简易心肺音信号检测与分析系统设计

针对现有医疗系统心肺音检查系统价格昂贵、数据直观性不足等缺点,提出一种简易心肺音检测与分析系统。该系统以虚拟仪器为数据分析平台,以计算机声卡为模数转换装置,通过听诊器与声音传感器组成的电子拾音器进行心肺音信息采集,利用虚拟仪器直观的设计特点,解决原有系统的不足,可作为心肺疾病的诊断及未出现明显病例特征前的心肺疾病在心肺音特征上的反映,达到疾病早期诊断及心肺音症状可视化存储的目的,通过对正常心音信号、正常肺泡呼吸音及病态的大湿罗音和主动脉瓣狭窄伴关闭不严密心音信号实测并进行音频信号的功率谱分析发现,简易心肺音信号检测与分析系统运行正常,达到了设计目的。     

基于PVDF非均匀曲率半径结构的高灵敏度电子听诊器（英文）

电子听诊器是利用电子技术收集处理心肺音,并依此辅助判断病人身体状况的一种仪器。针对传统电子听诊器灵敏度低、低频响应差等缺点,基于PVDF非均匀曲率半径的弯曲夹紧结构,提出了一种高灵敏度的电子听诊器设计方案。通过建立相应的非齐次弦振动模型,理论分析比较证明了非均匀曲率相比均匀曲率的灵敏度有显著提高,并优选非均匀曲率半径结构灵敏度最大的参数研制出一款新型电子听诊器拾音器。实验测试结果表明,该拾音器的灵敏度达到1.7mV/Pa,相较近年来研究的均匀曲率半径PVDF与硅胶衬底组合结构的拾音器灵敏度提高了13.3%。该拾音器能在2-2kHz频带范围中保持平坦的频响特性,涵盖心肺音采集的频响范围,为较完整地获取心肺音信号提供有力保障。     

基于 PVDF 非均匀曲率半径结构的高灵敏度电子听诊器

电子听诊器是利用电子技术收集处理心肺音,并依此辅助判断病人身体状况的一种仪器。针对传统电子听诊器灵敏度低、低频响应差等缺点,基于 PVDF 非均匀曲率半径的弯曲夹紧结构,提出了一种高灵敏度的电子听诊器设计方案。通过建立相应的非齐次弦振动模型,理论分析比较证明了非均匀曲率相比均匀曲率的灵敏度有显著提高,并优选非均匀曲率半径结构灵敏度最大的参数研制出一款新型电子听诊器拾音器。实验测试结果表明,该拾音器的灵敏度达到1.7 mV/Pa,相较近年来研究的均匀曲率半径 PVDF 与硅胶衬底组合结构的拾音器灵敏度提高了13.3%。该拾音器能在2-2 kHz 频带范围中保持平坦的频响特性,涵盖心肺音采集的频响范围,为较完整地获取心肺音信号提供有力保障。     

基于小波分析的呼吸音采集系统设计

呼吸音信号蕴含着重要的生理病理信息,通过呼吸音采集分析系统可以克服传统呼吸音听诊的缺陷,给医生提供更加直观和客观的信息。呼吸音采集系统采用专业的呼吸音传感器,以DSP为处理核心,采用基于小波分析的自适应阈值方法去除心音和其他噪声干扰;将经过处理的呼吸音波形在彩色触摸屏上实时显示,并且进行存储。经试验和调试表明该系统具有较好的应用和推广价值。     

复杂地面车辙识别试验与验证

火星表面地形地貌复杂，为了保证火星车行驶安全，需要对巡视器周边土壤的图像信息进行判别和分类。首先，根据试验场地和图像信息等对图像进行预处理，建立鸟瞰图像。接着，以鸟瞰图像为基础建立图像块并建立数据集，建模集和预测集分别包含315组和135组数据。然后，在划分的数据集基础上建立神经网络模型，并对数据进行训练和分类。最后，根据得到的分类模型对图像进行分类，得到感兴趣区域。分类结果表明：应用ResNet50得到的模型其建模集和预测集的分类准确率分别为75.56%和81.48%。该方法可实现巡视器周边地表类型的分类，并提取图像的感兴趣区域，以便实现更为精准的判别，可用于实现火星车通过性感知、风险预测和路径规划，为未来智能星球车移动系统研制和探测提供理论和技术支持。     

