射频信号的S变换检测

本文针对射频(RF)信号的频率高、瞬变等特点,提出了一种基于S变换的射频信号检测方法。仿真结果表明,S变换具有很好的时频分析能力,能很好地分辩出射频信号的时频性能。     

基于小信号S参数的MOSFET射频功率放大器设计

介绍了如何利用场效应管的小信号散射(S)参数设计射频功率放大器,并采用此设计方法,选用场效应管,设计了一种工作在160 MHz频段的金属氧化物半导体场效应管(MOSFET)功率放大器.在工作频段内,功率放大器增益大于23 dB,输入端口的匹配网络的回波损耗S11优于-19 dB.实例证明:该设计方法仿真简单,易于实现,具有重要的工程应用价值.     

一种安全的射频识别双向认证协议

在RFID系统中,标签与读写器之间采用无线方式进行通信,易被攻击者窃取相关隐私信息,为保证两者之间通信安全,提出一种基于二次剩余定理的双向认证协议。协议采用二次剩余定理对传输数据进行加密,基于大数分解难题,有效保证数据的安全;且加密过程中,随机数的混入,使得消息每次均不相同,增大破解难度;超轻量级按位运算的引入,在一定程度上,能够降低系统整体计算量及成本;数据库端引入随机数查重校验机制,使系统能够抵抗去同步化等攻击。安全性分析表明协议较其他此类经典协议具有更高的安全性,能够保障传输数据的可靠性;性能分析表明协议较其他此类经典协议具有较低的计算量及成本。     

油气井出砂监测系统超声信号采集及调理

针对现有的油气井出砂监测系统数据采集的噪声过多、效率较低等问题,设计了油气井出砂监测系统超声信号调理集采集方法。首先,砂粒撞击管壁的超声信号通过传感器采集;然后,采集后的信号经过驱动放大后先通过一个带通滤波器,确保进入ADC的信号频率为砂粒撞击主要存在的频率段;最后,信号进入ADC后再进行数字滤波,进一步滤除处于砂粒撞击频段的噪声。实验结果表明,经过二级滤噪后,系统采集信号的信噪比提高,且系统的工作效率显著提高。     

商品身份射频识别

射频识别技术（RFID）是一种利用无线电射频信号进行物体识别的新兴技术，可应用于防盗，门禁、仓储管理等方面，尤其在物涟系统中，RIFD可以加快供应链的运转，提高物流的效率。     

提高超声信号分辨率的一种方法

提出一种用互相关接收方法抑制噪声，提高超声显象仪的分辨率，使图象清晰，以利于发现早期病变的检测方法。该方法同样适用于其他弱信号的处理。     

非线性超声实验系统的改进与优化

对实验室已建立的非线性超声实验系统的数据采集与处理进行了改进和优化。结果表明，新系统在保证实验结果准确、可靠的同时，提高了数据采集、分析的速度和整个系统的集成化程度，从而提升了实验系统的工作效率。     

基于 HHT的界面贴合型缺陷非线性超声检测研究磁

论文以固体火箭发动机（SRM ）包覆结构粘接质量检测为研究内容,针对传统超声检测方法难以检测粘接界面贴合型脱粘问题,提出了基于Hilbert‐Huang变换（HHT）的非线性超声检测方法。通过仿真信号的 HHT分析,验证了HHT方法在处理非线性、非平稳信号的有效性。提取了非线性检测信号的二次谐波瞬时幅值,并提出了将二次谐波瞬时幅值作为特征参数的非线性超声检测方法。结果表明,可以用二次谐波瞬时幅值作为特征参数来表征贴合型脱粘缺陷的大小,证明了基于二次谐波瞬时幅值的非线性超声检测方法在粘接界面贴合型脱粘缺陷检测的有效性。     

基于射频识别的供应链管理系统

将射频识别技术应用于供应链管理系统中，力求实现供应链管理的快速反应。首先介绍了射频识别技术，在此基础上构建了供应链管理系统的系统模型，并给出了供应链管理系统的系统架构，以及基于射频识别技术的业务流程，最后给出了预测算法。     

基于无监督学习的移动心电信号异常诊断研究

针对心电信号异常诊断,提出了一种基于无监督学习的移动心电信号异常诊断方法。该方法利用层次聚类将心电数据进行分类,同时结合特征量的优先级诊断分析法,有效避免了因移动心电信号的数据量过大而产生爆炸的时间复杂度和空间复杂度的问题。最后,通过心电信号实例验证了所提方法具有良好的可靠性和运行效率。     

