二维心音图特征提取与识别方法的研究

针对心音的特征提取问题,将一维心音信号转换成二维心音图,采用图 像处理技术提取心音的图像特征。本文首先对一维心音信号进行小波降噪和幅值归一化,将 处理后的心音信号转换成具有统一性和可比性的二维心音图,并进行预处理;然后结合心音 生理意义和二维心音图的图像特征,对能表征二维心音图生理信息的图像特征进行分析研 究,重点研究二维心音图纵横坐标比和拐点序列码特征;最后,基于纵横坐标比、拐点序列 码、小波分解系数3 个特征,探讨利用欧氏距离和支持向量机（SVM）两种识别方法进行 二维心音图分类和身份识别的可行性。实验结果表明,3 种特征都可以实现二维心音图的分 类识别,其中拐点序列码识别率最高;这种基于图像处理的二维心音图分类和身份识别方法 具有明显的可行性和实用性,拥有广阔的应用前景。     

二维CWT方法在时间序列分析中的应用研究

利用二维连续小波变换(CWT),结合时间序列分析的特点,对时间序列数据进行分析。从对多频率信号、突变信号以及噪声数据的容错性三个方面的分析来对利用二维连续小波变换方法在时间序列分析中的应用进行了研究,主要分析方式以趋势分析为主,最后通过对实验结果的分析得到良好的效果。     

二维CVVT方法在时间序列分析中的应用研究

利用二维连续小波变换（CWT），结合时间序列分析的特点，对时间序列数据进行分析。从对多频率信号、突变信号以及噪声数据的容错性三个方面的分析来对利用二维连续小波变换方法在时间序列分析中的应用进行了研究，主要分析方式以趋势分析为主，最后通过对实验结果的分析得到良好的效果。     

二维CWT方法在时间序列分析中的应用研究

利用二维连续小波变换(CWT),结合时间序列分析的特点,对时间序列数据进行分析.从对多频率信号、突变信号以及噪声数据的容错性三个方面的分析来对利用二维连续小波变换方法在时间序列分析中的应用进行了研究,主要分析方式以趋势分析为主,最后通过对实验结果的分析得到良好的效果.     

混沌理论在混沌跳频序列分析中的应用研究

传统分析跳频序列的方法仅从跳频特性方面考虑,此处应用混沌性判别理论研究了混沌跳频序列的混沌性,继而利用相空间重构理论对其分析了时间延迟和嵌入维数。利用相空间重构理论,可重构得到与原系统等价的系统,进而可指导分析原系统的特性。     

声全息重构卷积计算中混迭问题的研究

分析了实空间离散格林函数的特点和平面声全息重构卷积计算的特殊性，推导了在重构条件下二维循环卷积与重构卷积的关系。理论上证明了在全息重构中将二维全息声压序列补零使其成为原序列长度的两倍，而二维格林函数序列无需进行补零处理仍可由二维离散傅氏变换准确地得到全息重构卷积结果，而不会产生循环卷积中的混迭现象，即不存在所谓的重构“卷绕”误差。同时还证明了实空间格林函数的取值不确定性不会影响重构结果，并通过仿真算例进行了验证。     

基于步态能量图像和2维主成分分析的步态识别方法

为了快速有效地进行步态识别,针对步态能量图像能够表征步态信息和2维主成分分析能快速降维的特点,提出了一种基于步态能量图像和2维主成分分析的步态识别方法.该方法首先应用背景减除法分割出人体轮廓;然后通过人体宽高比的相关信号确定运动周期,再对二值周期序列进行步态能量图像(GEI)合成;最后运用行列相结合的2维主成分分析((2D)~2PCA)方法与加权的2维主成分分析(W(2D)~2PCA)方法提取特征主向量,并采用最近邻分类器进行分类.实验结果表明,该步态识别方法可以有效降低前期处理对分类识别的影响,而且对于3种不同行走状态的CASIA数据库巾多个视角下拍摄的步态图像可取得很好的识别效果.     

基于FCA-ReliefF的融合生理信号情绪识别研究

针对当前情绪识别研究中特征维数多、识别率不高的问题,提出了基于多生理信号(心电、肌电、呼吸、皮肤电)融合及FCA-ReliefF特征选择的情绪识别方法。通过将从时域和频域两个维度提取的生理信号特征进行融合,作为分类器的输入进行情绪分类。为了降低特征维度,首先进行特征相关性分析(FCA)删除相关性较大的特征;再通过ReliefF剔除分类贡献弱的特征,达到降低特征维度的目的。在公开的数据集上进行验证,并与相关研究进行对比。结果表明,提出的方法在特征维度及识别率两个方面均有优势。提出的FCA-ReliefF降维策略有效地将特征从108维减少到60维,并且将识别精度提高到98.40%,验证了方法的有效性。     

信号分形维数估计的研究与实现*

基于序列分形自仿射特性,提出一种实现一维信号分形维数估计的方法。按不同尺度将信号序列分段为映射区间和象区间,采用搜索算法确定与各象区间最优匹配的映射区间,并根据迭代函数系统理论估计信号的分形维数。以分形维数已知的MackeyGlass和Lorenz信号为例,仿真表明提出的方法能准确估计信号的分形维数,对实际应用具有一定的参考价值。     

