心电图ST段形态分析方法研究

临床心电图诊断中,常需用到ST段的偏移和形态变化.但由于ST段精确定位比较困难,使得其形态分析很难直接进行.本文提出了一种基于曲线特征的心电图ST段形态分析方法.首先,对输入心电信号进行预处理,消除噪声干扰,检测波形关键点.然后,测量ST段电平,判断ST段偏移方向,并据此确定待分析的ST段的大致区域.接着,对ST段大致区域内的波形曲线进行分析,将其判断为直线型或曲线型两种曲线类型中的一种.对于直线型ST段曲线,计算其斜率作为形态特征,并依此判断ST段的斜率方向;对于曲线型ST段曲线,则计算其凹凸度参数作为形态特征,并依此判断ST段的凹凸方向.最后,将上述步骤中已得出的ST段偏移方向、曲线类型以及斜率方向或凹凸方向结合起来,即可得到ST段形态识别结果.经MIT-BIH心律失常数据库和欧洲ST-T数据库验证,本方法均能取得良好的识别结果.     

基于多尺度样本熵的时间序列复杂度研究

对于三维空间中时间序列的复杂度分析,多采用多尺度样本熵(MSE),针对MSE方法随着时间序列复杂度的增加样本熵估计的准确率下降的缺陷,提出采用多尺度样本熵模型。对提出的MSE模型进行实验验证分析,根据时间序列复杂程度的不同,分别采用复合多尺度样本熵(CMSE)以及改进复合多尺度样本熵(RCMSE)对时间序列进行研究分析,得出不同的仿真结果。证明对于时间序列的复杂度研究,采用MSE的方法能达到提高准确率的效果。     

Logistic映射多尺度熵分析

为Logistic映射的理论分析和保密通信应用提供理论支撑,结合Logistic映射系统特性随参数μ变化的关系,以及多尺度熵能够反映混沌系统远离平衡状态程度的特点,提出了一种运用多尺度熵分析Logistic映射非线性动力学特性的方法。从仿真结果得到,多尺度熵能够区分出Logistic混沌系统不同状态,并且能够作为量化Logistic映射非线性动力学行为的指标。     

基于多尺度多方向Gabor变换的Tsallis熵阈值分割方法

为了能在统一框架内处理无模态、单模态、双模态或者多模态直方图情形下的自动阈值选取问题,该文提出一种基于多尺度多方向Gabor变换的Tsallis熵阈值分割方法(MGTE)。该方法先通过Gabor变换得到多尺度乘积图像,然后利用内外轮廓图像从多尺度乘积图像中重构1维直方图,并在重构1维直方图上采用Tsallis熵计算模型来选取4个方向Tsallis熵取最大值时对应的阈值,最后对4个方向的阈值进行加权求和作为最终分割阈值。将提出的方法和5个分割方法在4幅合成图像和40幅真实世界图像上进行了实验。结果表明提出的方法虽然计算效率不占优势,但它的分割适应性和分割精度有明显的提高。     

基于多尺度熵和遗传算法改进的语音识别技术

现代语音识别系统大多数都处在复杂的环境中,语音特征的提取势必会受到噪声的影响;在低信噪比环境下的隐马尔可夫模型,它的训练参数容易收敛于局部最小值,导致识别率下降。首先对采集到的语音信号,利用补充的总体经验模态分解(CEEMD)和多尺度熵算法对信号进行随机性检测,该方法在检测出CEEMD分解的异常分量后,进行经验模态分解(EMD);其次将分解得到的近乎纯净的语音信号,作为基于遗传算法改进的隐马尔可夫模型的输入。实验结果表明,利用多尺度熵与遗传算法改进的隐马尔可夫模型相结合的方式,具有更优的收敛速度和优化性能,识别率至少提高1.23%。     

基于多尺度卷积神经网络的自适应熵加权决策融合船舶图像分类方法

针对单一尺度卷积神经网络(CNN)对船舶图像分类的局限性,该文提出一种多尺度CNN自适应熵加权决策融合方法用于船舶图像分类.首先使用多尺度CNN提取不同尺寸的船舶图像的多尺度特征,并训练得到不同子网络的最优模型;接着利用测试集船舶图像在最优模型上测试,得到多尺度CNN的Softmax函数输出的概率值,并计算得到信息熵,进而实现对不同输入船舶图像赋予自适应的融合权重;最后对不同子网络的Softmax函数输出概率值进行自适应熵加权决策融合实现船舶图像的最终分类.在VAIS数据集和自建数据集上分别进行了实验,提出的方法的分类准确率分别达到了95.07%和97.50%,实验结果表明,与单一尺度CNN分类方法以及其他较新方法相比,所提方法具有更优的分类性能.     