基于无线信号的人类行为检测和识别

物联网技术实现了物与物、人与物的全面互联,其中信息传感设备与人的交互需要对人体行为活动进行感知。目前广泛使用的有基于视觉和利用穿戴式传感器的识别方法,但这些方法在很多场景下应用有所限制。文章提出一种基于无线信号识别人类行为的方法,通过对通信中传输数据包状态的统计和分析,能够利用少量通信节点达到感知非携带设备的目标在室内检测区域行为活动的目的。对于不同的行为活动特征,采用序列最小优化算法、 K-最近邻算法等不同算法进行分类研究。相对于传统基于无线信号接收信号强度指标的免携带设备行为识别方法,文章提出的方法对不同运动速度等级的识别精度平均提高了 25.1%。     

信号设备故障诊断专家系统知识库的研究

针对我国铁路信号设备故障的特点，基于诊断和专家系统的理论与方法，对铁路车站信号设备故障诊断专家系统的知识库进行设计分析。通过对铁路车站信号设备的常见故障进行具体分析，详尽地阐述了知识库的构造，为通过人工智能方法建立和开发我国铁路信号故障诊断专家系统提供重要依据。     

Automated Deep Learning Based Cardiovascular Disease Diagnosis Using ECG Signals

Automated biomedical signal processing becomes an essential process to determine the indicators of diseased states. At the same time, latest developments of artificial intelligence (AI) techniques have the ability to manage and analyzing massive amounts of biomedical datasets results in clinical decisions and real time applications. They can be employed for medical imaging; however, the 1D biomedical signal recognition process is still needing to be improved. Electrocardiogram (ECG) is one of the widely used 1-dimensional biomedical signals, which is used to diagnose cardiovascular diseases. Computer assisted diagnostic models find it difficult to automatically classify the 1D ECG signals owing to time-varying dynamics and diverse profiles of ECG signals. To resolve these issues, this study designs automated deep learning based 1D biomedical ECG signal recognition for cardiovascular disease diagnosis (DLECG-CVD) model. The DLECG-CVD model involves different stages of operations such as pre-processing, feature extraction, hyperparameter tuning, and classification. At the initial stage, data pre-processing takes place to convert the ECG report to valuable data and transform it into a compatible format for further processing. In addition, deep belief network (DBN) model is applied to derive a set of feature vectors. Besides, improved swallow swarm optimization (ISSO) algorithm is used for the hyperparameter tuning of the DBN model. Lastly, extreme gradient boosting (XGBoost) classifier is employed to allocate proper class labels to the test ECG signals. In order to verify the improved diagnostic performance of the DLECG-CVD model, a set of simulations is carried out on the benchmark PTB-XL dataset. A detailed comparative study highlighted the betterment of the DLECG-CVD model interms of accuracy, sensitivity, specificity, kappa, Mathew correlation coefficient, and Hamming loss.     

基于小波变换的心电信号降噪处理

实测的心电信号不可避免地存在一些强干扰和噪声,为了实现准确地提取反映心电信号的特征信息,该文应用一维离散小波变换实现了对心电信号的降噪处理。实验研究结果表明,该方法能够有效地去除心电信号中的噪声,从而为心电信号特征信息的提取奠定了理论基础。     

基于DSP的数字心音信号检测系统设计

分析了心音信号的产生机理、信号成分及心音的临床诊断价值。根据人体心音信号噪声强、信号弱、随机性强、容易受到外界干扰等特点,设计了基于DSP的心音信号数字检测系统,该系统由心音传感器、放大电路、滤波电路、A/D转换和DSP等部分组成;使用该系统先后在多家医院进行了临床心音信号采集,300多例心音样本采集实验表明,本系统可实现对微弱心音数据的实时采集、放大与有效滤波,采集系统可以满足对心音信号的检测要求。     

基于遗传算法的指数衰减信号极点提取方法

噪声中的指数衰减信号的极点提取方法在目标识别等领域具有非常重要的地位。文章给出利用遗传算法提取指数衰减信号极点的方法。通过实验表明,该方法较其它方法简单有效,即使在较低信噪比的情况下,也能对极点作出较好的估计。     

基于PCA-ICA的盲源分离算法研究

提出了一种以独立分量分析(independent component analysis,ICA)为核心,以主元分析(principle component analysis)进行白化处理的盲分离算法,给出了用盲信号分离技术来分离心电信号的方案,并对模拟信号进行了分离.实验是有效的且鲁棒效果良好