基于iOS平台的便携心率监测系统设计

移动健康越来越受关注,智能手机在医疗健康领域的探索与发展中扮演着重要角色.提出了基于iOS(iPhone OS)平台的便携心率监测系统的设计方案,完成了相应的软件设计.重点介绍了iOS端的软件设计流程,说明了在iPhone上实现动态心电图的方法、采用的心电信号实时R波检测算法以及计算瞬时心率和平均心率的方法.实验时,用MIT BIH心律失常数据库的数据进行仿真测试,验证系统的功能.由仿真实验的结果可知,提出的方案具有较高的有效性和可靠性.     

基于代价敏感型 LightGBM 的分子泵故障检测

针对 EAST 全超导托卡马克装置的分子泵在数据集不平衡条件下导致的故障识别率低,模型容易过拟合等问题,提出 了一种基于时频域分析与改进的 LightGBM 算法相结合的方法。 首先,利用在 EAST 搭建的分子泵实验平台采集正常与故障的 振动数据,再对数据进行时频域特征提取。 其次,通过优化误分类代价,建立了代价敏感型 LightGBM 故障检测架构。 最后,将 得到的特征量作为代价敏感型 LightGBM 算法的输入,实现分子泵故障检测。 经实验验证,该方法的正确率达 99. 4%,同时,所 提出的方法在误报率和漏检率方面均优于传统分类算法与 LightGBM 算法。 此方法能够有效解决模型过拟合问题,实现对分子 泵故障的高准确率检测。     

基于动态预测的DVR检测算法

针对动态电压恢复器对电压跌落检测实时性的要求,提出了一种基于动态预测算法的参考波生成方法.利用已知的电压采样值预测下一采样时刻的电压采样值,通过检测实际值和预测值的偏差判断电压扰动的起止时刻.在电压扰动期间使用递推算法计算每一时刻的参考电压.仿真分析验证了该方法的正确性,实验结果表明该算法可在数个采样周期内检测到电压扰动,适合DVR实时检测的需要.与采用数学变换结合低通滤波检测算法以及迭代算法相比,该算法具有实现容易、运算速度快等优点.     

改进型阈值提取心电信号的R峰值

心电信号（ECG）在心脏疾病诊断治疗中起着十分重要的作用,其中,由于R波具有幅度较大且易于检测的特性,故R峰值的检测成为电生理信号处理的一个重要的环节,它的正确检测对进行心率检测和电生理分析起着至关重要的作用。然而,心电信号在采集过程中会受到一定程度的干扰,例如工频干扰,基线漂移等问题,常用的R峰值阈值算法无法检测基线较低的心电波形,产生漏检。针对此问题,文章提出一种R峰值改进型阈值提取算法,通过对每个心电周期设置阈值和重检机制,提高了阈值算法的准确率。仿真实验证明,该方法简单有效,实时性强,显著提高了R峰值检测的准确率,满足临床应用的要求。     

基于区域极值法心电QRS波的检测

目前,心电QRS波检测的方法很多,其中小波变换较为流行。其核心策略通常是在某一尺度或某几个尺度内搜索小波变换模极大—极小值对之间的过零点,此点对应R波峰值位置。然而,此方法策略存在一定的局限性,它只对一部分病例具有较好的检测效果,对于其它病例则不能较好地检测到R波峰值点,存在不同程度的偏差。根据医学心电常识,R波在心电信号一定区域内幅值为最大,只要确定了搜索区域,搜索到极大值点即为R波峰值点。本文结合二次B-样条小波变换算法提出一种区域极值检测法。通过美国MIT/BIH心电标准数据库进行实验验证表明,该方法克服了此局限性,对108和207以外的所有病例都具有较高的检测率和较好的检测效果,同时经过ARM平台实际应用验证了本算法完全满足实时分析的需求。     

电压闪变调幅波提取方法的改进

电压闪变是电能质量的重要指标之一,而闪变测量首先需要提取闪变调幅波.提出使用改进的Teager-Kaiser能量算子方法提取闪变调幅波,该方法只需对检测信号的3个采样点进行简单的基本运算,使得提取闪变调幅波的过程快速、简洁.同时,为减少白噪声对算法检测精确度的影响,提出了改进的小波阈值去噪方法,对采集的电信号进行去噪,并通过仿真试验证明所提方法能够准确有效地检测电压闪变的调幅波.该方法克服噪声对电能质量检测的影响,并具有较高精度,易于实现.     

