基于表面肌电和位姿信息融合的手势动作识别

针对仅通过表面肌电信号(s EMG)进行手势识别难以应对复杂手势的问题,提出一种基于表面肌电和位姿信息融合的手势识别方法。通过双阈值方法对信号活动段进行分割,提取表面肌电信号、位姿信号的特征,使用核主成分分析方法(KPCA)对提取特征进行降维融合,使提取特征中的非线性信息得到较好保留,最后通过随机森林(RF)分类器进行分类识别。实验结果显示,该方法对10名受试者的11种不同手势的最佳平均识别率为98.23%,单个动作的识别准确率均在90%以上,验证了提出方法的可靠性。     

基于加速度信号多特征踝关节动作模式识别

人体动作识别技术在虚拟现实、机器人、体感游戏等诸多领域具有较大的应用潜力.为了有效识别下肢踝关节的不同动作模式,首先通过DELSYS信号采集仪,获取踝关节执行趾屈、背伸、内翻、外翻4种动作模式时的三轴加速度信号,利用小波去噪滤除信号采集过程中的干扰和噪声;然后,提取踝关节三轴加速度信号的绝对积分平均值、方差、两轴之间的相关系数以及幅度峰值和幅度均值5种特征参数,并融合组成特征向量输入支持向量机分类器进行动作模式识别.实验结果表明:将加速度信号在特征层上融合再进行踝关节动作识别,每种动作的平均分类正确率均可达到90%以上,该研究方法可以应用于虚拟现实游戏及康复机器人等领域.     

基于小波包分析和LDB的目标识别

水下目标识别是声纳和鱼雷重要任务之一.小波包分析较多分辨分析具有更高精度的时频定位特性,但它也带来了子空间频带严重重叠的问题.为解决这个问题,利用局域判别基(LDB)算法提取了一组完备且频带互不重叠的小波基函数(子空间),分别以各子空间的能量强度和代价函数为特征对四类不同湖底沉积物的反射回波进行识别,得到了较好的识别效果.     

一种基于肌电信号的踝关节动作预测方法的研究

进行了使用肌电信号预测关节动作的研究,提出了一种基于肌电信号的预测踝关节动作的方法。首先,选取与踝关节动作相关的5块肌肉(胫骨前肌、腓肠内肌、腓肠外肌、腓骨长肌和比目鱼肌)以及踝关节角作为研究对象,采集这5块肌肉的肌电信号和踝关节角信号,并进行特征提取和归一化处理。然后,建立了一个四层前向神经网络模型,使用误差逆向传播(BP)算法进行训练。最后,神经网络预测输出值经过六层小波去噪处理。实验中,9名志愿者的踝关节在矢状面内做有规律的背屈和跖屈动作,采集踝关节角和上述5块肌肉表面肌电信号,然后用上述方法预测踝关节动作,用相关系数评价预测的效果。实验结果显示,所提出的方法可以准确预测踝关节动作。     

基于参数识别和小波包分析的故障特征提取

针对2D12往复式压缩机气阀的工作特点,提取吸气阀与排气阀均关闭时的压缩过程的局域信号.以此为研究对象,应用模态参数识别与小波包分析相结合的方法对气阀进行故障诊断,最后给出气阀正常与故障时的时域特征参数的图谱分析.     

基于改进小波包能量的梁式结构损伤识别

利用小波包变换技术将结构的节点曲率响应分解到不同模态,选择能量较大的结构单阶模态响应构造损伤指标,使得损伤指标具有较强的噪音鲁棒性和损伤敏感性。通过统计损伤指标超过损伤预警值的次数来识别损伤,进一步降低了环境噪音对识别结果的影响。通过多种不同损伤工况的简支梁数值算例和实验验证了该方法的有效性。结果表明,该方法能够用于工程实际,当响应信号中的噪音在10%以下时,此方法能够准确的识别出较小程度的结构损伤。     

基于提升小波包和模糊模式识别的结构损伤识别

针对网架结构的损伤特点,提出基于提升小波包特征提取的模糊模式识别的结构损伤诊断方法。该方法首先利用提升框架,将结构振动测试信号进行提升小波包分解,提取小波包信号分量能量作为损伤识别的特征向量,以此建立模糊模式识别的模糊子集,最后利用模糊C均值聚类分析与择近原则相结合的模糊模式识别方法对结构进行损伤识别,并研究噪声对该算法的影响。为了证明该方法,对一个二层网架结构模型进行数值仿真,结果表明该方法能够有效地识别损伤。     

