基于灰关联分析的脑电信号识别新方法

脑电(EEG)信号具有随机性、非平稳性和实时性,通常受到很强的噪声干扰。文章采用灰色信号处理技术,通过建立GM(1,1)模型对提取实测EEG信号特征,提出灰关联分析的方法对建模后的数据进行分类识别,通过对两次识别结果的综合,获得了较高的正识率。     

基于P300的便携式中文输入系统

目前有关中文BCI输入系统的研究仅有拼音输入和笔画输入两种,且都克服不了中文输入速率较低、不便携等问题.据此提出了基于P300的五笔中文输入系统.此系统通过低成本OpenBCI套件,使用Wi-Fi协议传输脑电数据,在移动设备上实现刺激界面,并使用卷积神经网络处理脑电信号.实验表明,该系统具有高中文输入速率、高准确率以及...     

DSR-300P/500P26芯的分量输出方法

SONY的DVCAM摄录一体机DSR-300P/500P因其出色性能及合理性价比,在全国范围内被广泛专业人士采用. 不少用户不仅把该摄像机用于ENG,还希望充分利用其优异的图像质量,用于非线性编辑的图像采集,或以分量信号输出给Betaeam-SP录像机,直接制作出SP的母带,便于充分利用现有的编辑设备.那么如何从DSR-300P/500P的26芯端口输出分量信号呢?许多用户反映使用传统的方法做出的26芯线,用在DXC-M7,CA-327P,CA-537P上没有问题,用在DSR-300P/500P上却没有图像输出!检查26芯线的制作与设备的连接都没有问题,可依然没有信号输出,用户往往感到很疑惑.问题到底出在什么地方呢?     

复杂线性系统建模化简的矩阵方法

根据各组成部分的特性求出系统特性是贯穿在信控类专业许多课程中的核心内容,如信号与系统中的信号流图,数字信号处理中的滤波器计算及控制系统中的结构图化简等.讲解其理论和实际计算在各门课程中都是难点.本文导出了具有普遍意义矩阵建模公式,并可藉软件的帮助快速准确地解决这个问题,比起各课程中原有的方法有很大的优越性.     

基于主动识别技术的网关P2P流量检测

P2P流量在对Internet起巨大推动作用的同时,也带来了因资源过度占用而引起的网络拥塞以及安全隐患等问题,妨碍了正常网络业务的开展.文中介绍了目前主流的网关P2P流量检测技术并分析了这些技术的优缺点,提出了一种基于主动识别技术来检测和控制P2P流量的方法,以便对P2P流量进行识别和有效控制.     

基于图像处理的发动机单次喷油量检测系统

汽车发动机的喷油量多少关乎发动机的性能以及尾气的排放,对单次喷油量进行检测并进行控制可以降低油耗,减少废弃物的排放。为了对发动机单次喷油量进行检测,在对传统检测方法进行简要对比分析的基础上,提出新的基于图像方法的单次喷油量检测系统设计方案,对检测系统的工作原理进行了介绍,并进行图像采集系统和图像处理系统的设计。     

基于SSC P300的电力线扩频载波通讯电路的设计

电力线载波通讯是一种低价方便、并可免除装设专用通信线路的通信技术 ,文中介绍了利用Chirps扫描频率进行载波的扩频通讯技术和CEBUS总线的有关协议 ,给出了由SSCP300芯片构成的电力线载波通讯电路在电表自动抄收系统中的应用设计实例     

双极型运算放大器的En-In噪声矩阵建模

本文通过描述同相放大器等效输入噪声电压谱密度Ｅｎｉ＾２,导出了一种双极型运放Ｅｎ－Ｉｎ噪声矩阵参数的提取方法。并通过分析复相关系数的相对误差确定了提取准则。与现有方法相比,本文方法不仅可以完整的描述运放的噪声特性,而且还有利于不同运放电路（如宽带前置放大器,有源滤波器）的精确低噪声设计。最后,还充分验证了本文方法的可行性和正确性。     

基于ICA的脑电信号P300少次自动提取

提出一种基于Infomax ICA少次自动提取脑电信号P300成分的方法.为了提高ICA分解的有效性,对原始数据中的自发脑电信号和P300成分进行了均衡.混合信号经过ICA分解后,根据IC的固定时间模式的标准差来自动选择P300成分IC,最后重构得到P300成分.实验结果是:利用6试次实验数据经过本文方法处理后能自动得到P300成分,与29试次平均结果(标准信号)相比,它们之间的Pearson相关系数达0.9035,而6试次实验数据平均的结果与标准信号之间的Pearson相关系数为0.5105.结果表明,该方法能有效的获取P300成分,同时增强了P300成分少次提取的客观性.     

基于灰度共生矩阵的笔迹识别

把手写笔迹作为一种纹理来看待,利用图像纹理处理技术和数学方法对笔迹的纹理特征进行提取鉴别,将笔迹识别问题转化为纹理识别。论文使用20个人的不同笔迹进行实验,采用灰度共生矩阵来提取这些笔迹的纹理特征,用夹角余弦相似度算法完成识别工作,取得了较好的效果。     

基于P300电位的新型BCI中文输入虚拟键盘系统

 近年来各种信号处理技术随着计算能力的提高取得了巨大进展,推动了人机交互(HCI)技术的发展.脑机接口(BCI)是一种特殊的人机交互通道,在最近几年引起广泛关注.P300电位是一种事件相关电位,利用诱发人类P300的原理,可以实现基于P300的BCI系统.此类系统以往常用于英文字母的输入,本研究首次设计并开发了一套进行汉字输入的在线P300-BCI系统.系统利用汉字基于笔画的特性简化了P300诱发界面,并据此设计了相应的汉字虚拟键盘.利用此系统进行的在线输入实验表明,此中文BCI的设计是可行的,对系统的进一步完善将可以为汉语系的瘫痪患者的机能恢复提供新的选项.     

