脉搏波信号分析方法的研究进展

脉搏波蕴含着丰富的人体生理和病理信息,历来都受到中外医学界的重视,现已成为中西医共同的研究热点.本文从目前较为主流的几种分析处理脉搏波信号的方法出发,分析了每种方法对脉搏波信息提取和利用的现状,提出了应对脉搏波进行更为深入的研究,从而为医学脉搏信号诊断系统的设计和脉诊的临床应用提供科学的依据.     

相参脉冲雷达中频采样条件研究

针对相参脉冲雷达中频采样问题,通过对采样过程的分析与建模,提出了相参脉冲雷达中频采样应满足的三个条件.详细分析了采样条件不满足情况对后续信号处理的影响,并针对具体工程应用给出了解决方案.所得结论对相参脉冲雷达中频数字接收机和通用雷达数据采集系统设计具有一定的指导意义.     

基于PRI谱的双门限雷达信号分选算法及其硬件平台设计

针对修正的PRI变换法无法分选重频参差雷达信号的缺点,提出了一种基于PRI谱的双门限雷达信号分选算法.该算法先对PRI谱设定双门限检测各个准PRI,再结合组合查看及序列搜索提取各个PRI.同时,构建了一种预分选、主分选结合的新型分选平台.预分选利用带有PowerPC的FPGA构架片上系统,完成对脉冲雷达信号的实时测量、AOA分类及数据存储;主分选采用DSP专职完成其他维参数的分选算法.谊分选新算法在保留抑制PRI子谐波优点的同时,对重频固定、抖动和参差的雷达脉冲信号都有较好的检测结果.视频信号源的大量测试表明,谊分选平台对普通雷达、PRI抖动和参差雷达、频率捷变雷达及一些特殊雷达均具有较好的分选能力.     

基于最佳门限消噪语音增强一种新方法的研究与实践

针对软门限对信号噪声的滤除方法,在分析小波变换消噪原理和方法的基础上,具体分析了阈值对小波变换消噪的影响.提出了改进阈值的阈值函数,给出更好的滤波结果.实验表明这种改进的算法有效地提高了增强效果.     

方形QAM信号的识别算法

提出了一种识别方形QAM信号(4QAM、16QAM、64QAM和256QAM)的新方法,该方法将特征参数和信号降阶算法有效的结合.所选用的特征参数提取简单且易于实现,不受加性高斯噪声的影响;给出了该算法的理论推导,计算机仿真也表明该参数对滚降系数不敏感;选用的降阶方法不受载波相位的影响,较为实用.实验结果表明,该识别方法能够有效的识别方形QAM信号,4QAM、16QAM、64QAM和256QAM的识别率达到80%以上所需的信噪比分别为9dB、15dB、24dB和24dB.     

非一致分类数据集的一致化与特征选择

采用不一致性或含有冗余特征的样本数据集往往会降低分类的质量和效率.提出了一种将分类数据集一致化,并在此基础上选择最小特征变量集的方法.该方法首先根据贝叶斯公式,将非一致数据归为最可能的一类,使数据集一致化,然后在一致数据集上,定义类别区分矩阵,选择最小特征变量集,并给出了在类别区分矩阵上搜索最小特征变量集的启发式搜索策略.采用UCI标准数据集的实验结果表明,提出的方法可有效地删除数据集的不一致性,选择的最小特征变量集可准确区分各类数据并降低数据的维数.     

中文文本分类中的特征词抽取方法

针对目前各类主流的中文文本特征词抽取方法中只关心词频信息却不关注特征的位置这一现象,给出了位置权重的概念,对以往提出的无词典分词算法进行了适当的修改,并在此基础上提出将信息增益、卡方统计和互信息这3种常用的特征选择方法有机的结合起来,构成新的特征选择方法.这种新方法综合考虑了特征的各类信息,从而更加准确地选取文本中的有效特征词,并且试验结果也验证了这种改进算法的可行性和有效性.     

基于向量投影的KNN文本分类算法

针对KNN算法分类时间过长的缺点,分析了提高分类效率的方法.在KNN算法基础上,结合向量投影理论以及iDistance索引结构,提出了一种改进的KNN算法--PKNN.该算法通过比较待分类样本和训练样本的一维投影距离,获得最有可能的临近样本点,减小了参与计算的训练样本数,因此可以减少每次分类的计算量.实验结果表明,PKNN算法可以明显提高KNN算法的效率,PKNN算法的原理决定其适合大容量高维文本分类.     

流动注射分析仪前置放大电路的设计

为了检测物质吸光度微弱信号,根据ICL7650芯片特点,研究了仪用放大器的设计原理,设计出一种微弱信号放大电路并详细阐述了其工作原理.经过multisim 8软件仿真,电路增益,幅频特性达到高稳定度设计要求.通过实际硬件电路长时间通电测试,电路信噪比满足高精度设计要求,△Av%<1%.将前置电路应用于流动注射分析仪,满足仪器高精度、高稳定度要求.     

基于混合核函数的自组织神经网络遥感图像分类

自组织神经网络SOM作为一种无监督学习的竞争式网络,已经得到了广泛的应用,它通过对输入信号的竞争学习,将样本划为不同的类别,但其分类效果常很难令人满意.提出了一种基于混合核函数的SOM神经网络改进方法,并和传统的SOM网络进行了对比,Iris数据和Wine数据的分类实验表明,该方法可以明显改进SOM网络的分类效果.然后对某地Landsat卫星遥感图像数据进行分类实验,实验结果表明,与传统的SOM网络、基于多项式核的SOM网络以及基于RBF核的SOM网络相比较,基于混合核函数的SOM神经网络方法的分类效果有较明显的提高.