基于多分类相关向量机的MMC多相故障诊断关键技术

模块化多电平转换器拓扑结构复杂,当不同相子模块发生故障时,传统诊断方法只检测单个子模块故障,无法识别多相子模块故障。提出了一种多分类相关向量机算法用于模块化多电平换流器的多相故障诊断,对三相电压的时频数据进行傅立叶变换,以获取三相电压的频域数据,使用频域中的典型低次谐波分量作为故障特征量,采用多分类相关向量机算法进行故障分类。通过与传统故障诊断方法的仿真比较,验证了该方法的有效性和准确性。仿真结果表明,该方法在训练精度和测试精度上均优于传统的故障诊断方法,训练精度达到99.2%,测试精度达到99.4%,具有一定的应用价值。     

基于多维度特征提取的电弧故障检测方法

针对当前含多种电气故障的复杂电路电弧故障识别率低、训练速度慢的问题,提出一种窗口划分结合小波分解与经验模态分解(empirical mode decomposition,EMD)分别从时域、频域及时间尺度等多个维度提取电流特征量,利用机器学习分类模型进行电弧故障识别的方法.首先,利用搭建的电气故障实验平台采集故障及正常电流数据,并将电流数据进行窗口分段,然后分别使用小波变换与EMD方法对电流信号进行分解并计算不同维度上的特征量,将该特征信息作为分类算法的输入进行电弧故障诊断.经实验验证,该特征提取方法在梯度提升决策树(gradient boosting decision tree,GBDT)上的电弧故障检测准确率高达98％,相比电流不分段的方式分类准确率提升了1.87％,能有效获取电弧故障特征,实现对电弧故障高效率与高准确率检测.     

基于FFT及IFFT的超声波相位差检测方法

噪声和波形畸变是影响超声波相位差检测精度的两大主要原因,也是在时域中构建相位差检测模型必须要解决的关键问题。提出一种非整周数据整周期化的算法,在获取两路超声波A/D数据后,首先对非整周期采样数据进行插值,将非整周期采样的数据转化为整周期采样数据,之后将整周期数据经过快速傅里叶变换(FFT)在频域中滤除噪声和波形畸变后,再通过快速傅里叶逆变换(IFFT)由频域回到时域中进行相位差检测。实验数据表明,采用FFT及IFFT的时域-频域-时域变换的超声波相位差检测法,其相位差检测精度明显优于时域法相位差检测精度,当选用12位A/D采样超声波数据时,相位差的检测标准差0. 01°。     

基于改进PSO-PFCM聚类算法的电力大数据异常检测方法

针对传统电力大数据异常检测方法检测精度低、复杂度高等问题,提出了一种将可能性模糊C均值算法和改进的粒子群优化算法相结合的电力大数据异常检测方法。使用改进的粒子群优化算法和重新定义的聚类有效函数来优化可能性模糊C均值算法的初始中心和数目。通过仿真将该算法与改进前算法进行对比分析,验证该算法的优越性。实验结果表明,该算法能够准确地实现电力大数据异常值检测,改进后误检率从0.36%降低到0.05%。     

基于改进的SSD模型手机违规使用目标检测

针对某些对手机使用有特殊规定的场所时常面临难以准确、高效地识别手机违规使用的问题,提出了一种基于改进的SSD模型来检测手机的违规使用。利用SSD模型获取初次目标位置及区域分类,并利用改进的DenseNet模型对初次目标框进行判定,从而获得精确的手机检测边界框。为改进数据预处理流程,采用了数据扩增与图像质量改善相结合的策略。在自建的手机检测数据集上的实验结果验证了这些改进策略的有效性,改进的SSD模型定位精度可达91.1%,识别精度高达98%,相比原有SSD模型提升了35%。改进的SSD模型同时具有识别精度高和定位精度高的特点,可为智能识别违规使用手机的行为提供理论依据和技术支持。     

利用小波变换检测心电图ST段

针对心电图ST段检测精确度不高的问题，依据小波变换理论，提出了一种心电图ST段检测方法，检测心电图的特征值来准确确定J点及T波起点，并结合传统J＋X法及T波起点检测方法达到准确检测ST段电位的目的。该方法通过MIT-BIH的STDB数据库和European ST-T数据库进行检验，ST段检测误差在4ms内的占94．5％，在8ms的占98．9％，提高了检测精确度。     

