结合眼电和脑电的人-机交互系统设计与实现

为了改善传统人-机交互(HCI)系统性能,设计并实现了一种结合眼电(EOG)和脑电(EEG)的人-机交互系统。该系统首先使用谱熵对眼电和脑电混合信号进行端点检测,在此基础上,分别识别操作者眨眼信号与脑电信号,并根据识别结果生成不同的控制命令。在实验室环境下对该系统进行测试,其眼电与脑电的平均识别正确率分别达到97.3%和92.7%,测试结果表明该系统可以有效保证命令选择的正确性和稳定性,提高人-机交互效率。     

基于EMD和非线性峭度的齿轮故障诊断

采用经验模式分解(empirical mode decomposition,简称EMD)和非线性峭度的统计特性对振动加速度传感器获取的齿轮箱振动响应信号进行特性分析。利用EMD分解获得振动响应信号的本征模式函数,用非线性Tea-ger能量算子计算每个本征模式函数的瞬时能量,并对本征模式函数进行系数的非线性峭度计算,提取系统的特征信息。仿真结果表明,用经验模式分解和非线性峭度可实现在线监测齿轮运转工作状态,及时发现齿轮的早期故障,提高了故障检测的可靠性。     

多变量数据分析及应用研究

在统计信号处理及其相关领域,多变量数据的描述和分析一直是人们广泛关注的研究课题.在现有的多变量数据分析方法中,基于二阶统计特性的主分量分析(PCA)和基于高阶统计特性的独立分量分析(ICA)是两种非常有代表性的方法.本文在简要介绍PCA和ICA基本原理的基础上,结合脑电消噪问题,对两种方法的性能和特点进行了较深入地比较.实验结果表明,在非高斯信号处理上,独立分量分析方法具有明显的优势.     

基于滑动窗的混合高斯模型运动目标检测方法

在复杂场景下,传统混合高斯模型能较好地检测出运动目标,但随着时间的推移,模型参数收敛缓慢且难以适应场景中真实背景的实时变化,从而导致运动目标的错误检测率增加。该文利用滑动窗技术的短时历史记忆特性,提出一种新颖的基于滑动窗的混合高斯模型运动目标检测方法,该方法弥补了传统混合高斯背景模型不能及时形成新背景的缺点,提高了运动检测的完整性,并进一步降低了算法对场景光照变化的敏感性。多场景下的对比实验结果表明,该方法能更准确、完整地检测出运动目标并具有更好的环境适应性。     

条形码打印软件系统的开发

本文介绍了一种性能优良的条形码打印软件,该软件能在目前所流行的点阵、喷墨打印机上印制多种条码,并具有良好的用户界面,使用非常方便。     

多层前馈网络在图象分割中的应用

本文提出用多层前馈网络进行基于边缘信息的图象分割，讨论了学习样本的提取步骤和网络学习的速度改进方法，实验表明，用多层前馈网络进行图象分割能获得良好的结果。     

一种中值滤波的快速算法

提出了一种中值滤波的快速算法。与中值滤波的传统算法相比较，该算法的特点是考虑到了相邻的两个中值滤波窗口内信号数据的相关性。在运算过程中，保留前面窗口内数据的排序信息，作为下一个窗口内数据排序的参考。这样可将传统算法中相邻的两次中值滤波运算合并为一次进行，从而减少了中值滤波过程中比较运算的次数，很大程度上提高了运算效率。     

基于核Fisher判别分析的意识任务识别新方法

提出一种新的基于核Fisher判别分析的意识任务识别新方法。该方法首先通过核函数建立一个非线性映射，把原空间的样本点投影到一个高维特征空间，然后在特征空间应用线性Fisher判别。利用不同意识任务生成的脑电数据对KFDA和FDA进行比较，最后用线性支持向量机进行分类和识别，并与非线性支持向量机进行了比较，结果表明KFDA的识别率明显优于后二者。     

脑机接口应用中的思维任务分类

脑电信号（EEC）是研究脑活动的一种重要的信息来源，基于脑电信号的人与计算机的通信成为一种新的人机接口方式。时于五种不同心理作业的思雏脑电信号运用独立分量分析（ICA）进行预处理，然后采用6阶的AR模型提取特征，最后应用BP神经网络时AR系数特征进行训练和分类。实验表明。此方法可以达到很好的分类效果，提高了脑电思维作业的准确度。     

一种计算封闭区域周长和面积的新方法

区域面积和周长是图像分析与识别过程中所需的两个重要参数。本文提出了一种计算区域面积和周长的新方法,该方法的主要特点是算法简单,可借助快速傅立叶变换实现。文中详细地推导了有关计算公式,给出了快速算法的实现过程。实验表明,该方法具有较高的计算精度。由于可采用快速傅立叶变换算法为计算工具,该方法易于实现并具有很高的运算速度。