分形理论及在信号处理中的应用

分形理论是描述非线性系统中不规则的几何形体的有效工具，应用领域十分广泛。描述了分形的概念、分形的基本特性、分形维数及其常见的分形维数估算方法。阐述了分形理论在信号的仿真建模、复杂背景中的目标检测、故障诊断、语音信号处理及生物信号处理中的应用和研究成果。最后对分形理论在信号处理中的应用与发展进行了展望。     

基于分形盒子维数的车牌定位方法

分形维数是估计表面粗糙度的一个重要参数，在图像处理领域中更多地用到分形盒子维的概念，计算盒子维的DBC算法快速，有效，精确度高，被广为采纳，针对车牌内部图像的复杂度和背景有较大差异的特征，提出了一种通过计算分形盒子维同时结合其它图像处理方法来进行车牌定位的新算法，效果较好。     

分形理论及在信号处理中的应用

分形理论是描述非线性系统中不规则的几何形体的有效工具,应用领域十分广泛。描述了分形的概念、分形的基本特性、分形维数及其常见的分形维数估算方法。阐述了分形理论在信号的仿真建模、复杂背景中的目标检测、故障诊断、语音信号处理及生物信号处理中的应用和研究成果。最后对分形理论在信号处理中的应用与发展进行了展望。     

分形压缩感知高维信号重构方法

压缩感知理论改变了香农采样定理的信号处理思路,具有十分重要的科研应用价值。压缩感知框架下信号重构是获取数字终端产品的关键性环节,典型的重构方法是以基追踪(BP)算法为代表,核心是解决L₁范数最小化问题,但是BP算法在高维的信号重构中表现不佳。因此,本文提出一种基于分形维度的压缩感知高维信号重构方法,采用分形中的Minkowski维度代替L₁范数作为重构问题的目标函数。实验的可视化结果和信噪比均表明,分形压缩感知信号重构方法既保持了BP算法的优点又改善了其维度的广延性。     

基于BP神经网络的手写数字识别算法研究

讨论了一个手写数字识别系统的原理及其实现。特征提取的方法是:计算字体轮廓的曲率特征,并在计算曲率的过程中使用了B样条函数;对曲率进行了大小和平移规整化,这样得到的曲率具有大小和方向的不变性。为了得到更紧凑的特征,采用了小波对其进行降维。采用了BP神经网络作为分类器,实验结果表明,对于字形相似的数字也达到了较高的识别率。还简介了识别系统的模块设计和界面设计。     

MIMO雷达目标数量估计

给出MIMO雷达在距离-多普勒2维分辨单元处理和距离1维分辨单元处理情况下的信号模型。根据这两个信号模型各自的特点,分别构造信号的相关矩阵,将信息论准则和盖式圆准则应用于MIMO目标数量估计之中。仿真结果表明在白噪声情况下,信息论和盖式圆准则均可有效估计目标数量;在色噪声情况下,盖式圆准则可有效估计目标数量。     

基于支持向量机和神经网络的实时警报系统

根据芯片生产线等场所的需要和现有人工监控手段以及国外基于支持向量机相关产品的缺陷，该文利用图像的二维矩不变量理论，将实时图像转换成灰度图像后，甩CANNY算子作边缘检测，并计算边缘检测图像的二维不变矩，再利用支持向量机的支持向量回归理论对二维不变矩进行训练和识别，提出了一种基于支持向量机与神经网络的实时警报系统的设计算法，给出了算法实例和结果。从实验仿真结果和实际运行情况来看，算法的效果是令人满意的。     

MEA信号锋电位的小波变换分类

小波变换是信号处理领域最近若干年发展起来的先进方法，对信号的时域信息和频域信息都有很好的表现。我们利用小波变换对MEA信号的锋电位数据矩阵进行小波分解，将各锋电位变换后的最后一个尺度的逼近信号和各尺度上的细节信号的方差对波形非相似性测度的贡献率的大小作为依据，鉴别波形的不同。找出贡献率和大于90％的8个数据进行系统聚类，大大地降低了数据的维数和计算机的机时，并得到了很好的分类结果。     

基于微处理器的数字超声波流量计

研究设计了一种以微计算机处理器为核心，根据时差法原理来测量流量的数字超声波流量计，该数字超声波流量计具有测量精度高、测量范围大、工作稳定可靠的特点。具体的实现过程是利用信号相关的数字处理方法计算出超声波在流体中的上行信号和下行信号的时间差，从而可换算出所测量的流量值。实验结果显示，这种数字超声波流量计能达到很高的精度。随着数字处理技术和处理器件的发展，数字超声波流量计将具有越来越大的优势。     

基于MATLAB编程的木质复合材料缺陷信号小波分析

介绍了小波理论的发展、小波变换处理信号的基本原理.结合MATLAB的小波工具箱、信号处理工具箱编写程序,在MATLAB环境中实现信号的小波与小波包分析,同时输出信号特征参数和相关的分析图形.利用该程序对木质复合材料缺陷信号进行分析处理,通过提取信号的特征值能量率实现木质复合材料左端、中部和右端缺陷定位无损检测.