基于FSR的假肢手抓握力控制

为了帮助上肢残疾者稳定抓取日常物品,提出了一种基于力敏电阻(FSR)的假肢手抓握力控制方法.FSR采集假肢手抓取力,并根据抓握力及其梯度,建立了假肢手抓握力模糊估计模型.然后将模糊控制器应用于假肢手抓握力控制,并采用试凑法得到模糊控制参数的值.假肢手抓握实验表明:所提出的基于FSR假肢手期望抓握力的估计和抓握力控制的方法是有效的.     

基于电流信号估计抓握力的假肢手抓握控制

为避免假肢手需外置力传感器进行抓握力控制的不足,提出了一种通过电流信号估计抓握力的假肢手抓握力控制方法。根据假肢手模型、接触力模型和直流(DC)电机模型建立基于电流信号的假肢手抓握力估计模型,将抓握力估计模型与比例—积分—微分(PID)控制器结合,在无需外置力传感器的情况下对假肢手进行抓握力控制。抓握控制仿真和实验表明:所提出的假肢手抓握力估计方法和控制方法有效。     

基于触滑觉感知的智能假肢抓握控制方法研究

【】触觉和滑觉感知功能是仿生假手不可或缺的感知功能。本文在原有智能假肢的基础上,通过对触滑觉感知方法的研究,包括触滑觉传感器的选型、后续测量电路的设计和测点布局分析等,开发了一种可以同时实现触觉和滑觉感知的智能假肢。进而,通过模糊逻辑控制方法的引入,实现了假肢的可靠抓握功能及抓握保持过程中的自适应响应控制。实验结果表明,该智能假肢可以实现假肢抓握的稳定控制,并在被抓握物体产生滑动时进行精准快速的自适应响应控制。     

基于肌电信号的多模式抓握力估计

针对大多肌电控制的假肢只研究模式识别而没有对抓握力和抓握模式同步解码的问题,提出一种同时分析抓握模式和抓取力的方法。首先,采用4通道表面电极采集人体手臂肌电信号(EMG),采用力敏电阻(FSR)采集抓取力信号;然后,分别利用线性判别分析(LDA)方法和人工神经网络(ANN)进行抓握模式识别和力估计。在4种抓握模式下分别建立4个肌电信号-力关系,一旦判别出抓取模式,则调用相应模式下肌电信号-力模型估计抓握力大小以实现模式识别和力估计的结合。实验结果表明,当进行模式和力的同步解码时,模式平均分类精度约为77.8%,力估计的准确率约为90%。该方法可以用于假肢的肌电控制,不仅可以解码使用者的抓取动作的意图,还可以解码使用者期望的抓取力,辅助假肢实现稳定抓取。     

基于自适应低秩稀疏分解的超声缺陷回波检测方法

超声无损探伤在金属材料微小缺陷检测中有着广泛的应用,但采集的回波信号通常受到噪声干扰甚至完全被噪声掩盖,为了辨别被噪声干扰的缺陷反射信号,提出了一种基于自适应低秩矩阵分解的超声缺陷回波检测方法。首先对原信号进行短时傅里叶变换并提取幅度谱和相位谱,引入基于误差重建的背景矩阵秩估计方法,用于估计低秩稀疏分解所需的低秩度参数。然后通过低秩稀疏分解将幅度谱分解为低秩、稀疏和噪声三部分,舍弃噪声部分。最后使用时频掩蔽分离出缺陷信号幅度谱并运用逆短时傅里叶变换获得回波信号。应用本文提出的方法分别对仿真和实测信号进行处理,结果表明本方法在缺陷回波检测方面是有效的。     

基于时频分析方法LPFT的语音处理GUI系统

由于语音的非平稳性及时变性,时频分析方法是处理语音信号的重要工具.然而线性短时傅里叶变换的时频聚集性较差,而双线性维格纳变换在处理多分量信号时会受到交叉项的干扰.为了克服以上两种时频分析方法的缺点,利用短时傅里叶变换的扩展形式即局部多项式傅里叶变换LPFT来处理语音信号,建立了基于LPFT的语音处理GUI系统,实现了在时域、频域和时频域对语音的分析和对比.并给出语音处理的例子,验证了LPFT方法与其它方法相比所具有的优势.该系统简明直观,是语音处理的较好的平台.     

基于复Morlet小波的地层钻探识别

在低信噪比时,短时傅里叶变换和实小波变换无法准确提取钻头进入不同地层的时延信息。为此,提出一种复小波变换分析法。利用幅值和相位信息对信号突变点进行提取和定位,从而实时判断钻头钻进目的层的时刻。实验结果表明,该方法能准确表征振动信号的时频特征,与短时傅里叶变换和实小波变换相比,具有更好的时间定位和抑噪能力。     

基于广义S变换的BOTDR信号包络解调

基于BOTDR的布里渊散射分布式光纤传感器所检测的散射光信号非常微弱,且频带在30 MHz左右,本文提出应用广义S变换对散射光信号进行幅度解调.广义S变换同时具有短时傅里叶变换和小波变换的优点.通过仿真和实验数据处理验证,基于广义S变换的解调算法可以有效提取BOTDR信号的包络信息,优于传统的Hilbert变换方法,提高了传感系统的检测性能.     

时频聚集性能优化的广义S变换

S变换是一种具有短时傅里叶变换和小波变换优点的时频分析方法,已有的一些基于能量聚集度量的优化方法集中度不高,影响了信号检测等应用中时频域局部定位的精度.为了提高S变换的时频聚集性能,提出了一种新的时频能量聚集度量方法优化广义S变换,提高了算法的时频集中度和短时傅里叶变换、S变换、广义S变换等方法实验比较,表明提出的方法能有效地提高广义S变换的能量集中度,并具有较强的抗噪声性能.     

信号的小波分析及在信号检测中的应用

对典型的线性调频信号进行了小波分析,并运用小波变换方法对噪声中的方波信号和正弦信号进行了检测,讨论了小波变换滤波器参数变化对检测性能的影响,最后,将小波变换与短时傅里叶变换进行了比较。