数值研究一种基于腔共振和电共振的近红外双频段超材料吸收器

设计, 数值模拟和讨论了一种具有两个宽带和扁平的吸收带的超材料吸收器, 其中一个是腔共振吸收带, 另一个是电共振吸收带.电共振的吸收带由于空腔尺寸(d)或者介质层厚度(H)的增加而蓝移, 而腔共振吸收带则表现出红移的现象.同时, 电共振和腔共振吸收带可以通过优化吸收器的结构设计耦合为一个吸收带.最后, 数值模拟研究了入射角度的改变对电共振和腔共振吸收带的影响.利用不同波段的共振模式形成不同吸收带的方式提供了将双吸收带调制为单吸收带的可能性.     

基于仿射参数估计的迭代点匹配算法

本文提出了一种新的迭代点匹配算法。算法建立点集间仿射映射关系，把匹配问题转化为函数优化问题，通过点集间匹配对应关系和仿射变换参数的反复迭代最终求出问题的解。文中提出了构造虚拟点对和最小方差两种仿射参数估计方法，并利用改进最近点原则求解点集匹配关系，且证明了算法的收敛性。本文算法较好地解决了由仿射带来的非刚性形变点集匹配问题，且有很好的抗噪声和点性能。实验证明了算法的有效性和鲁棒性。     

改进的张量投票算法

在引入迭代过程的基础上,修正底层的取向估计结果、修正原始算法的显著性测度函数,并对每次投票结果进行细化和修剪.实验结果表明：文中改进措施有效地解决了张量投票算法在提取主观轮廓中存在的问题.     

基于稀疏分解和模糊理论的心电信号波形检测及识别

心电图是现代医学的一个重要诊断依据. 用计算机检测识别心电信号波形,能缓解越来越庞大的心电数据给医务人员带来的工作压力,减少因疲劳、疏忽以及主观偏差产生的误差.利用改进的Gabor字典和粒子群优化算法,对心电信号做稀疏分解,并根据所得系数及对应的原子特性,建立模糊规则检测QRS波群.再在QRS波群前后,通过稀疏分解找到最有可能对应着P波、T波的原子,然后用模糊系统完成P波、T波的检测识别.实验表明,算法QRS波群检测正确率高,P波、T波波形识别符合专家的主观判断,算法切实可行.     

基于形态滤波的心电信号基线矫正算法

基线矫正是心电(ECG)信号预处理中的一个重要步骤.本文提出了一个基于形态滤波的ECG信号基线矫正算法.首先,对原始输入ECG信号进行基于相同结构元素的形态开闭-闭开滤波,抑制其中的QRS波群;然后,采用两个不同宽度的结构元素,对去除QRS波群后的ECG信号进行广义形态开-闭滤波,分离出基线漂移信号;最后,用原始ECG信号减去估计出的基漂信号,得到经过基线矫正的ECG信号.仿真实验与实际应用结果表明,本文方法不仅可以有效去除ECG信号中的基漂干扰,而且较好地保持了ECG信号的原有特征形态,处理效果明显优于以往算法.     

基于解调数据二阶统计特性的OFDM盲频偏估计方法

OFDM系统对载波频偏(CFO)非常敏感,CFO破坏了子载波正交性从而引起载波间干扰(ICI)导致系统性能下降.本文分析了CFO对解调数据二阶统计特性的影响,提出了一种适用于频率选择性衰落信道下的非数据辅助的频偏估计方法,利用解调数据二阶统计量矩阵的对角能量提取CFO信息,可实现CFO的精确估计.该方法不需要发送导频数据和信道响应先验知识,因而提高了系统传输效率.文中同时给出了估计的闭环求解方法,大大简化了实现复杂度.最后对算法在多径信道环境下进行了仿真,结果表明本文提出的估计方法在低SNR时仍具有较好的估计性能.     

基于小波变换的自适应QRS-T对消P波检测算法

该文提出一种基于小波变换的自适应QRS-T对消P波检测算法。首先采用二进Marr小波的Mallat算法对心电信号作多尺度分解,在每个尺度下只保留超过一定阈值的小波模极大值点,其它点置零处理。在小波分解的3,4尺度下检测QRS波群,并根据心拍节律信息和QT间期,将QRS-T波群所对应的小波模极大值点进行自适应对消,最后对包含P波的剩余信号进行非线性放大,利用小波模极大值的自适应阈值检测方法定位P波。该方法经MIT-BIH心电数据库数据验证,取得了满意的结果。     

一种新的二维自适应提升小波变换方法

基于图像的局部特性和统计信息,该文提出一种新的二维自适应提升小波变换方法。该方法通过构造基于图像局部特性的自适应更新算子和基于图像统计信息的非线性预测算子,对图像进行自适应的提升小波变换,与文献中的自适应小波变换方法和非自适应小波变换方法进行对比实验,该文方法所得到的高频子带的熵更低,含零高频系数更多,更有利于图像的压缩编码。     

粗糙集理论在决策判断中的应用

属性约简是RoughSet理论研究中的核心内容之一,现在已经证明寻找决策表的最小约简是NP hard问题。本文首先阐述了可辨识矩阵的概念;然后在此基础上提出了一种基于可辨识矩阵和信息熵的属性约简的新算法,并给出了该算法的时间复杂度;最后,通过实例分析表明,本文算法能够成功用于决策判断,并且在多数情况下该算法能够得到决策表的最小约简。     

心电图ST段形态分析方法研究

临床心电图诊断中,常需用到ST段的偏移和形态变化.但由于ST段精确定位比较困难,使得其形态分析很难直接进行.本文提出了一种基于曲线特征的心电图ST段形态分析方法.首先,对输入心电信号进行预处理,消除噪声干扰,检测波形关键点.然后,测量ST段电平,判断ST段偏移方向,并据此确定待分析的ST段的大致区域.接着,对ST段大致区域内的波形曲线进行分析,将其判断为直线型或曲线型两种曲线类型中的一种.对于直线型ST段曲线,计算其斜率作为形态特征,并依此判断ST段的斜率方向;对于曲线型ST段曲线,则计算其凹凸度参数作为形态特征,并依此判断ST段的凹凸方向.最后,将上述步骤中已得出的ST段偏移方向、曲线类型以及斜率方向或凹凸方向结合起来,即可得到ST段形态识别结果.经MIT-BIH心律失常数据库和欧洲ST-T数据库验证,本方法均能取得良好的识别结果.