基于sEMG信号的下肢康复动作识别算法

表面肌电信号（sEMG）是一种神经电信号,其能反映神经、肌肉的状态及功能。近年来,越来越多的研究人员对基于sEMG信号的下肢康复动作的问题进行探讨并取得巨大突破。随着深度学习模型的日益成熟,各种模型对sEMG信号下肢康复动作的准确率有明显提升。该文使用基于CNN网络的sEMG信号下肢康复动作识别算法,首先数据预处理过程,选用截止点为20 Hz（低）和450 Hz（高）的有限脉冲响应带通滤波器对sEMG信号进行处理,之后进行特征提取,满足实验数据的需求。最后介绍基于CNN网络的sEMG信号下肢康复动作识别,说明CNN网络的结构以及参数设置。结果显示该文采用的CNN算法具有良好的识别效果。     

基于OMP的非相参雷达脉冲信号的压缩处理

压缩感知技术可以用来实现对非相参雷达脉冲信号的压缩处理。为实现对非相参脉冲雷达信号的压缩处理,本文首先开展了信号稀疏分解与重构算法研究,通过对贪婪算法、凸松弛类算法、组合类算法三大算法进行实验对比分析,选用了重构精度高、重构时间较快且压缩比较高的正交匹配追踪（OMP）算法针对非相参雷达脉冲信号进行压缩感知仿真分析,并对算法做出了一定的改进,提高了算法的运行速度;仿真结果表明：在一定信噪比条件下,OMP算法完全能够实现对非相参雷达脉冲信号的欠采样和信号重构,从而实现了对非相参雷达脉冲信号的压缩处理。     

基于多信号特征和D-S证据理论融合的下肢运动模式识别

针对下肢运动模式识别中出现的单一信号特征识别方法不能准确、可靠地识别出下肢的运动模式,以及多信号特征识别方法所带来的维数灾难问题。提出一种利用神经网络特征级融合多信号特征以及D-S证据理论对预识别结果进行决策级融合的下肢运动模式识别方法。对采集到的下肢表面肌电信号以及髋关节信号进行特征提取,对两种来自不同信号源的特征向量分别建立各自的神经网络,利用神经网络的特征级融合属性得出不同信号源特征对下肢动作的预识别结果。最后利用D-S证据理论融合来自不同信号源特征对待识别动作的概率信度,以实现决策级融合的目的。通过文中方法对五种下肢常见动作的识别效果进行了验证。实验结果表明,文章方法相比于单一信号源特征的识别方法具有更高的可靠性和正确率。     

THALES雷达ADU（方位分配单元）频繁切换通道的解决方法

重庆THALES雷达ADU（Azi muth Distribution Unit）方位分配单元经常出现方位信号告警,导致通道切换频繁并影响到设备的正常工作,本文从雷达方位信号质量的检测与实际工作中遇到的问题进行分析,供大家交流和参考。     

基于气相离子迁移谱对葵花籽油精炼程度的检测

运用气相离子迁移谱（gas chromatography-ion mobility spectrometry,GC-IMS）对不同精炼程度的葵花籽油的挥发性有机成分进行分析,构建葵花籽油精炼程度的指纹图谱,并对葵花籽油的精炼程度进行判别和分类。采用二维差谱方法筛选出22?个有效特征峰作为表征精炼程度差异的变量,采用主成分分析和有监督模式识别方法（K最近邻、二次线性判别分析、Fisher线性判别分析）进行模式识别。结果表明,3?种有监督模式识别方法均可以有效地区分不同精炼程度的葵花籽油样,识别率高达97.30%。使用GC-IMS技术结合化学计量学方法能够准确直观地区分不同精炼程度的葵花籽油样品,便于企业对植物油进行质量控制,同时为质检技术人员提供了一种新的检测方法。     

基于小波变换的雷达信号调制类型识别方法

雷达信号的脉内调制特征是雷达信号细微特征的重要体现,因此要对雷达信号分选和识别,高可信度地判别雷达属性,必须对雷达信号脉内调制特征进行分析。小波变换特别适用于非平稳信号的分析,作为一种特征提取的工具己得到较广泛的应用。用小波变换的方法对常见的几种雷达信号进行了调制方式的识别。     

一种基于ROS的蓝牙定位快递配送机器人设计

针对目前校园内无人快递运输车存在的问题,设计一款基于ROS操作系统的全方位多功能的校内快递配送机器人。配送机器人以校园WIFI信号与室内蓝牙定位信标为基础,利用雷达传感与摄像头识别配合ROS数据处理,完成工作场景模式识别,结合北斗导航系统实现路线模型优化。配送机器人采用模块化结构设计,末端支撑使用电缸驱动,对不同地形与楼梯结构可进行运动姿态调整,有较好的适应性。     

