基于数据挖掘的体育运动即时数据自动化采集系统设计

针对体育运动数据采集的疲劳程度判断不准确问题,设计了一种数据挖掘的体育运动即时数据采集系统。首先采集人体运动时的心电和肌电生理信号,通过时域分析法分析心电和肌电生理信号的各特征指标与疲劳程度的关系,选择相关性大的指标进行特征提取;然后将提取特征输入至构建的基于LSTM神经网络的运动疲劳估计模型中进行疲劳程度分类检测。实验结果表明,传统的SVM算法的心电和肌电信号的疲劳检测准确率分别为86%和88%,提出的LSTM疲劳分类模型针对心电信号和肌电信号的疲劳检测准确率分别为96%和90%,可以看出,LSTM模型比SVM算法的疲劳检测准确率高出6%～10%,且对心电信号的检测结果浮动更小,具有更强的稳定性。由此说明,基于LSTM的疲劳分类模型能够明显提升基于运动数据对疲劳程度的检测准确性,在体育运动即时数据采集系统中进行广泛应用和推广,具备一定的可行性。     

基于大数据挖掘的立式击弦机磁力自复位水平测试研究

针对传统立式击弦机微弱信号检测率低,导致磁力自复位水平不高的问题,提出一种基于WT-LSTM的微弱信号检测方法。首先,基于长短时神经网络构建基于LSTM的微弱信号检测模型,以检测立式击弦机的原始信号;然后引入小波分解,得到基于WT-LSTM的微弱信号检测模型,通过小波分解提取信号分量的近似系数,去除噪声分量;最后将数据传输至LSTM中进行新特征学习。结果表明,在-13 dB～0 dB的信噪比下,提出的WT-LSTM微弱信号检测方法的检测准确率均保持在85%及以上,其ROC曲线和AUC值明显高于传统的LSTM检测方法和RBF检测方法,虚警概率和漏警概率低于前两种方法。在信噪比为-13 dB时,本方法的检测准确率最高可达99.87%,比另外两种方法分别高出了8.8%和25.8%。由此说明,本方法可实现噪声抑制,提升微弱信号检测准确率,进一步增强立式击弦机磁力自复位水平。     

基于经验小波变换的多通道微弱电流信号噪声控制

多通道微弱电流信号受很多噪声因素的干扰,导致微弱电流信号输出相对误差增加,为此提出基于经验小波变换的多通道微弱电流信号噪声控制方法。采集多通道微弱电流信号,利用经验小波变换技术分解采集到的微弱电流信号,判断电流信号中是否存在噪声并确定噪声类型。装设微弱电流信号噪声控制器,根据电流信号中的噪声量与噪声类型生成控制指令,对不同通道微弱电流信号噪声进行控制。实验结果表明,该方法的多通道微弱电流信号信噪比较高,输出信号与原信号之间的相对误差较小,可以实现多通道微弱电流信号噪声控制。     

基于CNN和LSTM的多通道注意力机制文本分类模型

针对传统的卷积神经网络（Convolutional Neural Network,CNN）和长短时记忆网络（Long Short-Term Memory,LSTM）在提取特征时无法体现每个词语在文本中重要程度的问题,提出一种基于CNN和LSTM的多通道注意力机制文本分类模型。使用CNN和LSTM提取文本局部信息和上下文特征;用多通道注意力机制（Attention）提取CNN和LSTM输出信息的注意力分值;将多通道注意力机制的输出信息进行融合,实现了有效提取文本特征的基础上将注意力集中在重要的词语上。在三个公开数据集上的实验结果表明,提出的模型相较于CNN、LSTM及其改进模型效果更好,可以有效提高文本分类的效果。     

基于多元时间序列分析的控制系统执行器故障诊断方法研究

为提高控制系统执行器故障实时诊断的准确率,该文提出一种基于多元时间序列分析的控制系统执行器在线故障诊断方法。首先分析了控制系统执行器故障机理,确定了表征执行器故障的关键信号;其次采用执行器历史数据,建立了时间卷积网络(TCN)在线预测模型,对执行器多通道信号进行在线预测;随后通过长短期记忆网络(LSTM)对多通道残差信号建立了故障分类模型;最后以燃气轮机控制系统执行器半物理试验平台中的电液执行器为例进行了多次重复试验验证。结果表明,基于TCN网络的在线预测模型相比传统循环神经网络(RNN)预测误差较小;基于LSTM网络的故障分类模型准确率较高;通过LSTM网络对多通道残差信号进行故障分类,比对原始故障数据分类故障准确率更高。     