泄漏同轴电缆在智能高速公路中的研究与应用

在分析原有智能高速公路移动通信系统的基础上,用时域有限差分（FDTD）方法计算和仿真了泄漏同轴电缆在移动通信系统的性能,分析了泄漏同轴电缆在槽口处的电磁场分布,仿真了系统中不同位置的电场,为了得到更精确的结果,在网格剖分上采用了非均匀网格技术,仿真结果表明泄漏同轴电缆在智能高速公路移动通信系统中可以起到信息发送、传输和接收的作用,在日常通信频段内可以为公路上的机动车提供无盲区的宽频、高速传输的移动通信,为未来智能高速公路的发展与应用提供了理论依据。     

基于ZigBee控制下的节能智慧照明系统设计与实现

智能照明系统能结合智能家居为人们提供良好的视觉效果和灵活方便的控制。设计采用ZigBee芯片cc2530作为主控芯片,借助cc3200强大的处理能力与精确的程序有机结合,采集周围环境相关数据。系统配备烟雾报警器MQ-2模块、人体热释电红外检测模块、温湿度模块以及照明系统,通过wifi网关将采集的数据实时传输到手机,通过手机APP端实现对数据的监控显示以及双向控制。建立了一套节能智慧照明系统,用户可通过手机APP进行相应的控制和管理。     

基于安卓平台的脑-心电远程监控系统

随着安卓手机的硬件性能的不断提高,使得日常生活中的生理检测成为可能。为此,设计了一种便携的基于安卓平台的脑-心电监护系统。该系统由脑-心电采集模块、WiFi模块、数据处理和监测模块和医疗服务器组成。由脑-心电采集模块采集到的数据,通过WiFi模块将数据转传输至安卓手机显示和分析。安卓手机通过互联网、3G等将信息传输给医疗服务器做进一步分析和诊断。为了确保信号处理的实时性,安卓手机针对脑电采用排序熵分析方法,针对心电采用二进离散小波(DDWT)分析。整个系统为用户提供了一个可靠的家用健康监护平台。     

基于手机终端无线通信系统的设计与实现

设计了一种利用iPhone手机终端和RT5350模块互传指令和数据的无线通信系统。系统通过建立一个无线局域网平台,以STM32单片机和RT5350模块作为硬件平台,以搭载IOS系统的智能手机作为客户端,结合TCP/IP传输协议和串口传输协议,实现了视频数据流、手机控制指令、以及相关数据的无线传输。此系统不仅实现了控制指令的下传,还实现了数据信息的上传。经测试,该无线通信系统在35 m范围内能够流畅的查看摄像头拍摄的视频,进行无错控制和无错数据传输,并且两个传输过程互不干扰。     

一种基于序列SAR图像的海浪对消方法

在高分辨率SAR海洋图像中,海浪是图像中最明显的纹理特征。当需要对海面上非海浪信息进行检测或者反演时,需要克服图像中的海浪杂波干扰。本文提出了一种海浪对消方法,它利用序列SAR图像间海浪条纹的差异与海浪的振动特性对海浪纹理进行抑制,不仅利用了图像的几何信息还利用了时变信息,能够选择性地抑制SAR图像中的海浪纹理,同时很好地保留海面上其他信息。本文还利用真实的机载SAR数据对算法进行了有效性验证。实验结果表明,该方法能够有效地抑制图像中的海浪纹理,同时很好地保留图像中的非海浪目标信息,比传统的仅利用空间信息的滤波方法效果更好。     

基于STM32的便携式智能体质测量仪设计

针对自动判别大学生体质指数是否合格,提出了智能体质测量仪的设计方案.首先,采用STM32F103单片机作为主控制器,经射频模块刷卡后在TFT液晶屏显示校园卡号.其次,利用称重传感器、超声波传感器、肺活量传感器分别测量体重、身高、肺活量.再次,GSM模块将测的体质数据以短信形式发送至指定手机,另外利用蓝牙模块实现数据无线传输功能,并通过TFT液晶屏和蓝牙手机客户端实现人机交互.最后,实验证明此系统运行平稳,功能多元,并进一步加强了大学生对自身体质健康的重视.