小波统计方法提取想象运动诱发脑电特征

针对想象单侧肢体运动会导致同侧和对侧运动皮层脑区EEG信号分别出现事件相关同步(ERS)和事件相关去同步(ERD)现象,提出了一种小波变换结合统计分析的左右手运动想象诱发脑电特征提取方法.将采集的多导脑电信号进行预处理;利用db5小波,分别对左右手运动想象C3、C4导联的脑电信号能量进行6尺度小波分解,并按所需频段重构;计算不同尺度小波分解系数能量的均值、方差和相关系数,将这三个特征能量对应相加,并对C3、C4导联的能量做差,得到左右手运动想象脑电的特征向量.结果表明,该方法提取的特征向量可以较好地反映运动想象脑电事件相关同步和去同步的特点.     

基于小波包能量曲率差的古木结构损伤识别

本文以西安钟楼为工程依托,对随机激励作用下古木结构的损伤进行有限元模拟,把古木结构梁上各节点的加速度响应信号进行小波包分解,通过小波包能量曲率差对古木结构进行损伤定位。在无噪声干扰时,该指标对于古木结构的损伤定位比较敏感,可准确判定古木结构的损伤位置,该指标随损伤程度的加大而增大。该指标在高斯白噪声干扰下,当信噪比SNR大于或等于40db时,能对古木结构的损伤进行准确定位,该指标具有一定的抗噪声干扰能力。随后得出了损伤指标和损伤程度之间的函数关系式,用其进行损伤程度的判断并验算其适用性,为研究环境激励下西安钟楼的损伤预警提供了理论依据。     

基于小波包和概率主成份分析的损伤识别

由于大型结构环境复杂,噪声和温度效应明显,该文提出基于小波包和概率主成份分析的损伤识别方法,该方法充分利用了小波包作为损伤指标灵敏度高的特性,又用概率主成份分析(PPCA)的方法首先去除环境噪声和温度的影响,然后重构数据进行损伤工况的识别,用PPCA提供的概率模型判断损伤的上下界,使得损伤识别更易进行.通过对滨州黄河公...     

STS桥吊轨道振动小波包统计特征的状态分类技术

本文进行了STS桥吊实物模型的工况仿真试验,研究了在不同的车速和载重下各种轨道状态下的大梁主铰的冲击振动特征.振动试验和信号分析结果表明应用小波包分解技术得到的小波统计特征量能有效地对轨道振动冲击的故障状态进行识别和分类.论文提出的轨道振动状态分类树对实际工程应用具有指导意义.     

梁损伤小波包分析和神经网络识别

针对柔性悬臂梁裂缝损伤问题进行损伤位置和损伤程度的识别研究。首先用有限元法建立系统动力学模型。然后对系统的动力响应信号进行小波包分解,建立基于小波包能量谱的损伤指标。把损伤指标作为改进BP神经网络的输入特征参数,用分步识别方法进行损伤位置和损伤程度的识别。最后进行了数值仿真研究。仿真结果表明,利用小波包分析和改进的BP神经网络可以精确地识别出柔性梁的损伤位置和损伤程度。     

基于光学体全息和小波包分解的虹膜识别实现

在光电混合的体全息系统上实现虹膜识别.利用小波包分解生成特征图像,并且穷举找到具有较高识别率的小波包节点组合.耗时的特征图像生成和图像存储都是事先进行的,光学体全息凭借其多通道和高并行性可以实时地完成特征提取和相关.计算机对采集到的相关结果进行后处理,通过选择合适的窗口和归一化可以进一步提高识别率.模拟识别率可达98%,实验中的最高识别率为91%.实验结果证明了方案的可行性,并为今后向实用化方向发展奠定了基础.     

基于小波包分解和PCA-Attention-LSTM的舰船辐射噪声识别技术

为了改进舰船辐射噪声分类系统的性能,进一步提高识别准确率,文章提出了一种基于多特征的小波包分解在长短期记忆(LongShort-TermMemory,LSTM)网络中分类的方法。该方法首先通过小波包分解技术,分频段提取舰船辐射噪声的多种特征,将提取的特征利用主成分分析法(Principal Component Analysis, PCA)进行数据降维,通过添加注意力机制(Attention Mechanism)算法的LSTM网络,对辐射噪声结果分类,提高了学习效率和识别准确率。为了更精细地提取特征,分频段提取了舰船辐射噪声的时频域特征、小波变换特征和梅尔倒谱系数等特征,并将分频段与不分频段的特征、多特征与单一特征、不同信噪比间的算法性能进行对比。实验结果表明,基于小波包分解和PCA-Attention-LSTM的模型可以有效地提高舰船辐射噪声分类的性能,是一种可行的分类方法。     

