基于多通道的ICU脑血管疾病死亡风险预测模型

死亡风险预测指根据病人临床体征监测数据来预测未来一段时间的死亡风险。对于ICU病患，通过死亡风险预测可以有针对性地对病人做出临床诊断，以及合理安排有限的医疗资源。基于临床使用的MEWS和Glasgow昏迷评分量表，针对ICU病人临床监测的17项生理参数，提出一种基于多通道的ICU脑血管疾病死亡风险预测模型。引入多通道概念应用于BiLSTM模型，用于突出每个生理参数对死亡风险预测的作用。采用Attention机制用于提高模型预测精度。实验数据来自MIMIC [Ⅲ]数据库，从中提取3?080位脑血管疾病患者的16?260条记录用于此次研究，除了六组超参数实验之外，将所提模型与LSTM、Multichannel-BiLSTM、逻辑回归（logistic regression）和支持向量机（support vector machine, SVM）四种模型进行了对比分析，准确率Accuracy、灵敏度Sensitive、特异性Specificity、AUC-ROC和AUC-PRC作为评价指标，实验结果表明，所提模型性能优于其他模型，AUC值达到94.3%。     

冰下单载波水声通信试验研究

北极地区战略地位的提高促进了极区各种应用的快速发展，冰下水声通信成为其中一个热点问题。为了研究冰下单载波水声通信性能，在黄海冰区开展冰下试验。重点分析了内嵌锁相环的多通道判决反馈均衡(Multi-channelDecision Feedback Equalization, M-DFE)技术在冰下水声通信中抗多途时延的能力，研究比较了改进比例归一化最小均方(Improved Proportional normalized Least Mean Square, IPNLMS)算法和递归最小二乘(Recursive Least Squares,RLS)算法的均衡性能。试验结果表明IPNLMS和RLS都能克服信道多途效应带来的影响。在牺牲计算复杂度的前提下，RLS具有更好的均衡效果，M-DFE在冰下环境中能够有效消除码间干扰。     

新型消费类电子光互连应用

介绍了光互连在新型消费类电子市场,如高清多媒体接口(HDMI)、通用串行总线(USB)、Display Port、专业音视频以及分体式电视领域的新应用。采用板上芯片封装(COB)方案为基础的新型消费类电子市场有源光缆(AOC),以其低成本生产技术、小体积、支持多路光通道集成的特点,自2018年以来迅速得到了市场的认可。进一步介绍了具有代表性的HDMI、USB以及分体式电视AOC的性能特性以及市场应用。认为大量的新型光电产品将会出现在消费类电子市场。     

基于FPGA多通道酒驾主动检测系统研究

随着社会经济的发展,车辆数量不断上涨。随之而来酒驾交通事故频繁出现,造成严重社会影响。除了立法方面完善和管制,还应关注酒驾车辆及驾驶员的检测力度和方式,从根本上控制酒驾并遏制其危害行为的发生。目前采用的防酒驾系统具有较好实用性,但在降低查处人力和财力基础上,如何防止检测时作弊、主动实时检测、识别车内其他人饮酒而驾驶员没有饮酒等情况存在问题,而本系统采用多通道融合方式能够有效解决酒驾检测存在的问题。     

时空稀疏贝叶斯的多通道降噪方法及在机械故障诊断中的应用

压缩感知利用与稀疏基相独立的观测矩阵将具有稀疏结构的高维度信号投影到低维子空间,对于信号的压缩和降噪有很好的效果,但是稀疏基以及稀疏系数矩阵的获得对于分析的结果有决定性的影响。稀疏贝叶斯学习(sparse bayesian learning,SBL)算法能极大地提高信号稀疏分解的精度,提出了一种改进的基于时空稀疏贝叶斯(SpatioTemporal Sparse Bayesian Learning,STSBL)的多通道信号降噪算法。首先给出了多通道压缩感知理论模型,然后通过自适应过完备字典求取信号的稀疏基矩阵,最后提出基于STSBL的多通道理论模型获取多通道稀疏系数矩阵,从而实现多通道机械故障信号的有效降噪以及特征成分的精确重构。分别通过数值仿真实验和实测风力发电机轴承内圈故障信号进行分析,结果表明提出的方法有很好的降噪效果,同时能成功地提取信号的故障特征信息。     

多通道低频电磁传感器的仿真及优化

针对金属板构件内外壁损伤的检测问题,通过数值仿真与试验优化的方法,研制了一种适用于金属板构件内外壁损伤缺陷检测的多通道低频电磁传感器。建立了低频电磁检测三维有限元仿真计算模型,研究当圆形线圈切向放置在金属板导体上方时对缺陷的检测能力。进行对比试验,优化激励线圈匝数、检测线圈内径、高度等影响传感器灵敏度的参数,通过对含有人工缺陷金属板的检测验证了传感器的灵敏度与实用性。结果表明,研制的多通道低频电磁传感器可以实现对?12 mm埋深9.6 mm的304不锈钢缺陷及?12 mm埋深8 mm的20#碳钢缺陷的有效检测。     

基于改进卷积神经网络的单幅图像超分辨率重建方法

对于重建图像存在的边缘失真和纹理细节信息模糊的问题，提出一种基于改进卷积神经网络（CNN）的图像超分辨率重建方法。首先在底层特征提取层以三种插值方法和五种锐化方法进行多种预处理操作，并将只进行一次插值操作的图像和先进行一次插值后进行一次锐化的图像合并排列成三维矩阵；然后在非线性映射层将预处理后构成的三维特征映射作为深层残差网络的多通道输入，以获取更深层次的纹理细节信息；最后在重建层为减少图像重建时间在网络结构中引入亚像素卷积来完成图像重建操作。在多个常用数据集上的实验结果表明，与经典方法相比，所提方法重建图像的纹理细节信息和高频信息能得到更好的恢复，峰值信噪比（PSNR）平均增加0.23 dB，结构相似性（SSIM）平均增加0.0066。在保证图像重建时间的前提下，所提方法更好地保持重建图像的纹理细节并减少图像边缘失真，提升重建图像的性能。