基于语音流畅度与模糊聚类的精神分裂症自动识别

针对精神分裂症诊断周期长、缺乏客观诊断依据的问题,提出语音流畅度矩形参数过能熵积,结合模糊聚类双重定位停顿区域的算法辅助诊断精神分裂症.该算法综合了精神分裂症患者语音流畅度低及能量平缓的特征,定位精神分裂症语音的停顿区域,提出语音流畅度量化参数提取算法,结合SVM(支持向量机)分类器,实现精神分裂症的自动识别.提取28例精神分裂症患者和28例正常对照组语音的流畅度声学特征,自动识别精神分裂症,正确率为85％以上.提出的基于过能熵积与模糊聚类的精神分裂症自动识别算法,能为临床诊断精神分裂症提供客观、有效、无创的辅助依据.     

基于简单度和能量的心音分段算法研究

研究诊断心血管病,结合形象化,利用图像检测,提高诊断水平.心音分段是心音图分析的一个重要环节.分段效果将直接影响心脏疾病的诊断水平.为了提高心音的分段正确率,根据动力学复杂性原理,提出一种简单度和归一化平均香农能的心音分段算法.对于复杂多样的心音信号,算法不仅分段正确率高,而且还能准确计算出第一心音和第二心音的时限.通...     

基于多符号检测和Turbo乘积码的PCM/FM遥测系统性能

多符号检测(MSD)和Turbo乘积码(TPC)技术联合应用可以大幅提高脉冲编码调制/调频(PCM/FM)遥测系统性能。针对MSD算法计算复杂度高的问题提出了一种改进的MSD算法,可以有效降低计算复杂度;在TPC的传统Chase译码算法中通过简化软输入信息计算可以降低系统存储量。仿真结果表明,改进方法和传统的两种技术联合使用相比,虽然损失了约1.7dB解调增益,但仍提高PCM/FM信号解调性能约8dB,且算法复杂度低,存储量小,更适合硬件实现。     

基于小波去噪与离散余弦变换相结合的正交频分复用系统信道估计算法

针对传统的基于离散余弦变换(DCT)信道估计算法没有处理循环前缀之内噪声的问题,提出了一种基于小波去噪与DCT插值相结合的正交频分复用(OFDM)系统信道估计方法。首先,采用最小二乘(LS)法对接收到的导频信号进行信道初步估计;然后,对LS法估计出的结果进行离散小波阈值去噪处理;最后,利用DCT插值对循环前缀内的噪声再次处理,以进一步减小噪声的影响。在Matlab 2012平台上仿真,与传统的基于DCT信道估计算法相比较,误码率相同的条件下,所提算法的信噪比(SNR)性能提升了1 dB左右;均方误差相同的条件下,所提算法的SNR性能提升2 dB左右。仿真实验结果表明,该算法能够较好地减小加性高斯白噪声(AWGN)的影响,并有效提高信道估计的准确度,其总体性能较基于DCT的信道估计算法更优。