低觉醒脑电识别与唤醒的可穿戴系统研究

为智能化地识别警戒作业人员出现的低觉醒、注意力下降的生理状态，本文介绍了一种基于FPGA和脑电信号处理的低觉醒状态检测与唤醒系统，系统通过传感器从大脑头皮采集脑电信号，转换为数字信号，经傅里叶变换获取了脑电信号的θ相对能量、α相对能量、重心频率、谱熵等4个特征量，由4个特征量表征低觉醒状态并运用支持向量机对低警戒状态进行识别，当识别出低觉醒状态时采用声音报警模块发出声音，唤醒警戒作业人员。设计系统能够较好地识别出低觉醒状态，识别率达90.8%，可为提高警戒作业工作绩效提供一种可穿戴的智能装备。     

电点火起爆器

电点火起爆器通过一对电信号输入元件将电信号传给连接着电信号输入元件的电阻元件，使它加热并用电阻元件产生的热点燃炸药，以启动车辆安全装置。电阻元件用蚀刻镍—铬合金薄膜做成，它位于基板的上表面。电阻元件的第一个侧面在电信号两输入端之间，是直线型的，而第二个侧面从每个电信号输入端开始倾斜，以使第一个侧面和第二个侧面上每条倾斜线之间的宽度随相应电信号输入端距离的增加而减小。电阻元件在倾斜线相交处有最小的截面积。     

心电地图仪中工频干扰的一种滤除方法

在心电地图仪中记录到的体表心电信号往往由于电磁的影响而引进工频干扰．基于体表心电信号中工频干扰的特点，作者提出了一种滤除工频干扰的方法，即就单独—胸导联信号通过提高频谱的分辨率来估计工频干扰的频率；基于最小均方误差准则来估计各导联信号中工频干扰的幅度和相位。文中还给出了该算法的流程图和滤波性能分析。模拟结果表明了该算法的有效性。应用该算法对心电地图仪中的工频干扰进行对消，取得了满意的结果。     

基于USB接口的心电信号数据采集系统

介绍了基于USB接口的心电信号数据采集系统，给出了该系统的硬件组成原理及软件设计方法。由于该系统使用了高性能的USB专用芯片CY7C64613，因而具有使用方便、即插即用等特点。与笔记本电脑相连即可构成移动式心电信号检测分析仪器，具有较高的实用推广价值。     

胃电信号的检测与处理

文章在阐述国内几种胃电图仪存在问题的同时，主要在ＰＣ系列上直接垢４道胃电检测系统的设计思想和系统构成，该系统数据处理方法先进，使医生可获得更多的诊断信息。     

揭开耳机的奥秘——耳机（换能器）的机理结构和种类

耳机是一种电声换能装置,它是将电信号转换为声音信号并通过耳机表现出来的一种听音设备。与扬声器不同的是,耳机的作用是在一个小的空穴内造成声压, 扬声器则是向自由空间辐射声能。耳机基本工作于 20Hz∽20kHz 的人耳可闻的频段, 这是声学中从频率零点几赫兹的次声到几千兆赫的特超声中极为有限的区域。但即使是这样一个狭窄的频段, 其高端频率也比低端频率高出 1000 倍。如果将这个 1000:1 的比值放在一个等效的抗性网络设计中考虑,就会发现问题十分严重, 这使得优质耳机的设计和制造变得十分困难。耳机的设计,必须在机、电、声这三种系统里存在的诸多矛盾因素中采用折衷的办法,因而在一定程度上带有许多设计者主观的思路和技巧, 这就形成了不同品牌、不同类型耳机的“个性”和“味道”。许多朋友问“哪种耳机是最好听的?” 这同问“哪种风味小吃最好吃?”的一样, 常常使回答者无所适从。话虽这么说,但是如果对各种耳机的机理、结构、特性先有个基本的了解,还是可以做到心中有数,然后根据自己的用途,再有目的的在众多的耳机品牌和型号中有选择的试听, 也就不难找到自己满意的产品了。     

脑电信号的小波变换和样本熵特征提取方法

针对现有的采用单一的特征提取算法对运动想象脑电信号识别率不高的问题,提出一种结合小波变换和样本熵的特征提取方法.通过小波变换,把脑电信号进行3层分解,抽取出对应于脑电β节律频带的小波系数的能量均值和能量均值差,并结合脑电信号的样本熵组成特征向量,使用支持向量机分类器对左右手运动想象脑电信号进行分类.结果表明,结合小波变换和样本熵的特征提取方法明显优于仅采用小波变换、样本熵以及其他传统的特征提取方法,得到的最高正确识别率为91.43%.     

在线旅游抱团御敌

在线旅游市场经过多年的惨烈厮杀,在2012年找到了一条新的捷径:跨界整合,抱团御敌。2月,艺龙宣布和京东商城合作,在京东商城上线酒店预订业务;3月,同程网宣布与中国电信号码百事通商旅达成战略合作;几乎与此同时,日前,芒果网也牵手华为、"愤怒小鸟"等推出多项跨界整合,以推动不同领域的优势交互。在线旅游企业的眼界可谓极其开阔,选择的搭档涵盖了电商、电信运营商、手机终端厂商和网络游戏厂商。华为软件价值链合作负责入李珲认为:"旅游是冲动性消费,在     

基于FPA-VVRKFA的手势表面肌电信号识别

表面肌电(Surface Electromyography,sEMG)信号直接、客观地反映了人体肌肉的活动情况,其作为一种便捷的无侵入式肌电检测方法,被广泛地应用于人体动作识别领域.针对表面肌电信号的手势识别问题,提出了一种基于时域特征和向量正则核函数逼近方法(Vector-Valued Regularized Kernel Function Approximation,VVRKFA)的手势识别方法.首先,对MYO臂环采集到的sEMG数据进行活动段检测以提取出活动段;随后,从活动段信号中提取平均绝对值、波形长度、过零点数、均方根和Willison幅值等五个时域特征;最后,应用VVRKFA分类器对提取到的sEMG进行分类识别,同时采用花授粉算法(Flower Pollination Algorithm,FPA)优化分类器参数以保证最佳分类能力.实验结果表明提出的方法在手势动作模式识别上取得了较高的准确率.