基于Android的心音身份识别系统研究

心音信号蕴含了丰富的个体特征,心音信号的唯一性、不易伪造、易采集性决定了心音信号可以用于生物特征识别领域。该文基于安卓系统开发了一种利用心音进行身份识别的新型身份识别系统。识别算法基于MEL频率倒谱系数和矢量量化算法。该系统利用心音信号实现了用户注册,身份辨识等功能,可以准确高效地实现用户的身份识别。     

基于Teager-Huang边界谱的心音身份确认

心音信号是一种典型的非平稳信号,传统信号处理方法的应用受到很大限制,为此该文提出了基于Teager边界谱和矢量量化的心音身份确认算法。实验表明,该算法取得很好的识别效果,正确识别率达到96．6％,等错误率仅为5．1％。     

嵌入式心音身份识别系统研究

心音信号是人体最重要的生理信号之一,在不同的人身上有着完全不同的特征并且具有极高的稳定性,可以用作生物识别技术的识别特征.该文在梅尔频率倒谱系数特征提取和矢量量化模式匹配识别算法的基础上开发了一种基于虚拟仪器的嵌入式心音身份识别系统,实现了用户身份注册、身份辨识和身份确认的功能.该装置可为当前社会所面临的各种身份鉴定和...     

基于射频识别的心音身份认证系统研究

心音信号是人体最重要的生理信号之一,在不同的人身上有着不同的特征并且具有较高的稳定性,可以作为生物认证技术的认证特征.该文在GMM动态阈值算法基础上,开发了一种基于射频识别的心音身份认证系统,实现了用户身份注册、身份认证功能.     

基于希尔伯特振动分解的心音身份识别算法

心音信号是典型的非平稳信号,该文提出了基于希尔伯特振动分解的心音信号分析方法.将心音信号分解为一组自适应谐波分量作为特征参数进行身份识别.对码本大小为60的心音数据库进行实验,结果识别率到达93.3％,证明了这个方法的有效性.     

经验模式分解及关联维数在心音信号分类识别中的应用

针对心音信号非线性、非平稳的特性,提出一种基于经验模式分解(EMD)和关联维数的心音特征提取方法.首先通过EMD方法将心音信号分解成若干个固有模态函数(IMF),并利用互相关系数准则对IMF进行筛选,结合G-P算法对主IMF(IMF1~IMF4)分量分别求其关联维数,以此作为神经网络的输入向量,实现了对正常心音信号和病理心音信号的分类识别.对于重构相空间中的两个重要参数时间延迟τ和关联维数m,分别采用互信息函数法和用Cao算法确定.对临床采集的心音数据按该方法进行测试,结果表明,该方法能有效地识别心音.     

基于提升小波变换的心音信号特征提取方法的研究

为了准确提取心音信号的病理性信息,提出了一种基于提升小波变换的改进的特征提取方法针对性地分析第一心音(S1)和第二心音（S2）及其时限并对不同心音信号进行分类。首先利用提升小波软阈值降噪法对不同心音信号作去噪预处理;然后利用提升小波时间熵法检测心音信号在不同时刻的分布情况,并提取其熵值;通过香农能量优化双阈值法提取心音包络信号及S1、S2时限;最后改进选取心率、S1和S2时限、心动周期、包络面积,熵值六个特征参数,并利用支持向量机算法（SVM）对不同心音信号进行分类。分析和仿真结果表明该算法对正常和心脏病患者的心音准确分类率达到98%,表明该算法能有效识别不同心音信号。     

基于DWTMFC特征参数提取的心音身份识别

心音信号是临床上有用的心脏疾病诊断工具,是一种很好的用于身份识别的方法,而在基于心音识别的系统中,提取反映用户个性特征的参数是关键问题之一.该文将Mel倒频系数的提取方法中的Mel滤波器组用小波变换后的信号频谱拼接来替代,以此提取了新的参数DWTMFC,并用矢量量化模型进行验证.实验结果表明DWTMFC参数的性能在矢量...     

改进HHT算法及在心音信号分析中的应用

HHT(Hilbert-Huang Transform)是一种具有自适应性的、新型的、基于模态分解的时间序列数据处理方法。心音信号是一种典型的非平稳信号,传统信号处理方法来处理心音信号有一定的局限性。为了研究心脏的动力学特征,将HHT算法引入到心音的信号分析中。提出了一种改进的HHT算法,针对仿真信号进行了分析,验证改进的算法可以正确地提取出信号中的各个分量IMF(Intrinsic Mode Function);使用该算法对一例正常心音信号进行分解处理,表明该算法能按不同的时间尺度对心音信号信号进行分解     

基于小波变换和SVD的心电身份识别

基于心电信号的身份识别技术是生物身份识别领域研究的热点问题.该文利用小波变换将经过预处理之后的心电信号进行多尺度分解,组成一个初始特征矩阵;随后对该矩阵进行奇异值分解,分解后的奇异值包含了心电信号的重要信息,将其作为特征参数并最终采用支持向量机对心电信号进行匹配识别.通过对26个正常测试者的心电信号进行识别,识别率可达97.80％.     

