特 征,比经典单环模型有更好的评估效果。 在仿真模型中,主要研究了信道的时间自相关函数(ACF)、空间互相关函数和频率互 相关函数(FCF)等特性。 同时,对不同的散射簇场景进行了对比分析,证明本模型更强的实用性。

摘要:由于滚动轴承早期微弱故障易受噪声影响导致难以对故障进行诊断。 针对原固有时间尺度( ITD)和三次样条插值改 进 ITD 算法的不足以及最大相关峭度解卷积(MCKD)算法的滤波器长度参数选取困难的问题,提出基于四次 Hermite 插值改进 的 ITD(QH-ITD)算法和利用变步长网络搜索参数寻优改进 MCKD(AMCKD)算法。 该方法首先利用 QH-ITD 算法对原滚动轴 承故障信号进行分解运算,然后利用峭度指标和互相关系数筛选相应的分量信号进行重构,再利用 AMCKD 算法中对重构信号 进行降噪处理,最后利用 Teager-Kaiser 能量算子进行解调处理,提取出故障特征信息并判断故障类型。 通过人工模拟的滚动轴 承损伤故障诊断实验和全寿命周期的轴承早期微弱故障诊断实验,验证了所提方法可以有效地对滚动轴承的早期微弱故障进 行诊断识别。

摘要:为了研究电磁信号是否能作为一种可靠的地震前兆信号,设计了一种基于感应式磁传感器用于地震监测的电磁传感探 头。 该探头电路由前端信号处理电路和后端采集电路组成,可支持频段为 10 Hz ~ 10 kHz,0. 1 ~ 1 000 nT 较宽动态范围的甚低 频、超低频电磁波段的电磁信号采集,灵敏度大于 20 mV/ nT@ 0. 1 Hz~ 10 kHz,18 位分辨率,并通过了多项可靠性测试。 此外, 该探头已经应用到包括川滇国家试验场在内的 221 个台站中的电磁监测中。 现场观测实验表明,该电磁传感探头能有效捕捉 到高度相关的电磁信号。

摘要:为了改进特殊有缆钻具制造工艺复杂的现状,提出了一种基于 HFSS 软件的井下无线感应信号传输装置仿真模型。 通 过建立感应式和谐振式仿真模型,计算仿真信号传输特性,验证设计模型的关键参数如匝数、螺距、包裹材料等对传输特性的影 响。 通过分析仿真模型的结果校正设计方案,得出传输衰减小、可实际应用的仿真模型,进而指导实物模型设计,提高研发效 率,降低研发成本。 测试结果表明,无线感应耦合信号传输模型具有可行性,与实物具有良好的一致性,衰减误差可在-5 dB 以 内,为实物制作提供了重要依据。

摘要:在无基准图的无人机返航过程中,实时图和航路点的景象匹配是无人机返航成功的关键。 为提高景象匹配的实时性和 鲁棒性,提出了基于加速分割检测特征(FAST)角点检测和快速视网膜关键点(FREAK)描述符的无人机景象匹配算法。 首先, 针对 FAST 角点检测方法的无尺度不变性、特征点数量冗余的缺点进行了改进;接着,对 FREAK 二进制描述符进行简化,以提 高匹配速度;然后,采用 K 近邻比值法和 RANSAC 方法进行特征的初匹配和精匹配,并建立定位模型,从而获得航路点与无人 机当前位置的实际距离和方位信息;最后,对算法的各项性能做实验验证。 所提出的算法定位方向偏差在 1°以内,像面距离偏 差稳定在 0. 6 pixel,运行时间 0. 43 s,远小于尺度不变特征转换(SIFT)和加速鲁棒特征(SURF)算法的处理时间。 在尺度变换 和噪声等条件变化的情况下,相比 SIFT 和 SURF 等算法,所提算法取得了较好的正确匹配率,具有更好的鲁棒性。 实验结果表 明所提出的算法鲁棒性好,运算速度快,尤其在视角变换方面表现优秀,更适合无人机视觉辅助导航。

摘要:使用聚类粒化方法求取非重叠社团结构时,经常会出现重叠区域。 三支决策模型将两个存在重叠的社团的左边社团中 非重叠部分定义为正域,右边社团中非重叠部分定义为负域,而两个社团的重叠部分定义为边界域。 为了获得更好的社团性 能,须将边界域中的节点进行二次划分。 子模优化在机器学习中有广泛的应用,如果目标函数具有子模性,则存在一个简单的 贪心算法能在多项式时间内以常数因子逼近问题的最优解。 将子模优化思想引入社团重叠区域节点的处理,提出一种基于子 模优化的边界域处理社团发现算法(SO-CDA)。 定义设备选址函数进行子模优化,重叠节点的划分可以转化为子模函数最大 化问题,在 7 个真实网络上的实验结果表明,SO-CDA 能够有效地进行社团划分,性能更加稳定。

