内模滤波新方法在视觉诱发脑电信号提取中的应用──提取视觉诱发脑电信号的新方法之四

提出了内模滤波新方法的基本思想和设计方法．针对从强自发脑电（ＥＥＧ）背景噪声中提取视觉诱发脑电（ＶＥＰ）信号这一极低信噪比（ＳＮＲ）情况下的滤波问题,先利用递推最小二乘算法估计出典型ＶＥＰ信号的内模多项式的参数,再据此设计内模滤波器．给出了内模滤波器的设计方法,并用于提取ＶＥＰ信号．数字仿真和临床试用结果表明了内模滤波器具有低ＳＮＲ下的信噪分离能力．     

内模滤波与小波分解结合用于视觉诱发脑电信号提取──提取视觉诱发脑电信号的新方法之六

为了从强自发脑电ＥＥＧ背景中提取视觉诱发脑电（ＶＥＰ）信号,按内模滤波方法,利用递推最小二乘算法估计叠加后的ＶＥＰ信号的内模参数;然后以在线迭代的方式来设计具有自适应能力的内模滤波器,并将其与小波变换方法恰当结合．临床试用结果表明,此法比单纯采用按典型ＶＥＰ信号的内模参数设计内模滤波器,或单纯采用小波变换法提取ＶＥＰ信号效果更理想．     

小波变换在视觉诱发脑电信号提取中的应用──提取视觉诱发脑电信号的新方法之三

利用数据序列分解与重构的Ｍａｌｌａｔ快速算法导出了可用于视觉诱发脑电（ＶＥＰ）信号提取的小波去噪算法,并在大量提取ＶＥＰ的仿真研究的基础上进行了;临床实际应用实验．数字仿真和临床应用结果均表明,用小波变换方法可以在大幅减少视觉刺激次数的前提下识别ＶＥＰ的潜伏期Ｐ１００。     

DTS-AMS型神经网络用于自发脑电信号残部的外推估计──提取视觉诱发脑电信号的新方法之二

利用可实现对任意阶多元多项式超曲面的无差逼近的、基于离散泰勒级数的高阶联想记忆系统（ＤＴＳ－ＡＭＳ）,对（本系列文章之一中所得）自发脑电（ＥＥＧ）信号错相叠加平均后的残余信号进行建模和外推估计．数字仿真结果表明,此法通过十次左右的视觉刺激,即可将视觉诱发脑电（ＶＥＰ）信号从ＥＥＧ信号中分离出来,所得ＶＥＰ信号潜伏期Ｐ_１００精度可满足一般临床诊断要求．     

错相刺激策略用于诱发脑电信号的增强──提取视觉诱发脑电信号的新方法之一

针对最常见的一类具有持续振荡特征的自发脑电（ＥＥＧ）信号情况,提出首先对其准周期特征参数统计测定,然后进行 １０次左右的错相刺激触发和叠加,使 ＥＥＧ信号的效应大部分互相对消,同时视觉诱发脑电（ＶＥＰ）信号明显增强,为后续系列文章中对叠加所得波形的处理打下较好基础．还给出了制定错相刺激触发策略所需的具体判据和应用示例．     

诱发脑电提取技术的研究

阐述耵干平均,加权平均和自适应傅立叶估计等三种提取诱发脑电技术的原理。通过仿真结果表明：（１）相干平均技术简单明了,易于实现;（２）加权平均技术减少了叠代次数,适用于背景噪声非稳定的情况;（３）自适应傅立叶估计技术能用２Ｍ个参数来表示诱发脑电,并且能迅速跟踪诱发脑电的突变,最后,展望了诱发脑电提取技术的发展前景。     

RBF神经网络在诱发脑电信号分类中的应用研究

采用RBF神经网络方法对麻醉状态下诱发脑电仿真信号进行分析,提出了一种通过基于RBF神经网络权值构造特征向量的特征提取方法,以达到提取信号特征的目的,并用BP神经网络分类器对提取的特征进行聚类,从而实现深浅麻醉状态下诱发脑电信号的分类,实验仿真结果表明了该方法的有效性．     

内模自适应卡尔曼滤波新方法及其在GPS信号估计中的应用

针对混杂有确定性扰动分量的随机信号处理问题,提出一种基于内模的自适应卡尔曼滤波新方法──－内模自适应卡尔曼滤波法．首先将待估有用信号和观测数据中的确定性扰分量分别以分段正弦曲线拟合方 式建立各自的内模,并将这些内模的参数作为增广状态变量形成新的非线性系统模型．然后采用迭代型推广卡 尔曼滤波算法,同时实现有用信号及扰动内模参数的实时跟踪．机动目标跟踪的ＧＰＳ定位信号估计应用表明, 与现有方法相比新方法可显著提高定位精度．     