基于STM32的听诊控制系统的研究与设计

设计了基于STM32的智能云听诊控制系统。整个系统采用STM32单片机作为控制核心，通过拾音模块将心肺音信号转换为模拟电信号，再经过滤波放大电路对模拟信号进行滤波和放大；通过功率放大器进行人工听诊，也可以通过微处理器将放大的模拟心肺音信号转化为数字信号，由蓝牙模块传送给手机、计算机等终端设备，再通过手机和计算机将数据上传到云端服务器进行远程云听诊。通过搭建硬件电路，验证了系统设计电路的正确性和可靠性。该系统可将用户端的心肺数据传送至云端，进行智能云端诊断，为远程诊断提供单片机数据。     

基于数据融合的三段式心音身份识别技术

提出了一种新的基于多特征提取的心音身份识别技术。在分析心音信号特性的基础上,采用独立子波函数表征个体心音特征信息,通过建立"第一心音s1、第二心音s2和周期-功率-频率(T-P-F)图"的三段式识别模型和应用相似距离的模式匹配方法,以及采用单路心音信号多周期段的数据层融合和改进的D-S数据决策层融合算法,有效地实现了单路心音信号多特征提取的身份识别。另外还介绍了一种双听诊头的心声检测装置。实际实验结果表明,该方法具有很好的识别率和可行性。     

基于改进的维奥拉积分方法提取心音信号包络

心音是评价人体心脏功能的重要生理信号之一,分析心音信号特征对心脏疾病的早期诊断和治疗具有重要意义。分别采用希尔伯特黄变换、归一化香农能量以及维奥拉积分方法提取心音信号的特征包络,并针对维奥拉积分法存在的不足,结合香农能量方法可抑制高、低强度信号的特性,提出了一种改进的心音信号特征包络提取方法,最后采用阈值法实现了对心音信号的分段。采用改进的维奥拉积分方法对55例心音信号提取特征包络并进行分段处理,经验证该方法能有效的提取心音信号特征包络,对正常信号分段正确率达到了100%,异常信号分段正确率平均达到了95.32%,适合于心音信号分段。     

小型深沟球轴承异常音检查及控制探讨

通过对轴承理论与实际的分析，对深沟球轴承加工过程中常见的异常音进行分类并一一提出对策。     

基于 ICEEMDAN-MSE 的左室舒张功能 障碍心音信号的识别研究

左室舒张功能障碍(LVDD)加重会导致左室重构、室壁僵硬、顺应性降低，从而走向不可逆阶段并进展为射血分数保留型心力衰竭。为早期诊断LVDD,本文提出一种基于改进的自适应噪声完全集合经验模式分解(ICEEMDAN)多尺度样本熵(MSE)的心音特征结合逻辑回归模型的无创检测方法。首先，采用改进的小波去噪方法对心音信号进行预处理。其次，通过ICEEMDAN方法将非平稳的心音信号分解为多个反映心音本体特征的平稳的固有模态函数(IMF),再利用互相关系数准则筛选IMF,并提取所筛选IMF的MSE,以构成特征向量作为分类器的输入。最后，通过与其他3种分类模型的性能比较，将逻辑回归应用于LVDD识别。结果表明，该方法能有效提取心音特征，其准确率为89.85%,灵敏度为92.17%,特异度为87.63%,证明了采用心音信号对LVDD进行早期诊断的有效性。     

基于支持向量机的摩擦学系统状态判别方法研究

传统的摩擦学系统状态的判别采用逐步判别分析法,该方法以油液监测历史数据为依据,通过从不同的油液监测方法中获取信息,构造出状态分类判别数学模型来进行状态判别,具有建模样本量大,建模时间长,对建模人员要求较高的缺点。通过引入支持向量机分类方法,缩短了对摩擦学系统进行状态判别的时间,提高了分类效率,最后通过实例说明了该方法的有效性、实用性和良好的推广应用前景。     

超声波在道路车辆信息检测中的应用

使用超声波可实现对道路车流量、车速、车型的判别,采用专用的硬件电路完成回波时间阈值判断及对是否有车通过进行判断,极大地减轻了软件的负担,只使用软件完成对车型数据的分析与查询即可.整个系统效率高,具有较强的实时性.     

蓄能器在挖掘机节能驱动系统中的仿真研究

液压挖掘机在工作过程中频繁的启动和制动造成很大的能量损失,文中将二次调节技术应用到挖掘机回转液压系统中,利用蓄能器进行能量回收,在必要的时候进行释放,可实现转台能量的回收和再利用.通过AMEsim软件进行仿真试验,判别蓄能器在新的液压系统中的设计是否合理、能否达到节能的目的.     

