基于高阶统计量的心音信号分析

对高阶统计量方法应用于心音信号分析进行了研究。建立了心音信号的AR双谱模型,获得了心音的双谱幅度图,并采用模型参数作为特征参量对心音信号进行了二类模式识别。实验结果表明,高阶统计量在心音信号分析和处理中具有较大的应用潜力。     

涡街流量计信号的高阶统计量特征

涡街信号的正确分析和有效处理是实现涡街流量计准确测量的先决条件之一.为研究涡街信号的非高斯性,提出了一种基于高阶统计量方法的涡街流量计信号分析的新方法.通过对涡街管壁差压信号的双谱分析,提取了不同流量下信号的非高斯特征.以信号的双谱幅度最大值作为特征参数,对不同流量下涡街信号偏离高斯分布的程度进行了定量估计.实验结果表明:涡街信号的非高斯性随着流量的增大而不断增加.这一研究结果为深入理解涡街现象、进一步优化涡街流量计的设计提供了有力的参考.     

高阶统计量在系统理论中的应用

高阶统计量是研究非高斯过程、非最小相位系统和非线性系统的有力工具,近年来引起了国内外学者的普遍关注.本文就高阶统计量在系统理论中的应用现状进行简要的综述.     

高阶统计量在运动目标检测中的研究

采用基于视频技术的静态背景提取算法,利用二维图像的高阶统计量的固有特性,通过若干个连续或者不连续的图像帧,从含有运动目标的图像中提取出静态背景,最后将后续图像帧和已提取出的静态背景帧进行差分,实现运动目标的提取.本文方法和传统的帧差分方法相比,具有更好的抗环境噪声和自适应性.通过实验验证了本文算法的有效性.     

基于高阶统计量的心音特征提取与分类研究

心脏听诊是先心病初诊的主要手段,由此可见心音含有重要的诊断信息.研究利用高阶统计量的ARMA模型直接提取先心病心音信号的特征,利用K近邻,决策树,贝叶斯分类器对其进行分类识别,并与用梅尔对数系数提取特征的方法进行了对比.实验测试结果为灵敏度0.88,特异度0.83,准确度0.855,优于其它算法.上述算法还省去了一般预...     

基于高阶统计量的压缩宽带频谱盲检测方法

针对认知无线网络中宽带频谱感知受到高速模数转换器(ADC)器件的技术限制,利用压缩感知理论(CS),采用压缩信号处理技术,直接对压缩观测数据进行分析,推导出宽带频谱检测的高阶判决统计量的概率分布特性,并在此基础上提出了一种基于高阶统计量的压缩宽带频谱盲检测算法(HOS-CWSBD).该算法无需任何有关主用户(PU)信号的先验知识、也无需事先重构出原信号就能实现宽带频谱检测.理论分析和仿真结果均表明,与传统的基于压缩感知理论且需要信号重构的压缩频谱感知算法以及基于Nyquist采样数据的非压缩宽带频谱感知算法相比,该算法具有计算复杂度低、感知性能稳定等优点.     

基于滤波攻击的高阶统计量隐写分析新方法

提出一种在小波域中基于滤波攻击的有效的隐写分析方法,首先对待测图像进行滤波攻击,依次在原图和滤波后图像的小波域中计算各自的特征统计量;然后将两者之差作为本文所用的特征统计量,共构造了45维的特征向量;最后采用判别对待测图像进行训练分类并与Farid的方法进行比较,获得了很好的效果.     

基于HKY06C传感器的心音信号检测与实现

根据人体心音信号噪声强、信号弱、随机性强,容易受到外界干扰的特点,设计了基于HKY06C新型传感器的心音检测系统,实现了对微弱心音信号的数据采集以及心音图的实时显示与保存,通过对不同个体的实测表明,该检测系统可以满足对人体心音信号的检测要求,通过心音图可以清晰的分辨出各种心音成分.     

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。     

心音信号的测量与处理

阐述了心音信号的产生机制及成分,分析了心音信号的采集和预处理,最后对近年来心音信号的识别和分类进行了简要的说明。     

基于高阶统计量的盲自适应多址检测的稳态性能分析

基于高阶统计量的盲自适应多用户检测方法除了可以克服有色噪声的影响外,在较高信噪比条件下可以获得超出一般线性盲检测算法的稳态解相关性能.但是,其稳态性能的理论分析尚缺乏有效的分析手段.基于常微分方程法,提出了一种分析高阶统计量盲多址检测稳态解相关性能的分析方法,并给出了多种常用高阶统计算法的剩余均方误差闭式解的结果,解决了自适应盲检测中非线性迭代稳态性能分析困难的问题.通过仿真和比较,验证了该方法的可行性和准确性.     