基于电子舌及一维深度CNN-ELM模型的普洱茶贮藏年限快速检测

采用伏安电子舌对不同贮藏年限的普洱茶进行快速检测。将深度学习技术引入到电子舌的模式识别中,提出一种基于一维卷积神经网络(1-D CNN)与极限学习机(ELM)组合的模式识别模型(1-D CNN-ELM)。采用该模型结合伏安电子舌对5种不同贮藏年限的普洱茶进行分类鉴别,结果表明,与传统基于离散小波变换(DWT)结合支持向量机(SVM)或极限学习机(ELM)的模型相比,1-D CNN-ELM对普洱茶贮藏年限的分类效果更优,其测试集准确率、精确率、召回率和F1-Score分别达到98.32%,98.0%,98.0%,0.98。试验表明深度学习方法适用于对电子舌信号进行模式识别处理,且具有较高的分类准确性和泛化能力。     

谈数字处理技术

现代通信、雷达所处的环境信号越来越密集,发射机的调制方式也越来越复杂。这就要求接收机有更好的接收能力和信号处理能力。现在和未来的接收系统面临着接收和处理更多的脉冲信号、低截获、概率调制信号、超高速脉冲信号和连续波信号。由于现在使用的频段内信号大量增加而使接收环境变得复杂,这就要求接收系统采用低信噪比处理门限、较大的动态范围和增加系统的带宽来对付这种越来越复杂的环境,才能正常工作。数字处理技术有郊解决了以上问题。     

基于非抽样形态小波的图像融合方法

该文提出一种将二通道的非抽样形态小波（Un-decimated Morphological Wavelet,UMW）扩展为三通道的非抽样形态小波（3-Channels Un-decimated Morphological Wavelet,3CUMW）的方法,这种方法将图像的细节信号进行细化,拓展为2个通道的细节信号,针对不同物理含义的细节信号分别进行融合处理,从而改善融合图像的质量。通过红外与可见光图像、多聚焦图像、遥感图像的图像融合实验,证明该方法具有有效性。     

生乳、巴氏乳与酸败乳的电化学识别研究

阐述了一种以三电极体系为基础,研究溶液体系特性的高性能传感器阵列的设计原理和方法。它涵括了循环伏安法扫描、差分脉冲伏安法扫描、常规脉冲伏安法扫描、多电位阶跃扫描等多种功能等,能够对溶液体系施加多种方式的激发信号,得到多种相应特性,从而实现对溶液的全面分析。对新鲜生乳、熟乳（巴氏乳）、酸败乳溶液进行循环伏安法、脉冲伏安法、多电位阶跃等扫描方法检测,并进行主成分分析表征。研究结果表明,传感器阵列对生乳、熟乳（巴氏乳）、酸败乳有明显的辨别能力,不同的工作电极通过不同的检测方法对乳样有不同的区分力。     

基于电子鼻技术鉴别陇南初榨橄榄油

为了快速简便地鉴别同一品种不同果实成熟度和不同品种同一果实成熟度的初榨橄榄油,运用电子鼻传感器分析技术结合Loadings负荷加载分析、线性判别分析（LDA）等数据处理技术对结果图谱进行解析,并通过欧氏距离分析（EDA）、相关性分析（CA）、马氏距离分析（MDA）和判别函数分析（DFA）验证模型的准确性。结果显示：电子鼻响应值雷达图及Loadings负荷加载分析均表明W5S、W2W、W1W、W1S传感器对样品有较好的信号响应,通过LDA分析建立的特征图谱可有效鉴别区分被试样品,其识别确定性大于96%,所建模型准确可靠,电子鼻技术可用于同一品种不同果实成熟度和不同品种同一果实成熟度初榨橄榄油的识别。     

基于集成学习模型的交通事故严重程度时空预测

为探究区域交通事故时空特征,精准预测事故严重程度,给交通运输主管部门提供决策支持,以英国交通事故统计数据作为研究基础,首先,将交通事故时空特征数据转化为网格化数据,并对空间特征进行二维卷积,利用时间特征合并二维卷积为三维卷积,解决网格冲突问题;其次,利用卷积神经网络（CNN）、长短期记忆人工神经网络（LSTM）模型的工作原理建立Stacking模型的基学习器和元学习器;最后,输出结果传入分类与回归树（CART）,构建完整的事故严重程度预测集成学习模型。研究结果表明,集成学习模型较单一模型对预测效果更优,其AUC比CNN、LSTM和Conv-LSTM单一模型预测分别提升0.02、0.04和0.01;最终决策树选择中,CART决策树比随机森林（RF）和梯度提升决策树（GBDT）预测效果更优;预测结果在时间纬度上,“严重事故”事件占比较实际低3.95%,在空间纬度上,预测热力区域在0.5～1区间范围内与实际接近。     

基于CNN的深层次特征提取纸病辨识方法研究

针对当前纸病检测方法中纸病特征量难分离以及难点纸病特征量难构建的瓶颈问题,提出基于卷积神经网络（CNN）的纸病辨识方法。该方法根据纸病图像的特点设计了纸病检测的CNN结构,在此基础上利用CNN自动提取纸病图像的深层次特征,结合Softmax实现对纸病的辨识。实验结果表明,基于CNN的深层次特征提取纸病辨识方法优于现有的纸病检测方法,能够对包括难点纸病在内的各种纸病进行精确辨识。     