摘要:直升机旋翼桨叶在飞行过程中极易发生疲劳损伤,为了解决桨叶损伤源定位问题,构建了桨叶损伤监测及定位系统。 通过核主成分分析(KPCA)对损伤源的声发射信号进行特征提取,结合支持向量机( SVM)及其回归功能对旋翼桨叶模型损伤 源进行定位。 使用特征提取后的参数区域损伤定位精度达到 100%,回归分析平均误差率 4. 06%,均优于使用原始数据进行定 位,因此该方法能够有效实现直升机旋翼桨叶损伤源定位,并且减少了输入数据的维数,降低了计算量。

摘要:自主移动机器人已经在国防军事、灾区救援等领域有了广泛应用,楼梯区域作为一种典型的环境目标,需要机器人能够 对其做出准确识别。 放置于楼梯区域的障碍物会破坏传统楼梯识别算法需要提取的楼梯平面及边缘特征,导致楼梯区域无法 被准确识别。 针对该问题,提出了一种复杂环境下,基于点云的楼梯区域检测识别算法。 该算法首先使用区域生长方法对目标 区域进行分割并通过各区域拟合平面法线方向来选取疑似为楼梯各级竖直阶面的区域;进而对各级楼梯区域进行处理,分割障 碍物并获取各级楼梯竖直面上边界;最终根据各级边界位置得到楼梯模型以及障碍物位置。 实验结果表明,该算法具有较好的 鲁棒性,能在各种复杂环境下识别出楼梯并得到无障碍楼梯区域,构建的楼梯三维模型尺寸误差均小于 7%,有较高的准确性, 相较于传统楼梯识别算法,能达到更好的检测识别效果。

摘要:最小熵反褶积是检测轴承故障或齿轮故障信号等类脉冲信号的一种有效技术,但是该方法仍存在一个不足,即在使用 前须设置滤波器的长度,而该参数值的选择一般只能通过技术人员的经验选择。 针对这个局限性,提出了一个基于峭度、排列 熵与信号能量的滤波器长度选择准则。 通过该准则,可以有效地挑选出最优的滤波器长度,从而更好地对故障信号进行滤波。 随后,一种增强的能量算子,包络-导数能量算子用来对过滤后的故障信号进行故障特征频率的提取。 实验结果表明,该方法 不仅可以有效地提取出轴承故障特征频率,并且与一些传统方法相比,该方法可以大大突出故障特征频率的幅值。

摘要:针对阵列参数估计中传统奈奎斯特采样定理给采样和存储设备带来的巨大压力,提出了一种基于随机解调(RD)阵列 结构的信号载频与二维到达角(2D-DOA)联合估计方法。 利用不同天线阵列之间的互相关矩阵构造协方差矩阵,基于旋转不 变子空间(ESPRIT)方法求解载频和 2D-DOA 参数,同时克服了载频和 2D-DOA 之间的配对问题。 仿真实验结果证明了该方法 能较好地从较少的欠奈奎斯特样本中估计目标信号的载波频率和 2D-DOA,并恢复原信号的时域波形。

摘要:针对开关磁阻电机定子槽内双绕组间因存在不规则气隙而导致其温度场分析建模困难的问题,提出一种双绕组气隙的 改进建模方法。 分析了电机双绕组间气隙总截面积的计算方法,研究了双绕组气隙的模型结构与最佳气隙宽度的确定方法,在 此基础上建立了开关磁阻电机的三维有限元模型,并采用有限元法对其温度场进行了分析,得到开关磁阻电机的温度场分布, 通过对不同气隙宽度下的温度场分析并采用数值拟合方法得到其气隙宽度与相应温度间的函数关系,利用该函数关系及相应 的实测温度值,即可得到双绕组气隙模型的最佳气隙宽度,该方法因有效提高了开关磁阻电机温度场分析结果的准确性,因而 具有较好的应用价值。