基于小波分解的LSTM水质预测模型

水是人类和其它生命体所依赖的不可缺少的资源, 建立水质预测模型预测水质状况具有重要的社会经济和生态环保价值. 本文建立了基于小波分解的长短期记忆网络(LSTM)时间序列预测模型(W-LSTM), 运用Daubechies5 (db5)小波将水质数据分解为高频率和低频率信号, 再将这些信号作为LSTM模型的输入, 来训练模型预测水质数据. 利用安徽阜南王家坝流域采集到的4项水质指标(pH值、DO、CODMn、NH₃N)对该模型进行训练、验证和测试, 并与传统LSTM神经网络模型的训练和预测结果进行比较. 结果显示所提出的方法在多种评价指标上均优于传统LSTM模型, 表明了该方法具有较高的预测精度和泛化能力, 是一种更有效的模拟预测手段.     

多尺度分解及信号融合的3D模型重构

提出了基于经验模式分解和信息融合的三维几何模型重构方法,包括3个步骤:首先球面参数化信号并将其映射到平面,进行均匀规则采样;再对平面信号进行限邻域经验模式分解和小波分解,利用得到的各个内蕴模式图层和小波系数进行融合;最后从图层信号得到不规则的原始映射信号,逆映射回三维几何模型信号。同时,提出了基于信噪比的三维几何信号融合性能评价指标,对重构模型进行验证。实验结果表明,该方法能够有效融合三维几何信号,基于限邻域经验模式分解的重构效果优于小波分解。     

基于人机交互的心理健康动态监测数据分析及系统设计

虽然市场上有许多生理信号采集设备，用于人体心理健康监测。但这些设备不具有便捷、实时性等特点，不适合日常的推广。针对此问题，设计了一款基于心电、表面肌电的多模态生理信号采集系统，可用于对心理健康状况开展监测分析。文章包括以下内容：(1)系统硬件电路的设计，实现了便捷式、低功耗的多通道同步采集系统；(2)系统软件设计，包括设备驱动程序，设备应用程序和PC端应用程序；(3)系统数据预处理算法实现过程，并对心电和肌电信号进行预处理，并将采集到的生理信号波形与美国BIOPAC公司的MP150系统同等条件下采集的生理信号波形进行对照，保证多模态生理信号采集系统的有效性。最后，通过多分类SVM和DS证据理论算法对被试者的心理压力状态进行分类，实验证明多模态生理信号评估心理压力的可行性。     

基于虚拟现实和动态加权决策融合的恐高情绪识别

目前恐高情绪分类中的生理信号主要涉及脑电、心电、皮电等, 考虑到脑电在采集和处理上的局限性以及多模态信号间的融合问题, 提出一种基于6种外周生理信号的动态加权决策融合算法. 首先, 通过虚拟现实技术诱发被试不同程度的恐高情绪, 同步记录心电、脉搏、肌电、皮电、皮温和呼吸这6种外周生理信号; 其次, 提取信号的统计特征和事件相关特征构建恐高情感数据集; 再次, 根据分类性能、模态和跨模态信息提出一种动态加权决策融合算法, 从而对多模态信号进行有效整合以提高识别精度. 最后, 将实验结果与先前相关研究进行对比, 同时在开源的WESAD情感数据集进行验证. 结论表明, 多模态外周生理信号有助于恐高情绪分类性能的提升, 提出的动态加权决策融合算法显著提升了分类性能和模型鲁棒性.     