基于Kmeans-DBSCAN融合聚类的轴承异常温升诊断模型

经典聚类算法在机车异常轴温诊断应用中存在判别阈值参经验化设定与漏判率、误判率较高的问题。利用机车轴温测点的关联性、异常温升特征分布特点,提出一种基于Kmeans-DBSCAN融合聚类的轴承异常温升诊断模型。首先将轴承异常温升的诊断转化为多组关联序列中少数持续离群子序列的检测问题,再根据温度序列特征空间分布位置和局部密度差异性,通过Kmeans-BSCAN融合聚类分离出离群子序列,并实现了DBSCAN邻域判别阈值参数的自适应选取。基于某型机车履历数据的实例验证结果发现:该模型对异常温升诊断的准确率达100%,与Kmeans算法保持一致,比DBSCAN算法提高22.4%;误报率低至0.5%,比Kmeans算法降低18.5%,比DBSCAN算法降低12%。     

型腔铣削单纯区及其判别方法

型腔类零件的几何形状通常比较复杂,在加工中心或数控铣床上加工时往往需要通过合理拆分加工域来实现刀具序列的优选,进而提高加工效益,从而需要判别加工域是否可分这一基础问题.为此,提出一种用于判别加工域是否可分的概念及方法--型腔铣削单纯区及其判别方法.提出铣削单纯区的概念,给出其定义,指出铣削单纯区是一类当且仅当使用一种刀具就可实现最优加工的特殊区域,该区域具有不可再分性、完全覆盖性和效益最优性等三大特点.给出并论证铣削单纯区的判别条件,从加工成本的角度建立铣削单纯区的判别模型,并在此基础上设计铣削单纯区的判别算法.对某文献中的算例型腔进行铣削单纯区判别,从而证明提出的概念及方法的理论价值和实用价值.     

面向高光谱图像分类的空谱判别分析

针对传统的基于特征提取的高光谱图像地物分类算法大多只考虑光谱信息而忽略空间信息的问题,提出了一种面向高光谱分类的半监督空谱全局与局部判别分析(S3 GLDA)算法。该算法首先利用少量标记样本保存数据集的线性可分性和全局判别信息,再依靠较多的无标记的空间局部近邻像元来揭示局部判别信息和非线性局部流形,使高光谱遥感图像的光谱域全局判别结构和空间域局部判别结构在低维特征空间同时得以保留,并在输出特征中自动融入了空间信息,构成了半监督的空谱判别分析。在Indian Pines和PaviaU数据集的实验表明,总体分类精度分别达到76.24%和82.96%。与现有几种算法比较,该算法有效提高了输出特征在低维空间的判别能力,更好地揭示了数据集的内在非线性多模本质,有效提升了高光谱图像数据集的地物分类精度。     

复杂度在心音信号分析中的应用

有效提取心音信号中的第1、2心音(S1和S2)一直是心音信号分析的关键点。结合心音信号自身特点,把复杂度引入到心音信号分析中,成功地提取了S1和S2,并获取了3项医学指标:心率、第1心音与第2心音幅值比(S1/S2)和舒张期与收缩期时限比(D/S),同时给出了复杂度运算过程中2个关键指标的参考值。经过验证对比,该方法对幅度变化具有较好的鲁棒性,不依赖于信号的频率特征,能较好区分信号不同成分,为后期工作带来便利。     

基于PLC网络的输煤控制系统的故障判别方法与实现

在对PCL网络控制的输煤控制系统的故障分析基础上，提出了一种在线判别控制系统故障的新方法，该方法通过构造系统的故障判别矩阵，并结合PCL端口的状态，可以通过运算准确地判别系统的故障源，降低监控软件的运算量。     

基于决策树的便携式心音诊断仪

在TMS320C5402上实现了基于决策树理论的心音分类器,用心电信号区分第一、第二心音信号,以心音信号的时域特征参数短时平均过零率、短时超限率、信号的平均时间、持续时间及短时能量作为分类依据.该心音诊断仪能够实时采集、显示和处理心音、心电信号.试验证明它可对常见的多种病态心音做出正确的诊断.     

新型智能水果缓冲收集装置设计

为了实现灵活高效的缓冲分类收集球形水果,设计一种新型智能水果缓冲收集装置.该装置由丝杠传动部分、剪叉升降部分、智能分类部分和缓冲部分等四部分组成.完成各部分具体结构设计及控制系统设计.通过虚拟样机实验验证了该装置可实现球形水果按照大小及成熟度等方式的智能分类,能减轻劳动工人的工作量.