空间矢量脉冲宽度调制算法的优化

在传统的SVPWM算法的基础上,对计算量大的环节——扇区判断环节、电压矢量作用时间求解环节进行改进,并且使用可以通过估计得到的角度值进行计算,避免了传统方法中的坐标变换、三角函数求解、反三角函数求解以及矢量分解等计算过程．文中提出的算法在matlab／simulink仿真环境下进行了仿真和验证,证明了该算法的正确性．     

复合算子T(。H)在加权LP空间的有界性

证明了同伦算子与投影算子的复合算子T(。H)加Ar权的局部LP范数不等式,进而利用修正的Whitney覆盖,将这一不等式发展到了全局,并对n＜p＜∞的情况证明了复合算子在加权LP空间的有界性.     

抑郁症患者脑电导联选择算法及分类研究

基于EGI公司64导脑电采集系统,采集了16位青少年抑郁症患者和16位正常人静息态下闭眼4分钟的脑电数据。运用频谱不对称分析法（Spectral Asymmetry Index,SASI）和去趋势波动分析（Detrended Fluctuation Analysis,DFA）算法提取脑电时域和频域特征。针对提取的特征的导联,一方面,选择最佳电极Pz作为分类的导联,另一方面,通过遗传算法对所有导联进行筛选,将筛选后的导联特征用于分类。使用支持向量机（Support Vector Machine,SVM）在单导联和多导联的情况下,对抑郁症患者和正常人进行分类,结果发现,单导联下,使用SVM分类器对抑郁组和对照组的SASI和DFA结果进行分类,分类精度分别为45.5%和51.5%,使用遗传算法的分类精度分别为78.1%和90.6%,SASI算法的计算实时性优于DFA算法,DFA算法的准确性优于SASI算法。该研究为抑郁症的计算机辅助诊断提供了理论依据。     

复合算子T■H在加权L~p空间的有界性

证明了同伦算子与投影算子的复合算子T■H加Ar权的局部Lp范数不等式,进而利用修正的Whitney覆盖,将这一不等式发展到了全局,并对n相似文献   

求解双曲守恒律方程的高阶TVD格式

针对精确度较低的单调格式,利用Osher-Chakravarthy线性通量修正格式在0β≤{m2mm-1}的条件下对单调格式的数值通量进行改进,给出了一种求解双曲守恒律方程的高阶差分格式,并将其应用于Burgers方程及Buckley-Leverett问题.数值实验表明,该方法在保持高阶精确度的同时,还有效地防止了非物理数值振荡的产生,且具有较好的稳定性.     

结合双随机相位加密和四元数格拉斯曼平均网络的彩色人脸隐私保护识别

为保护彩色人脸图像的隐私并提高识别准确率,提出一种结合双随机相位加密和四元数格拉斯曼平均网络的彩色人脸隐私保护识别算法.首先将彩色人脸图像的颜色分量编码为纯四元数矩阵,使用双随机相位加密和四元数Gyrator变换进行加密.为了隐藏原始彩色人脸图像的内容,通过随机二值幅度掩模选取部分密文进行解密,得到不可见的人脸图像,然后使用四元数格拉斯曼平均网络提取人脸的特征向量和线性支持向量机进行识别.当人脸特征模板泄露时,可以重新生成随机二值幅度矩阵并构建新的特征模板替换原始的特征模板,满足可撤销性,从而保证原始人脸图像的安全性.在Aberdeen,Georgia Tech,Visible Light和YouTube Makeup 4个数据集上与当前3种人脸隐私保护识别算法进行比较,实验结果表明该算法能够有效地提高识别率,而且对数据集的变化具有较好的鲁棒性.     

有线电视网络传输质量的技术要点研究

有线电视网络具有产业性、公益性以及运营化的属性,能不能将有线电视网络的这些属性放在服务性作为有限电视网络文化的核心,关系到了有限电视网络传输的生存与发展,所以,有线电视网络发展最好的方法那就是要以高性能的传输质量以及服务水平来服务大众、扩大领域,从目前的现实情况来看,现在运行的很多有线电视网络传输的质量都存在一定的技术问题和传输问题,本文主要针对有线电视网络传输质量技术要点进行了阐述,希望能够在阐述中提供可行性思路.     

基于皮尔逊最优电极选择的ADHD患者脑电特征提取及分类研究

事件相关电位(ERP)可用于注意缺陷多动障碍儿童(ADHD)和正常儿童的脑电特征 提取与分类。首先,采用赌博任务范式,采集2 类儿童的脑电信号;其次,基于皮尔逊相关系 数算法选择最优电极,并预处理最优电极脑电信号;然后,提取预处理脑电信号的时域特征(均 值、方差、峰值)和频域特征(Theta 波段功率、Alpha 波段功率);最后,利用传统分类方法支持 向量机(SVM)、自适应增强(AdaBoost)、自举汇聚法(Bagging)、线性判别式分析(LDA)、反向传 播(BP)和组合分类器的分类方法(LDA-SVM,BP-SVM)完成对2 种脑电信号的分类。研究结果 表明,传统方法BP 分类器的分类准确率可达80.52%,组合分类器BP-SVM 的分类准确率可达 88.88%。组合分类方法能提高ADHD 儿童的分类准确率,为基于脑机接口技术的ADHD 神经 反馈康复治疗提供技术支持。