基于多元经验模态分解的多元多尺度熵静态平衡能力评估

提出了一种基于多元经验模态分解（Multivariate Empirical Mode Decomposition,MEMD）的多元多尺度熵（Multivarite Multiscale Entropy,MMSE）特征提取方法分析多模态信号,进行人体静态平衡能力评估.首先,采集人体多模态信号,采用多元经验模态分解对多通道信号进行自适应分解,得到一系列多元固有模态函数（Intrinsic Mode Functions,IMFs）,依据T检验和相关系数从中选取最佳的IMF分量进行信号重构;然后,采用多元多尺度熵算法提取特征,用K-均值与支持向量机对比本文特征提取方法与两种传统特征提取方法在处理人体静态平衡能力评估问题时分类效果,并分析两种分类器的人体静态平衡能力评估效果;最后,得出本文最优的特征为基于多元经验模态分解的多元多尺度熵特征,最优的分类方法为支持向量机.     

基于多尺度卷积神经网络的自适应熵加权决策融合船舶图像分类方法

针对单一尺度卷积神经网络(CNN)对船舶图像分类的局限性,该文提出一种多尺度CNN自适应熵加权决策融合方法用于船舶图像分类.首先使用多尺度CNN提取不同尺寸的船舶图像的多尺度特征,并训练得到不同子网络的最优模型;接着利用测试集船舶图像在最优模型上测试,得到多尺度CNN的Softmax函数输出的概率值,并计算得到信息熵,...     

多尺度样本熵在流量矩阵分析与评估中的应用

针对网络用户行为的特点提出利用多尺度样本熵的两个评价规则来分析P-P flow流量矩阵,该方法能够对网络流量表现出来的一些特征进行合理解释,并得到一些有趣的结论.随后在多尺度样本熵分析特性基础上提出一种评估流量时间序列健康度的方法,通过对真实网络流量和仿真流量的实验,表明该方法简单有效,能够准确合理评估网络流量的健康程度.     

基于改进时域多尺度散布熵与支持向量机的转辙机故障诊断

为充分挖掘转辙机振动信号的有效故障信息,提高故障诊断准确率,提出了一种基于集合经验模态分解（Ensemble Empirical Mode Decomposition,EEMD）、改进时域多尺度散布熵（Improved Time-domain Multiscale Dispersion Entropy,TMDE）与粒子群优化算法（Particle Swarm Optimization algorithm,PSO）优化支持向量机（Support Vector Machine,SVM）的故障诊断方法 .首先,通过EEMD方法将不同故障类型的振动信号分解成若干个模态函数（Intrinsic Mode Functions,IMFs）;其次,采用相关系数与峭度的混合筛选准则筛选IMFs并重构信号;再次,应用所提ITMDE算法提取重构信号的多尺度故障特征;最后将得到的特征向量输入经PSO搜索最优参数后的SVM进行训练和测试.实验分类准确率为100%,分析表明所提方法优于传统的多尺度排列熵、多尺度散布熵的故障诊断方法,能精确地识别转辙机故障类型.     

基于欧氏距离分布熵的特征优化研究

针对训练样本集的分类特征优化选择问题,改进了样本可分度标准:Kullback-Leiber距离,并进行了有效性验证.在此基础上定义了欧氏距离分布熵(Distribution Entropy of Euclidian Distance DEED)这一空间分布信息度量参数,同时给出了它的计算方法.提出了"类间互欧氏距离分布熵"(between-class DEED)与"类内自欧氏距离分布熵"(within-class DEED)的分析方法.进一步将其用于样本可分性分析,验证了两者比值愈大,特征样本集可分度愈好这一结论.     