基于支持向量特征筛选方法的想象动作识别

引入了支持向量特征筛选方法,以克服基于想象动作诱发脑电特征的脑-机接口识别中,由于特征维度较高而训练数据有限、不易获得理想识别效果的问题.支持向量特征筛选方法采用扰动支持向量机代价函数的方法测量特征的分类贡献度,进而建立特征序贯指数,以递归方法进行特征排序和优化筛选.对14例受试者的左右上肢想象动作诱发脑电信号进行分析,提取6类246维特征,采用支持向量递归筛选方法进行特征优选,利用支持向量机对优选特征进行识别,结果显示,支持向量递归筛选得到的优选特征可显著提高识别正确率.研究表明,支持向量特征筛选可以降低无效特征干扰,提高分类器效率,适用于特征维度较高的脑-机接口任务识别.     

结构损伤识别的小波包分析试验研究

在结构服役期内，由于局部损伤的累积发展将导致结构刚度等特性的降低，可能导致灾难性的事故。传统的基于模态参数的损伤识别方法有时效果并不理想。提出基于小波包变换的能量变化率指标，并用其进行损伤识别的方法。首先将所得的结构响应信号进行小波包分解，然后通过小波包能量变化率指标进行损伤定他。通过三种不同损伤工况的梁体室内试验，证明所提出的损伤指标可以准确地识别损伤位置。     

基于小波包的齿轮箱故障诊断

提出了一种齿轮箱故障诊断的方法,这种方法首先利用小波包提取齿轮箱振动信号的故障特征域,然后计算特征域上绝对值信号的频谱,以正常信号的频谱和特征域上绝对值信号的频谱的相似程度作为齿轮箱故障与否的判据,将齿轮箱的特征频率和特征域上绝对值信号的频谱相比较来判断齿轮箱的故障模式.将此方法应用于齿轮箱断齿故障的诊断表明,这种方法能够准确地诊断出齿轮箱中的冲击故障.     

基于小波包变换与核主成分分析的铣削颤振识别

提出一种基于小波包变换（wavelet packets transform, WPT）与核主成分分析（kernel principal component analysis,KPCA）的颤振识别方法。铣削颤振会抑制或增强某些频段内的信号,利用四层小波包分解与重构,得到16个频段内的重构信号,获得各重构信号的面积,并进行归一化处理,完成铣削颤振特征向量的选择。继而通过对比基于主成分分析（principal component analysis,PCA）与核主成分分析的特征提取方法的特征提取效果,选取KPCA对特征向量进行降维处理,最后以降维后的数据作为最小二乘支持向量机分类器的输入对铣削状态进行识别。结果表明,在小样本的情况下仍能有效、准确地对铣削状态进行分类,分类准确率达95.0 %。     

基于小波包能量曲率差法的桥梁损伤识别试验研究

针对各种损伤识别指标中,小波包能量曲率差法仅有数值仿真、未经试验验证,尤其缺少实际工程验证问题,用数值模拟验证该方法识别结构损伤的有效性;利用沧州子牙河新桥替换下的梁体,进行两种工况损伤模拟。通过测试完好与损伤状态各点加速度响应,用小波包能量曲率差法识别损伤,考察小波函数和分解层数对识别效果的影响。结果表明,该方法有效,并可应用于实际工程。     

基于小波包能量与模型修正的海洋平台结构损伤识别

对于常年服役的海洋平台,准确的损伤识别是保证其安全运行的重要保障。提出了一种对损伤敏感的小波包分解方案选取原则,以结构损伤前后加速度信号的小波包能量变化率作为残差,以结构的弹性模量作为待修正参数,通过灵敏度分析构建了一种新的目标函数用于模型修正和结构的损伤识别。将上述识别方法应用于简支梁模型,能够准确地识别出损伤的存在、位置和程度,验证了方法的可行性。对被噪声污染的信号进行识别分析,证明方法具有一定的鲁棒性。对噪声污染严重的信号进行小波阈值降噪处理,识别效果较降噪前有所改善。将方法应用于海洋导管架平台模型,对不同层高、不同杆件类型的损伤工况均能有效识别,说明方法对多层复杂结构同样适用。