摘要:太阳能是一种极具吸引力的替代电力能源,太阳能光伏电池是太阳能发电系统的基础。 太阳能光伏电池中的各类缺陷 严重影响光伏电池的光电转化效率和使用寿命。 为有效地检测出这些缺陷,提出了一种基于块数据删除模型的缺陷检测方法。 首先,对太阳能光伏电池图像进行傅里叶变换去除母线并调节亮度和对比度,然后将图像分块,通过块数据删除模型找出去除 母线后的图像中所有的异常块,并将这些异常块全部剔除,利用余下的图像块通过非线性回归模型重建图像的背景。 最后,用 待检图像与得到的背景图像作差以突出缺陷区域,达到缺陷检测的目的。 实验结果表明,所提出的方法能够有效地检测出太阳 能光伏电池中多种类型的缺陷,如隐裂、断栅和碎片等。 用该方法对 313 幅太阳能光伏电池图像进行实验,其中 158 幅无缺陷 图像均未检测出缺陷,而另外 155 幅含有隐裂、断栅等缺陷的图像,仅有 5 幅出现误检,缺陷检测率达 96. 77%。

摘要:随着航天器结构与热设计复杂性的提升,结构表面测温工艺实施难度增大,测温区域趋于多元化,对航天器热试验中非 接触测温技术的应用需求日益增多。 以红外测温设备在真空、高低温环境中的应用为研究对象,对设备热防护方案与装置进行 设计,并基于节点网络法对红外测温设备热防护进行仿真分析,通过物理试验验证,该防护装置能够有效实现设备在真空、高低 温环境中热防护,确保设备处于正常工作温度区间且其测温算法模型不受影响,测温准确度优于±2℃ ,满足设备在空间环境试 验中的使用需求。

摘要:为实现对主要金相组织同为铁素体和珠光体的 3 种碳素结构钢的辨识,提出一种基于卷积神经网络的金属辨识方法。 卷积神经网络可以很好地处理环境信息复杂、推理规则不明确和样品本身有缺陷情况下的分类,利用涡流无损检测技术和卷积 神经网络算法搭建了该金属辨识平台,首先在涡流传感器的工作频率范围内随机选取 8 个高频点,并通过该传感器分别采集各 个频点下金属的信息;然后通过傅里叶变换、坐标变换等数据处理使得每种金属的信息图像化;最终通过卷积神经网络训练来 获得辨识模型。 结果表明,该方案对比传统方式可在不损伤金属的情况下识别金属;对比现有的 BP 神经网络算法(86. 20%), 对 3 种金属的正确识别率都达到了 92. 33%。

摘要:旋转变压器的两路输出均为包含角位置信息的调幅信号,必须进行解调,以实现模拟调制信号到数字信号的转换。 在 旋转变压器数字转换器中,常采用锁相环作为核心的解调算法。 然而,常规锁相环只是一个典型的二型跟踪环路,难于兼顾动 态与稳态的性能,尤其是当被测角位置高动态变化时,解调误差较大。 为提高解调精度,将旋转变压器数字转换问题转化为角 度跟踪控制问题,提出了一种基于滑模变结构控制器的旋转变压器数字转换算法。 该算法引入了切换控制项,可以抑制被测角 位置高动态变化所导致的模型不确定性对解调精度的影响。 实验结果表明,该方法是可行的。

摘要:滚动轴承故障预测和健康管理(PHM)方法可以提取大量的故障特征数据,这些数据虽然有很大的潜在价值,但也存在 高维、高冗余性的特点,难以直接分析和利用。 因此,针对轴承故障特征数据的特点,以去除数据冗余性、筛选敏感特征为目的, 提出两阶段特征选择算法。 该方法的第 1 阶段采用拉普拉斯得分(LS)对原始特征按局部保持能力进行排序,利用互信息聚类 算法删除特征集中的冗余特征。 第 2 阶段采用多变量模式识别中的马田系统(MTS)方法对剩余特征进行综合评价,挖掘对故 障分类更有效的特征。 轴承退化仿真试验数据验证结果表明,提出的两阶段特征选择算法可以有效地去除冗余度、提高故障监 测准确率,可以有效的运用到滚动轴承的初期故障检测中。

摘要:永磁同步电机(PMSM)转子初始位置的准确预测,对电机启动过程的控制有着重要的影响,而在无传感器下精准辨识 转子初始位置对电机控制有着诸多好处。 提出了一种基于脉冲电压矢量法的高精度永磁同步电机初始位置预测方法。 该方法 在分析了永磁同步电机转子位置对磁路饱和程度影响的基础上,通过在电机任意两相中加入正反向脉冲电压,测量无电流相的 感应电压,获得感应电压幅值与转子位置的关系。 利用测试数据训练神经网络来拟合这种关系,构成转子初始位置估算装置。 通过仿真实验表明,这种方法可以克服采用电机集中参数模型所带来的各种误差,具有极高的预测准确性。