基于 AUTOSAR 的 FlexRay 动态段调度

针对FlexRay的动态段调度难题,提出了一种基于AUTOSAR规范的与FID分配无关的消息传输周期及其长度确定方法,建立了基于并行处理器负载平衡调度的BIP模型,设计了一种适合大规模消息调度的周期递增LPT算法PILPT和一种防止长周期消息占用短周期消息位置的相位保留LPT算法PRLPT ,最后给出了在实际应用环境中PILPT算法和PRLPT算法的一般性选择依据。仿真实验结果表明,不论是对J1939消息集还是对消息数量更多、消息长度分布更广的可变消息集,PILPT算法和PRLPT算法在优化比率、负载均衡以及算法速度上均达到了较好的调度性能。     

基于ST7540的低压电力线通信分簇组网方法研究

目前,在低压配电网电力线窄带通信系统中存在通信可靠性差,通信距离短等问题.为此,介绍了一款最新推出的高性能电力线载波调制解调芯片ST7540的基本原理和新特征,给出了基于ST7540的电力线载波通信模块硬件接口电路和滤波电路.在此基础上,为了提高基于该芯片的窄带电力线载波通信系统的可靠性,提出并讨论一种基于非交叠分簇算法的电力线通信组网方法.经仿真和试验表明,该组网算法可以动态地建立电力线通信网络路由,实现自动中继.     

基于交叉投影熵的车辆目标匹配算法

当前用于复杂交通场景的车辆目标匹配算法主要是基于灰度相关的模板匹配算法,其缺点是受光线变化及噪声干扰影响较大。局部交叉熵算法在匹配精度上有明显提高,但运算量大,难以工程实现。因此,提出将投影变换和局部交叉熵相结合构成特征矢量用于目标匹配,其具有较强的抗光线变化能力,并且在一定的局部遮挡情况下,也具有较好的稳健性,在计算时间上也明显优于局部交叉熵算法。最后,通过实验仿真,验证了算法的有效性。     

基于最大熵化法的卫星信号盲分离

该文研究的问题是从经过卫星信道的混合信号中分离出相互独立的原始信号。解决这类问题的传统方法往往是采用盲解卷积的算法,但是这种方法的计算量很大,需要对各个径的参数进行调整。该文利用卫星信道的特点,提出了基于最大熵的盲分离算法,极大地减小了计算量。最后的仿真结果表明了算法有效性。     

基于熵的RBF神经网络在软测量中的应用

为了更好地确定RBF神经网络中心向量,并且使得最终的RBF神经网络结构可以进一步调整。提出了一种使用熵聚类的算法来首先确定RBF神经网络隐节点的个数及其初始值,实现初始化的基础上使用常规算法调整RBF神经网络的中心和训练宽度,最后使用基于互信息的RBF神经网络修剪算法调整网络结构。并将上述算法应用于COD软测量问题中,仿真实验结果表明：改进的算法与常规的算法相比,提高了训练速度和逼近精度。     

基于排序熵算法的麻醉深度检测系统设计

为辅助医生在手术过程中对患者麻醉深度状态的判断,设计了一种基于排序熵算法的麻醉深度检测系统。该系统主要包含3个部分,前端脑电预处理电路、排序熵算法数据处理电路和人机交互软件。前端电路主要包括各类放大电路和滤波电路;排序熵算法数据处理是基于stm32单片机完成;人机交互软件主要用于对测试结果进行记录显示等工作,辅助医生对患者麻醉状况的判断。依据以上方案制作了检测系统,并在实验室环境下进行了测试,能完成相关数据检测。     

基于视网膜血管模型的图像分割与血管提取

本文采用非线性图像处理方法,对眼底图像进行去噪增强和分析,提取血管中心线,以便于对视网膜血管网络进行定量描述和定量分析。实验表明该方法能好地从非荧光眼底图像中提取出膜血管网络。     

基于Bark小波变换参数的语音寂声/语声段检测

提出了一种基于Bark小波变换参数的语音寂声/语声段检测方法。利用Bark小波的频率分级和能量聚焦能力,提取语音信号在不同子带上的统计参数;引入基于模糊熵的参数有效性分析,获得所有子带参数中分辨能力和稳定性最大的参数作为识别参数。仿真试验证明,该方法在不同噪声条件下稳定有效;比照传统参数,该方法在准确率和鲁棒性上都有较大幅度的提升。