心音检测识别技术在汽车主动安全中的应用

提出了一种基于心音特征分析的汽车主动安全技术,探讨利用心音信号对驾驶员现场健康状况进行监测的可行性和具体实施方法.首先分析了心音信号与汽车背景噪声的特点,提出了汽车环境中的心音信号模型,据此设计出一种汽车主动安全的汽车心音采集装置,然后给出了一种基于独立子波函数的心音信号分类识别方法.讨论了心音独立子波函数的构成准则,获取心音独立子波函数的算法,以及如何将心音独立子波函数作为一种新的统计特征参数,并且给出了一种心音确定度的新概念.最后通过一个实际的心音采集与分类识别实验,验证了本文方法的有效性和可行性.     

一种基于高阶统计量的图象平滑去噪法

为了消除或衰减存在于图象上的噪声，同时尽可能地保留图象细节，提出了一种基于高阶统计量的图象平滑去噪法，该方法是根据高阶统计量对高斯噪声不敏感的特性，对一个像素点采用其周围梯度和最小的几个点的灰度平均值来代替其灰度值，以便可以在对噪声进行平滑滤波的同时，最大限度地保留图象的细节信息，仿真结果表明，该方法较好地实现了这一要求，与常用的中值滤波法相比，该方法处理后的图象，其PSNR可提高约1dB以上。     

基于变分模态分解和高阶统计量的梯级故障诊断研究

自动扶梯是地铁车站内必不可少的大型公共交通设备,一旦发生故障,小则影响运营,大则引发安全事故;梯级作为自动扶梯的重要结构部位,其固定螺栓松动必然会导致自动扶梯运行异常;针对梯级振动信号故障特征难以提取的问题,提出了变分模态分解(VMD)和高阶统计量(HOS)联合来对自动扶梯故障特征提取;该方法首先对原始振动信号进行VMD分解,得到K个固有模态分量(IMF);然后对主IMF分量进行奇异值分解(SVD)降噪,对去噪后的主IMF分量进行重构得到新的信号;最后通过高阶统计量对新的信号故障特征提取,并利用随机森林分类算法对三类不同的振动信号样本进行分类识别,确定梯级振动故障类型;实验结果表明,该方法可以有效地提取故障特征,实现故障诊断与分类。     

高阶统计量方法在谐波恢复中的应用

谐波恢复是信号处理中的重要问题,谐波恢复就是在噪声中分析组成信号的各次谐波.噪声分为加性噪声和乘性噪声,本文分析加性噪声和乘性噪声的特点,提出采用高阶统计量的方法抑制噪声,恢复谐波.通过四阶统计量的切片抑制乘性噪声,采用二阶累积量谱抑制加性噪声.仿真结果表明,本方法具有很好的抑制噪声效果.     

平移不变小波在心音信号去噪中的应用

小波阈值去噪方法可以消除心音信号中的噪声,但其缺乏平移不变性,可能在信号的奇异点附近产生人为的振荡现象,即Pesudo-Gibbs现象,影响去噪效果。采用平移不变(Translation Invariance,TI)小波阈值去噪的方法对心音信号进行去噪,通过对信号序列平移来改变奇异点在整段信号的位置,以降低或消除振荡。对信号采用平移不变小波去噪之前,先通过消除趋势项来降低信号采集过程中引入的干扰。实验结果表明,该方法消除了人为振荡现象,在保留心音信号主要特征的前提下,信号的信噪比(Signal-to-Noise Ratio,SNR)和根均方误差(Root Mean Square Error,RMSE)均得到明显改善。     

基于Parzen窗的高阶统计量特征降维方法

高阶统计量通常能比低阶统计量提取更多原数据的信息,但是较高的阶数带来了较高的时间复杂度.基于Parzen窗估计构造了高阶统计量,通过论证得出:对于所提出的核协方差成分分析（KCCA）方法,通过调节二阶统计量广义D vs E的参数就能够达到整合高阶统计量的目的,而无需计算更高阶统计量.即核协方差成分分析方法能够对高阶统计量的特征降维的同时,又不增加计算复杂性.     

高阶统计量的背景估计法在运动目标检测中的应用

利用随机变量的各阶矩的性质,构造了一种基于高阶统计量的背景估计方法,并将其应用于静态背景下的运动目标检测。文中采用多分辨率思想对程序进行优化。同时,在检测的过程中利用检测结果,采用分区域的方式对背景图像进行更新。计算机仿真实验表明,基于高阶统计量的背景估计及更新方法在应用于运动目标检测、提高背景差法在运动目标检测对背景环境变化的鲁棒性方面是有效的。     

基于STC单片机和LabVIEW的心音信号检测系统

介绍了一种用于身份识别的心音信号采集和处理系统。该系统利用STC12C5A单片机作为核心控制器,通过自带的A/D对经过放大、滤波等预处理后的心音信号进行模数转换,然后通过RS232总线将信号传输到上位机进行处理,在上位机利用LabVIEW设计一套集数据采集、存储、回放和分析于一体的虚拟检测平台。实验结果表明,利用该系统采集三位被测试者60组心音信号,建立WPT+GA-SVM心音身份识别模型,其识别准确率达到了85%。