面向上颌骨骨折复位手术的虚拟系统设计

基于3D计算机触觉视觉交互(CHAI3D)和开放图形库(Open GL)等开源软件,设计了针对上颌骨复位手术的仿真系统。使用真实病例的CT图像搭建虚拟场景,通过Geomagic力反馈设备对虚拟模型进行三维操作并输出触觉反馈。在原有单点碰撞算法的基础上,提出了使用多个中介代理的多点碰撞算法,避免了虚拟手术工具的手柄插入虚拟器官的不实仿真;通过力反馈设备对头颅骨模型进行选择、移动和旋转,模拟手术中对头颅骨的移动和放置。系统可用于训练医学院学生,也可用于复杂手术的术前规划。     

基于语音流畅度与模糊聚类的精神分裂症自动识别

针对精神分裂症诊断周期长、缺乏客观诊断依据的问题,提出语音流畅度矩形参数过能熵积,结合模糊聚类双重定位停顿区域的算法辅助诊断精神分裂症.该算法综合了精神分裂症患者语音流畅度低及能量平缓的特征,定位精神分裂症语音的停顿区域,提出语音流畅度量化参数提取算法,结合SVM(支持向量机)分类器,实现精神分裂症的自动识别.提取28例精神分裂症患者和28例正常对照组语音的流畅度声学特征,自动识别精神分裂症,正确率为85％以上.提出的基于过能熵积与模糊聚类的精神分裂症自动识别算法,能为临床诊断精神分裂症提供客观、有效、无创的辅助依据.     

西宁750 kV变电站电流互感器伏安特性试验分析

文章分析了电流互感器饱和的原因以及饱和点的确定方法,并以西宁750 kV变电站330 kV宁康Ⅱ线3370断路器C相电流互感器为例,介绍了伏安特性试验方法和试验数据的分析,供业内同行参考.     

基于机器学习的网络感知评估方法

提升网络感知和客户满意度一直是网络优化的工作主线,而KPI指标无法反映网络真实感知情况,传统通过调研了解客户满意度的方式存在很大局限性。本文深入研究了KPI指标和网络真实感知的映射关系,通过大数据挖掘和机器学习建模实现了感知权重因子的量化,以此为基础完成了一种基于机器学习的网络感知评估方法,为客户满意度提升工作提供了全新的分析思路和支撑手段。     

基于递归图分析的腭裂语音鼻漏气自动识别算法

鼻漏气是腭咽闭合不全患者的典型症状,针对腭裂语音鼻漏气的特征进行研究,利用基于非线性动力学方法的递归图对特征进行发掘,并结合递归趋势分析法和基于递归图的区域进行分布处理,提取递归图分析的量化参数和最小区域矩阵作为特征参数。结合分类器,实现对腭裂语音鼻漏气的自动识别。实验针对降采样点、延迟时间、临界距离、语音单元、分类器种类等因素,进行了识别效果的分析,并综合权衡各因素对识别正确率的影响,选取了最优取值。实验结果表明,采用KNN分类器并当降采样点为30000点、延迟时间为3 ms、临界距离5个单位、语音单元为4帧时,腭裂语音鼻漏气自动识别的正确率达84.63%。腭裂语音鼻漏气自动识别算法能为临床腭咽功能评估提供高效、客观的辅助诊断依据。     

基于语音停顿度和平坦度的注意缺陷与多动障碍自动检测算法

针对注意缺陷与多动障碍（ADHD）临床诊断主要依靠医生主观评估,缺乏客观辅助依据的问题,提出了一种基于语音停顿度和平坦度的ADHD自动检测算法。首先,通过频带差能熵积（FDEEP）参数自动定位语音有话区间,并提取停顿度特征;然后,使用变换平均幅度平方差（TAASD）参数计算语音倍频率,并提取平坦度特征;最后,结合融合特征和支持向量机（SVM）分类器来实现ADHD的自动识别。实验共采集了17位正常对照组儿童和37位ADHD患儿的语音样本。实验结果表明,所提算法能自动检测正常儿童和ADHD患儿,识别正确率为91.38%。     

基于声道特性的腭裂语音高鼻音等级自动识别

腭裂语音高鼻音等级的自动识别对于腭咽功能的评估具有重要临床价值。对腭裂语音高鼻音等级自动识别算法进行了研究,提出基于声道特性的腭裂语音高鼻音等级自动识别算法。利用高低阶线性预测倒谱系数（Linear Prediction Cepstrum Coefficient,LPCC）与倒谱系数结合成为LPCC-Cep特征组作为声学特征参数,采用稀疏表示分类器（Sparse Representation based Classification,SRC）实现腭裂语音四类高鼻音等级（正常、轻度、中度和重度）的自动识别。实验结果表明,提出的自动识别算法取得了较高的高鼻音类别正确识别率。其中,LPCC-Cep特征组参数对高鼻音等级的正确识别率为83.38%。     

深入开展反窃电工作的探讨

文章针对当前反窃电工作难的问题，通过对多种窃电方法的研究分析，总结出一套切实可行的反窃电措施，以利于更好地打击窃电犯罪行为，杜绝窃电现象的发生。     

基于小波及能量熵的带噪语音端点检测算法

为了在复杂的噪声环境中区分出语音信号和非语音信号(噪声),提出了一种基于小波及能量熵的带噪语音端点检测方法.该方法利用小波的多分辨率特性以及它对非平稳信号局部特征的表现能力,对含噪语音信号进行小波变换,用各层能量熵值的平均值来有效地区分语音段和非语音段.不同背景噪声及不同信噪比下的实验结果表明,提出的带噪语音端点检测算法获得了较高的检测正确率.