基于主成分分析的纤维拉伸断裂声发射信号识别

针对纤维拉伸断裂声发射信号的非平稳性、信号特征间高度重叠等问题,提出一种声发射信号特征提取及纤维种类诊断的模型。该模型可用于识别拉伸断裂的纤维种类。首先,通过小波变换、增强经验模态分解方法（EEMD）对不同种纤维的拉伸断裂声发射信号进行预处理、分解;然后,结合主成分分析方法（PCA）提取频率特征;最后,运用最小二乘支持向量机（LSSVM）对纤维拉伸断裂的特征频率进行分类识别。结果表明,主成分分析方法能将信号特征降维,并降低不同纤维频率特征之间相关性,提高了对纤维拉伸断裂声发射信号的准确识别。针对芳纶1313、高性能维纶纤维拉伸断裂的声发射信号,EEMD-PCA-LSSVM模型总识别率达96%。     

SPME-HS-GC-MS与电子鼻分析不同产地多花酒黄精气味特征

目的：分析不同产地多花酒黄精的气味特征,为产地判别、分析方法改进提供依据。方法：以11个产地的多花酒黄精细粉为研究样品,采用固相微萃取-顶空进样-气质联用法（SPME-HS-GC-MS）分析多花酒黄精挥发性成分,采用电子鼻智能感官评定技术分析多花酒黄精气味雷达图,采用主成分（PCA）、Loadings方法分析电子鼻信号响应结果,构建产地判别模型。结果：SPME-HS-GC-MS法结果共鉴别出32个挥发性成分,其中19个差异性挥发性成分可用于8个产地的区分。电子鼻结果表明,主成分判别分析能较好地区分不同产地多花酒黄精,多花酒黄精在气味上的差异主要体现在芳香成分,氮氧化合物、氨类、烷烃、甲烷等短链烷烃、无机硫化物、有机硫化物等。结论：不同产地多花酒黄精的气味特征存在差异,可作为产地判别依据。电子鼻技术可为多花酒黄精分析及质量标准提供简单、快速的新方法。     

基于风味指纹谱的庐山云雾茶品质等级研究

为建立一种快速、无损的庐山云雾茶等级判别方法,采用气相离子迁移谱（gas chromatography-ion mobility spectrometry,GC-IMS）联用设备对3个等级共63个庐山云雾茶样的挥发性有机成分进行分析检测,并采用Otsu自动阈值分割算法对GC-IMS二维谱图中特征峰进行特征提取,以特征峰的峰面积为变量进行主成分分析,再结合K-最邻近（K-nearest neighbor,KNN）算法对主成分得分进行模式识别。结果表明,采用KNN方法能够很好地区分不同等级的庐山云雾茶,预测集样品识别率可达94.73%。     

基于近红外光谱的条斑紫菜菌落总数快速检测技术

为了探究快速、无损地检测条斑紫菜质量的可行性,本研究开发了一种基于近红外光谱技术的条斑紫菜微生物污染程度的定量分析方法。首先对来自不同海域的紫菜样本的菌落总数进行了测定,然后采集了155组样本的原始光谱信息和菌落总数信息。用标准正态变量变换（SNV）、多元散射校正（MSC）、二阶导数（Second-order derivative）等方法对光谱数据进行预处理。在完成最佳预处理方法筛选后,建立了基于光谱信息的非线性拟合（MLR）、支撑向量回归（SVR）、人工神经网络（ANN）、卷积神经网络（CNN）菌落总数预测模型。结果表明,标准正态变量变换与二阶导数的组合预处理效果最优,基于全波段下深度学习模型CNN预测效果最好（r值为0.940）。由此说明,CNN作为一种深度学习模型,可以实现针对条斑紫菜微生物品质的快速评价。     

基于PXI总线的毫米波雷达信号模拟器的设计与实现

文章设计了一个基于PXI总线的毫米波雷达信号模拟器,通过对实际采样信号进行仿真分析建立毫米波雷达信号模型,进而模拟实际环境中不同频率范围、不同参数特性的毫米波雷达回波信号。重点介绍了信号的仿真模型建立及基于PXI6711板卡的信号生成。测试结果表明,该模拟器具有模拟频率范围广、功能扩展性强、方便携带等特点,可广泛应用于雷达及其相关测试平台的检测。     

INDRA IRS20-MP/LS模式二次雷达录取器MICA板卡维护方法

对于S模式二次雷达,录取器是其重要的组成部分。它能接受并处理来自应答机的视频信号生成点迹信息,同时还向发射机提供调制信号,可见其强大的功能对于雷达是不可或缺的。文章阐述了INDRA S模式二次雷达录取器的工作原理和MICA02、MICA03板卡的主要功能,给出了MICA板卡的维护更换方法。