基于典型相关分析与低通滤波的肌电伪迹去除

提出了一种基于典型相关分析(CCA)和低通滤波的盲源分离方法去除脑电信号(EEG)中的肌电伪迹.该方法首先将混入了肌电伪迹的EEG信号分解为不相关的CCA分量,然后对与伪迹源相关的分量进行低通滤波处理,去除这些分量中的高频伪迹成分,最后利用与EEG相关的CCA分量和滤波处理后的新分量重构信号,消除肌电伪迹的影响.实验结果表明,采用CCA能够有效地分离出肌电伪迹,而结合低通滤波技术能够更有效地保留EEG信息.该方法取得了较好的去除肌电伪迹的效果.     

热释电红外信号人体运动特征识别

根据人体在热释电红外(PIR)探测器的检测区域内沿不同路径和不同方向运动时信号在时域及频域的分布特点,提出一种基于单只PIR探测器信号的人体运动特征识别方法。首先提取人体PIR信号的频谱和短时频谱能量特征;然后进行主元分析(PCA)特征降维,根据典型相关分析(CCA)进行特征融合;最后采用最小二乘支持向量机(LS-SVM)方法进行分类识别。实验以不同人体、不同运动方式的PIR探测器数据为研究对象。分析结果表明,提出的特征提取、特征融合及识别方法能有效地对人体运动特征进行识别。     

基于小波熵的低误报率人体热释电红外信号识别

提出一种基于双密度双树复小波变换小波熵特征的热释电红外(PIR)信号人体识别方法.首先对人体和狗的PIR探测器输出信号进行去噪预处理,然后提取信号的双密度双树复小波变换的小波熵作为特征,最后采用最小二乘支持向量机对特征进行分类.实验结果表明:所提取的特征及分类方法对人体与狗的热释电红外信号的识别率可达93.6%.因此该识别方法能大大降低PIR探测器的误报率,并可进一步提升PIR探测器在安防和智能家居系统中应用.     

特定电磁波治疗仪数字温控系统的设计

特定电磁波谱（TDP）辐射器被广泛用于临床,是一种新型的理疗器械。本文设计了一种基于单片机的TDP数字温控系统。该温度控制系统以单片机为核心控制器件,采用温度传感器PT100进行测温,通过PID恒温控制算法实时计算双向可控硅的导通角,以实现对工作在过零触发模式下的双向可控硅的电压控制,从而达到调温,控温的目的。实验测试表明：所设计数字温控系统工作稳定可靠,温度控制速度快,超调小,在150—300℃的恒温控制过程中,温控误差小于2℃。     

经典谱分析中的分辨率

原始信号的长度是无限长的,被分析的信号总是有限长.采样定理说明了采样频率与信号的最高频率之间的关系.不确定原理[2]决定了被处理的信号分辨率与观测信号的时间长度也就是窗长度成反比的性质.结合经典谱估计中的算法来阐明当信号的长度一定时,在满足采样定理的条件下把靠得很近的谱峰分开的能力并不会因算法的不同而不同,而时域和频域不能同时达到最佳.     

心电信号处理中滤波器设计的研究

由体表电极(胸导联或肢导联)检测到的ECG心电信号常有不同的干扰,为了得到不失真的原始心电信号,在诊断分析前要进行必要的预处理--滤波.详细介绍了在处理动态心电图系统记录的ECG信号中各种滤波器的设计,包括去除各种噪声的的低通、高通、带阻滤波器以及一次性滤波器.     

基于双密度双树小波变换的电能质量扰动识别方法

针对电能质量扰动的识别问题,提出一种基于双密度双树小波变换(DD-DT DWT)小波熵和支持向量机的扰动信号识别方法。该方法首先对电能信号进行DD-DT DWT变换,然后分别提取其小波能量熵和小波系数Shannon熵以描述不同扰动信号的特征,最后采用二元树结构支持向量机分别对提取的两类小波熵特征向量进行分类。仿真实验表明:所提出的基于DD-DT DWT小波熵的特征提取方法能有效识别常见的8种扰动信号,并具有正确识别率高及噪声鲁棒性强的优点。     

一种改进概率权的短时风电功率组合预测方法

针对风电功率预测组合模型中各模型的权重系数确定的问题,提出一种基于概率权和优化相融合的组合模型权重系数的确定方法。首先利用概率和权数的同质性,对多种单个模型进行优化组合,然后确定单个模型的最优权重系数,最后将组合预测模型改进为动态组合预测模型以提高预测精度。实验测试表明:提出的基于概率权的风电功率组合模型能有效提高短期风电功率预测结果的准确性,而动态权重系数的自适应变化可以进一步增强该方法在风功率预测中的普遍适用性。     

热释电红外信号人体运动特征识别

根据人体在热释电红外(PIR)探测器的检测区域内沿不同路径和不同方向运动时信号在时域及频域的分布特点,提出一种基于单只PIR探测器信号的人体运动特征识别方法。首先提取人体PIR信号的频谱和短时频谱能量特征;然后进行主元分析(PCA)特征降维,根据典型相关分析(CCA)进行特征融合;最后采用最小二乘支持向量机(LS-SVM)方法进行分类识别。实验以不同人体、不同运动方式的PIR探测器数据为研究对象。分析结果表明,提出的特征提取、特征融合及识别方法能有效地对人体运动特征进行识别。