基于深度长短时记忆网络的多支路串联故障电弧检测方法

针对低压配电系统中,实际配电网负载端的负载串并联形式的多样化和多变性特点,研究干路点检测支路发生的故障电弧具有十分明显的实际意义,提出了一种基于深度长短时记忆(LSTM)网络的多支路串联故障电弧检测方法.首先,构建实验平台,采集支路发生不同串联故障情况下的干路电流信号共计72000组;然后,将电流信号分为训练集和测试集;最后,通过Python平台优化深度LSTM网络模型结构以识别故障电弧,并输出检测结果.实验结果显示改进的LSTM网络对于每组实验单独分类检测准确率最低为96.8％,最高可达99.0％,多组实验统一进行检测准确率达94.88％.该方法能够有效识别多支路负载下的串联故障电弧,为低压串联故障电弧的准确检测提供了新的思路和有益探索.     

微弱生理信号在多通道数据采集系统中的研究与实现

介绍了一种基于单片机C8051F300控制的微弱生理信号多通道数据采集终端的硬件研制。系统硬件主要包括干扰抑制电路、滤波放大电路以及单片机信号采集电路。采用普通Ag/AgCl电极、压电陶瓷器件、热敏电阻作为传感器采集心电信号、脉象信号和体温信号。利用单片机对获取的清晰生理参数信号,进行采样处理、存储和传送。实验结果表明,基于单片机C8051F300控制的微弱生理信号多通道采集系统可实时采集、保存与处理心电、脉象、体温等生理信号数据,并具有体积小、功耗低、性能稳定等优点。     

柔性传感器智能脉诊系统信号采集处理技术

脉搏诊断仪器的研发和使用为传统中医的智能诊断提供了客观基础,但现有的脉搏诊断设备没有考虑采集部位（寸、关、尺）与压力（浮、中、沉）共同作用时对诊断结果的影响,诊断精度仍有提升空间。为了更加准确地识别脉象,本文提出了一种基于柔性传感器的智能脉诊系统和相应的脉搏信号处理方法。在寸、关、尺采集部位安装3个阵列柔性传感器,通过设置浮、中、沉不同压力阈值,获取多组脉象信号,接着提取信号特征,并基于多重集典型相关分析（Multi-set canonical correlations analysis,MCCA）方法对多通道特征进行融合,以获得更多脉搏信息。实验结果表明,本文所提方法在4种典型脉象分类中,脉象分类准确度得到进一步提升。本文设计的采集部位、压力相结合的脉象感应方法可以模拟还原中医诊断过程,有助于提取真实的脉搏信号,为后续基于柔性传感器的智能脉搏诊断设备的研发提供了理论基础和参考价值。     

基于ZigBee无线传感器网络的脉搏信号测试系统*

提出了基于ZigBee无线网络的脉搏信号测试系统,包括脉搏传感器、信号调理、ZigBee网络节点、数据采集部分.根据人体脉搏信号属于非平稳信号的特点,提出了基于Choi-Williams分布(CWD)的脉搏信号时频分析方法.实验结果表明,本系统能够对人体的脉搏信号进行实时采集,CWD分布信号处理能很好地反映脉搏信号所包含生理病理的信息;如果同临床医学病例结合起来,将有很好的应用价值.     

脉搏波信号预处理方法研究

为克服脉搏波信号采集时受到的高频噪声干扰和低频噪声干扰,脉搏波信号的预处理成为心脉信号处理中的关键环节。使用零相位滤波法处理脉搏波信号,改善传统数字滤波器直接滤波的输出失真问题;通过建立评价参数,对去除高频噪声的数字滤波器和小波阈值滤波器的滤波效果进行评价,获得最佳滤波方法;对比常用去基线漂移方法在处理脉搏波信号时的特点,获得最佳去基线漂移算法。使用新研发的脉搏波采集手环采集多名受试者的脉搏波原始信息,将采集到的信号按上述方法去噪和去基线漂移后,实现脉搏波信号的预处理过程。实验结果表明,采用sym4小波基、固定阈值、软阈值函数等小波阈值去噪方法去除高频噪声并使用三次样条插值拟合曲线去除基线漂移后,所获得的脉搏波信号平滑无毛刺,每个周期起始点和终点都在同一水平基线上,满足后续脉搏波信号的医学分析和疾病诊断需要。     

小波与FastICA结合的阻抗胃动力信号处理方法

研究一种用于多通道体表阻抗胃动力信号采集与信息提取的处理方法.运用作者研制的四通道阻抗胃动力检测系统进行健康人阻抗胃动力信号采集实验.将小波变换的多分辨率特性和FastICA算法的盲源分离特性相结合,把采集的四通道阻抗胃动力信号经小波变换分解重构后作为ICA输入,再经FastICA算法实施盲分离,实现阻抗信号分离与胃动...     