一种基于灰关联算法的雷达辐射源分选方法

针对基于参数特征分选方法存在的问题,提出一种基于雷达信号波形匹配的分选算法,通过提取波形的相似性特征,配对完成分选。采用灰关联分析的方法,根据波形间几何形状的相似程度来衡量波形间接近的程度。通过分析各灰关联算法的缺陷,研究利用波形的始点零化像中相邻采样点间对应的面积来计算信号间的灰关联度,作为波形特征的指标分选信号。仿真结果说明该方法的可行性、有效性,提高了信号分选的准确率,对先验知识的依赖性不强,具备一定的抗噪性能。     

基于灰度共生矩的SAR图像纹理特征提取方法

为更有效地提取合成孔径雷达（SAR）图像中的有效信息,提出了一种基于灰度共生矩阵的纹理特征提取方法。该方法在分析图像灰度共生矩常用特征描述量基础上,研究了窗口尺寸和位移向量对纹理特征的影响,通过比较不同目标各种纹理特征的分布及平均值的相差程度,计算了灰度共生矩阵的最佳窗口尺寸和位移向量,确定参与分类的可用纹理特征组合,...     

一种基于特征分类的液体内杂质检测方法

在酒类产品的杂质检测过程中,不可避免地会产生气泡,而当前的杂质检测算法并不能有效消除气泡对检测的影响,尤其是在大量气泡存在的情况下。针对此问题,提出了一种基于特征分类的液体内杂质检测方法,通过提取目标的细微特征来区分杂质和气泡,算法通过双边滤波来预处理图像,改进了多尺度小波变换边缘检测算法,并用其来检测目标边缘,最后通过特征分类的方法来判定杂质。实验结果表明,该方法能有效消除噪声和气泡对检测的干扰,杂质检测的准确率达到了95%。     

一种新的基于小波包分解的EEG特征抽取与识别方法研究

为了提高脑思维任务分类精度,提出一种新的脑电特征抽取与识别方法.首先进行小波包分解,然后结合能反映脑电信号在时域与频域上的能量分布特征的小波包熵概念,从小波包库中选择最优小波包基,对各个最优基所对应的小波系数求取统计特性,然后根据不同脑思维任务下左右半脑各导联间的差异性对各个导联对求取不对称率构成分类特征向量,最后利用SVM分类器对其进行分类.实验结果表明:相对于一般的小波包分解,最优小波包基和自回归特征抽取方法,该方法对5类不同脑思维任务的所有10种不同组合任务对的平均分类预测精度可以达到95.41％～99.65％.     

一种快速非负矩阵分解的人脸识别算法

用于人脸识别的非负矩阵分解算法,虽可提高图像识别率,但因其是通过迭代方法同时计算出基矩阵和系数矩阵,故当迭代次数较多时,计算过程耗时长。文中将二维线性判别分析方法与非负矩阵分解方法融合,提出了一种快速的双边二维非负矩阵分解算法。通过在AR、Ｙale人脸数据库上的实验结果显示,较二维双边非负矩阵分解算法,文中算法不仅使得训练时间大幅减少,而且识别率也有所提高。     

基于小波的模拟自然阅读事件相关电位的单次提取

选择合适的信号处理方法从脑电信号中提取用户的信息和命令,是改进脑计算机接口通讯速率的方法之一.由于自发脑电信号(electroencephalograph,EEG)是非高斯有色噪声,且自发脑电信号的频谱不规则、与有效信号的频谱相重叠,传统的滤波方法难以取得较好的效果.基于白噪声与有效信号的小波变换模极大值在不同尺度下的传播行为不一样的原则,本文提出了一个基于自回归模型和小波变换多尺度分析的模拟自然阅读事件相关电位的单次提取方法.经对实际脑电信号处理的实验表明,该算法能较好的提取脑电信号.     

基于非负矩阵分解和红外特征的图像融合方法

针对传统图像融合方法鲁棒性较差的缺点,提出了一种基于非负矩阵分解和红外特征的图像融合方法,实现源图像的目标区域和背景区域分别融合.首先将源图像作为原始数据进行非负矩阵分解得到特征基图像,特征基图像包含了源图像的整体特征;利用红外图像目标与背景灰度显著差异,通过区域生长方法从红外图像提取目标区域,将红外目标区域与特征基图像背景区域相融合得到融合图像.实验结果表明,该方法不仅简单易行,而且在保留了可见光的高空间分辨率和纹理细节信息同时,突出了红外图像对热目标敏感特点,提高了图像的可判读性.     

基于投影矩阵的摄像机标定新方法

提出一种基于投影矩阵的摄像机标定新方法。该算法根据旋转矩阵的单位正交性结合Cholesky分解,由投影矩阵直接估算内参数矩阵;然后由旋转矩阵行列式约束排除误解,获得摄像机位置和方位矩阵,并以最小化反投影残差为代价函数对估计参数实现优化。该标定方法在针孔相机模型下进行,整个过程无需求解非线性方程,简单可靠。模拟数据和真实图像实验均证明了此算法的可行性与鲁棒性。通过误差分析得出结论,随着已知空间点数量的增加和拍摄距离的减小,标定精度能进一步得到提高。