基于SVM多分类器的管道内检测信号处理研究

该文针对超声波检测是重要的管道腐蚀内检测方法之一,超声回波信号处理是内检测的关键技术。腐蚀缺陷回波的形态受到缺陷方向、位置、形状、面积、深度和管壁粗糙度、检测设备工作状态及各回波间的相互作用等诸多因素的影响,其时域特征很复杂,1个检测回波A扫描信号就有几千个数据。如果将有限的管壁厚度分为几个区间,每个区间对应一种腐蚀状态,管道腐蚀内检测问题就成了对超声回波信号进行状态分类的高维多分类识别问题。该文通过对回波信号的深入分析,利用径向基核函数支持向量机对超声回波信号进行处理,采用一对多和层(树)分类两种方法分别实现了管道多腐蚀等级自动分类识别。实验结果表明,该方法不但提高了分类的正确率,而且提高运算的速度,取得了较好的分类结果。     

基于航迹关联的一、二次雷达联合跟踪

该文针对一、二次雷达在杂波环境下多目标多传感器协同跟踪问题,提出了一种带二次雷达修正的基于航迹关联的一、二次雷达联合跟踪算法。该算法先通过一次雷达对敌友方目标和二次雷达对友方目标运用联合概率数据关联算法滤波跟踪得到航迹数据之后运用双门限航迹关联判定友方目标并撤消对友方目标的跟踪和利用二次雷达探测数据进行对敌方目标的高度信息进行自适应修正,通过蒙特卡洛仿真表明该算法在提高目标跟踪精度和减小处理器的运算量都是有效的。     

一种自动确定类个数的谱聚类算法

自动确定聚类数和海量数据的处理是谱聚类的关键问题。该文提出了一种能自动确定类个数的谱聚类算法,该算法通过数据亲合矩阵的谱分解得到一系列特征值,再利用特征值差值分析来自动确定类个数。并通过对复杂分布数据和UCI数据库中的数据集进行实验,结果表明该算法不仅能找到合适的类个数,并且有较好的分类准确性。     

一种变结构多模型机动目标跟踪算法的研究

该文针对在机动目标跟踪领域应用广泛的交互式多模型算法,是一种基于固定模型集合的算法,由此带来一个两难问题,既需要较多的模型保证跟踪精度,有会因为太多的模型而增加计算量。该文提出了一种基于序列似然比检测的变结构多模型算法,给出了一种模型集合自适应的解决方法。该方法提高了跟踪精度的同时也降低了计算量。随着反舰导弹的威胁日益增大,该文针对反舰导弹的机动特性,仿真验证了该算法的有效性。     

基于角点分层匹配的织物图像拼接

针对一些织物图像,该文提出了一种新的基于角点分层匹配的图像拼接方法。该算法首先采用harris角点检测,然后用归一化互相关法进行初步的匹配,再运用稳健的RANSAC算法进行精匹配,最后对相关性最高的4对点求单应性矩阵,从而实现对图像的拼接。整个算法自动完成,采用二次匹配,鲁棒性强。实验结果表明,该方法能准确找到图像间的重叠位置,且融合效果比较理想。     

基于线性双曲线模型的车道线检测算法

提出了一种适用于智能驾驶辅助系统的车道线检测算法。为了克服传统的车道检测算法中Canny边缘检测算子对阴影及光照变化较为敏感的缺点,该文对灰度图像进行二维FIR滤波之后,采用大津法实现可靠的车道边缘检测;然后利用Hough变换初步获得车道中线及消失点坐标,在此基础上采用Mid-to-Side策略进一步从边缘图像中提取车道的边界点,最后采用最小二乘拟合方法获得车道的线性双曲线模型。在各种复杂道路环境下的实验结果显示了该算法的鲁棒性和准确性。     

基于N-Gram的文本去重方法研究

中文文本去重是自然语言处理研究的一个重要方向。该文提出了一种基于N-Gram项和特征映射的文本去重方法。该方法提取N-Gram项的序列作为文本特征,将N-Gram项映射成哈希值,通过查找哈希值来判定文本是否重复。利用哈希数值查找代替字符串匹配,为实现快速的去重方法提供了一种新的可行的方法。实验表明,该算法对于普通网页文本去重能取得很好的效果。     

基于模糊松弛的极化图像分类算法

该文模糊聚类是一种重要的分类方法,已有的模糊分类算法应用于极化SAR图像时只利用了光谱信息,未考虑到邻域像元间统计依赖关系,针对这一缺陷,该文引入了邻域函数来描述这种依赖关系。在模糊C均值(FCM)框架下,利用邻域函数进行类别概率松弛,而且松弛程度可根据具体应用修改,增强算法的灵活性。利用DLR实验室的全极化数据进行的实验表明即使在强噪声下本文算法也能获得一致连续的分类效果。     

基于EPF滤波的三维单站无源定位算法

利用方位角及其变化率信息,提出了基于EPF滤波对固定辐射源的三维单站无源定位算法。该方法通过运动几何学原理,得出目标辐射源的位置,并采用EPF滤波算法加以处理,对粗略定位结果进行修正和平滑,逐步估计出目标的位置,来实现对辐射源目标的快速高精度无源定位。EPF滤波是将EKF算法作为重要性函数的一种粒子滤波方法。仿真结果表明,基于EPF滤波的单站无源定位算法与传统的EKF滤波算法相比,收敛更快、更稳定,滤波效果更好,定位精度更高。     

一种改进的粒子群算法——PSO-Powell

该文针对PSO容易陷入局部最优的缺陷,提出了PSO-Powell辨识算法。该算法首先进行PSO的全局搜索,以全局搜索的最好粒子作为进行Powell搜索的起始点进行搜素,克服了PSO容易陷入局部最优点的缺陷。通过测试用例的测试,证明了该算法的有效性;并对非线性Hammerstein模型和典型的三级串联模型进行了常规方法和该文算法的辨识,对比结果表明了该算法对于辨识参数具有大范围选取能力。仿真结果表明该算法是模型参数辨识的一个有效方法。