微弱生理信号在多通道数据采集系统中的研究与实现

介绍了一种基于单片机C8051F300控制的微弱生理信号多通道数据采集终端的硬件研制.系统硬件主要包括干扰抑制电路、滤波放大电路以及单片机信号采集电路.采用普通Ag/AgCl电极、压电陶瓷器件、热敏电阻作为传感器采集心电信号、脉象信号和体温信号.利用单片机对获取的清晰生理参数信号,进行采样处理、存储和传送.实验结果表明,基于单片机C8051F300控制的微弱生理信号多通道采集系统可实时采集、保存与处理心电、脉象、体温等生理信号数据,并具有体积小、功耗低、性能稳定等优点.     

基于小波分析的三角钢琴踏板机械故障检测方法

针对采集的三角钢琴踏板机械信号故障检测准确率低的问题,提出基于小波分析的三角钢琴踏板机械信号故障检测方法。采用频谱感知算法构建一个三角钢琴音频信号的多源信息采集模型,获取三角钢琴踏板机械音频信号;为提高钢琴踏板机械信号获取的准确率,通过频谱特征分离方法对采集信号进行降噪处理,采用小波包变换中的Mel倒谱系数MFCC对处理后的信号进行频谱特征分解;最后基于分解频谱特征进行三角钢琴音频信号的特征识别优化。实验表明,在相同的数据量下,对比于12维的MFCC频谱特征分解方法,提出的小波包分解的MFCC方法可分解出更多的钢琴频谱特征峰值,为后续三角钢琴踏板机械信号故障检测提供了有效的数据。实验发现,对比于传统卷积神经网络的音频特征识别方法,本方法的识别精度最高可达95.6%,且均保持在90及以上。综合分析可知,本方法可实现三角钢琴踏板机械信号故障准确识别。     

用于脑卒中病人康复训练的穿戴式无线生理参数检测系统设计

针对中风病人康复训练过程的监控需要,研制了一种基于无线传感网络技术的以脉搏血氧饱和度和呼吸参数为检测对象的穿戴式无线生理参数采集系统。结合脉搏血氧饱和度检测技术、呼吸参数检测技术以及无线传感网络技术的发展概况提出了以C8051F320为控制核心的无线生理参数采集系统的设计方案,详细介绍了无线生理参数采集系统的软、硬件设计,并对实验结果进行分析处理。实验结果表明:该生理参数检测系统可以完成脉搏血氧饱和度和呼吸参数的检测任务。     

生理参数热舒适评价中的穿戴式数据采集模块设计

基于生理参数的热舒适评价是热环境质量评估的新方法。为了提高该方法的实用性,设计了一种穿戴式、多生理参数采集模块。以Zig Bee技术为核心,采用聚偏氟乙烯(PVDF)薄膜传感器、半导体温度传感器和Ω/V变换原理分别检测脉搏、皮肤温度和皮肤电阻。实验结果表明:模块可靠采集腕部的皮肤温度和皮肤电阻,并从脉搏信号获取心搏间期序列,数据发送正常。该模块适合在自然状态下采集生理信号,有利于研究和应用多种生理参数综合评价热舒适性。     

基于心电脉搏信号的无创血压算法研究

针对人体血压无创检测问题,提出了一种基于心电信号(Electrocardiogram,ECG)与光电容积脉搏波(Photoplethysmograph,PPG)的血压测量算法。通过脉搏波传递时间(Plusewave Transit Time,PTT)计算出收缩压;将弹性腔模型与脉搏波特征K值模型相结合,计算人体舒张压。实验中,对采集到的心电信号和指尖脉搏信号进行数字滤波,采用自适应特征提取方法对信号波形进行准确地分析计算,实现血压的无创连续监测,且计算结果与标准仪器测量结果相比平均误差小于5 mmHg。