羧酸酯稀土时聚氯乙烯凝胶化的促进作用

用示含量热扫描（ＤＳＣ）研究了羧酸酯稀土（ＣＥＲＥＳ）对聚氯乙烯（ＰＶＣ）的凝胶化过程．研究表明ＣＥＲＥＳ有促进ＰＶＣ凝胶化的作用。基于分于轨道理论推测了ＣＥＲＥＳ与ＰＶＣ大分子之间可能存在的作用力，探索了ＣＥＲＥＳ促进ＰＶＣ凝胶化的机理．     

基于改进CSSD的脑电信号特征提取方法

针对脑-机接口系统在训练样本较少的情况下,存在脑电(EEG)信号特征值稳定性低、特征向量区分度差等不足,提出一种脑电特征提取方法,即正则化共空域子空间分解法(R-CSSD).该方法在传统共空域子空间分解(CSSD)算法的基础上引入正则化思想,通过正则化参数将目标实验者的训练数据与其他实验者(称为辅助实验者)的同类型训练数据进行有效结合,以构造正则化空间滤波器,完成对目标实验者运动想象EEG信号的特征提取,并进一步选用K近邻(KNN)算法实现脑电数据的分类.实验结果表明:在小训练样本情况下,R-CSSD方法有效提高了脑电信号特征值的稳定性,在提高分类正确率、降低时间消耗方面具有良好的性能.     

卡尔曼滤波的一种改进算法在GPS中的应用

以VisualC+ + 和Matlab为工具 ,利用卡尔曼滤波的原理 ,针对全球定位系统(GPS ,GlobalPositonSystem)的特点进行算法改进 ,采取状态偏差作为系统状态变量 ,在不影响计算精度的情况下 ,消除了计算机字长以及舍入误差造成的影响。最后给出了滤波器的稳定值 ,以及卡尔曼滤波的结果。     

AR模型参数自适应估计方法研究及应用

为了提高AR模型参数估计的精度和收敛速度,提出基于卡尔曼(Kalm an)滤波原理的AR模型参数估计方法.把AR模型参数向量作为状态向量,利用随机游动模型建立系统的状态方程,由观测数据建立系统的观测方程,应用卡尔曼(Kalm an)滤波原理求得参数向量的最小方差估计.将该方法应用于船舶运动实时建模预报中.仿真研究表明本文提出的基于Kalm an滤波算法的AR模型在预报精度以及收敛速度方面均优于基于递推最小二乘法(RLS)和最小均方(LMS)算法,该算法具有较强的鲁棒性,降低了实时在线预报时通信故障所引起的数据缺失对预报精度的影响.该方法在理论和工程应用方面具有重要的意义.     

神经网络辅助动态GPS卡尔曼滤波算法研究

由于传统卡尔曼滤波导航定位的方法定位精度不高，因此本文提出了用前向神经网络来辅助调节卡尔曼滤波器，其中自适应的体现则是利用了神经网络的BP算法。使其具有自适应能力以应付动态环境的扰动。仿真研究表明：该算法优于标准的卡尔曼滤波器。     

基于概率的无源探测雷达定位算法研究

无源定位技术具有良好的“四抗”能力,成为了电子对抗最重要的技术之一。本文介绍了基于概率无源定位的基本原理和算法,并和基于几何的定位方法作了比较,说明了其优点。同时引进了利用kalman滤波对目标轨迹平滑的方法,讨论了基于概率定位的误差描述方式和特点。     

一种不等式状态约束最优滤波算法

针对非线性系统中较难处理的不等式状态约束滤波问题,提出了一种新的约束无迹卡尔曼滤波算法.该算法利用最大似然法则推导出滤波均方误差函数,将不等式约束条件转化为惩罚函数加入到误差函数中,使用自适应步长法快速搜索最优解.通过理论分析,证明了约束滤波解是误差函数的严格局部最小值,具有最小滤波均方误差.对具有航路约束的电子导航模型进行了仿真,结果表明,该算法具有较高的跟踪精度.     

有色噪声条件下的卡尔曼滤波

针对在实际工程中处理有色噪声存在滤波发散或结果失真的问题,提出一种有色噪声条件下的卡尔曼滤波方法。该方法利用线性变化,根据有色噪声相邻历元间噪声相关的特点,在动态噪声和观测噪声均为有色噪声的条件下,研究了卡尔曼滤波的方法,推导出有色噪声条件下卡尔曼滤波的递推公式。仿真结果表明,改进的方法比传统卡尔曼滤波对有色噪声信号处理效果更佳。     

MEMS陀螺仪随机漂移误差滤波处理研究

MEMS陀螺仪是一类新型惯性器件,具有体积小、成本低、重量轻、可靠性高等优点,但是精度较低、随机漂移误差比较大.从实际工程应用角度出发,针对MEMS陀螺仪的随机漂移误差,首先进行实时均值滤波处理,然后基于随机序列时序分析法的基本原理,建立MEMS陀螺仪随机漂移误差的一阶AR模型,然后依据kalman滤波算法的马尔科夫特性,提出了对MEMS陀螺仪每次输出进行实时多次滤波处理的新方法.通过对具体测量数据进行处理,MEMS陀螺仪的随机漂移误差减小到原来的百分之二左右.