一种基于PCI8335B的人体穴位生物阻抗的测量方法

穴位是人体经络脏腑之气血输注的部位,体内气血的变化可反应于相应的穴位,尚可表现为相应穴位电学特性的改变。设计了一种基于采集卡PCI8335B控制并采集信号,主要由AD9833,AD620,AD8302等组成的硬件系统,通过VB语言编写PCI8335B的控制信号并采集硬件产生的穴位阻抗电信号,实现穴位阻抗的测量。     

混合CNN-HMM的人体动作识别方法

针对当前人体动作识别算法检测精度不佳和实验场景多样性的问题,提出了一种混合卷积神经网络?隐马尔可夫模型(CNN-HMM)的人体动作识别方法。建立了抬腿、深蹲和仰卧臀桥3组分别包含1个标准动作姿态和5个非标准动作姿态的人体康复训练动作模型库,结合可穿戴式惯性动作捕捉系统PN2.0获取实验数据。最后从准确率、灵敏度和特异性3个方面进行性能评估。实验结果表明,该方法能够以较高识别率将6种不同动作姿态区分开,其平均识别准确率为97.00%,相较于单一CNN方法提高了5.78%。     

基于手机加速度传感器的人体行为识别

提出一种依据手机内置三维加速度传感器采集的人体日常行为数据来进行识别分类的方法。该方法对采集的原始加速度数据进行预处理,从水平和垂直方向提取多种统计特征,包括标准差、四分位差、信号幅度、偏度、峰度和相关系数等,由支持向量机分类器进行分类识别,可识别手机携带者站立、走路、跑步、上楼和下楼5种动作。通过对比分析实验结果,对不同实验者的平均识别正确率达到87.17%,验证了该方法的有效性。     

基于FPGA的人体行为识别系统的设计

为实现边缘端人体行为识别需满足低功耗、低延时的目标,本文设计了一种以卷积神经网络(CNN)为基础、基于可穿戴传感器的快速识别系统.首先通过传感器采集数据,制作人体行为识别数据集,在PC端预训练基于CNN的行为识别模型,在测试集达到93.61%的准确率.然后,通过数据定点化、卷积核复用、并行处理数据和流水线等方法实现硬件加速.最后在FPGA上部署识别模型,并将采集到的传感器数据输入到系统中,实现边缘端的人体行为识别.整个系统基于Ultra96-V2进行软硬件联合开发,实验结果表明,输入时钟为200 M的情况下,系统在FPGA上运行准确率达到91.80%的同时,识别速度高于CPU,功耗仅为CPU的1/10,能耗比相对于GPU提升了91%,达到了低功耗、低延时的设计要求.     

LED显示仪表的字符识别方法

针对LED显示仪表,提出了一种字符识别方法。字符分割采用边缘检测、直线检测和灰度投影相结合的方法,可快速提取目标字符,将数字和小数点分开识别,并改进了基于数字笔画统计特征的自适应阈值数字识别方法。试验结果表明,本识别算法的识别率能达到95%以上,且算法耗时较低,说明此算法的准确率较高、实时性较好。     

激光针灸的电磁效应及其作用机理

从激光与生物组织相互作用时电磁效应的角度,根据细胞生物物理学的有关研究资料,论证了激光针灸的实质之一是电磁场作用于穴位组织产生电信号.该电信号通过人体经络和神经系统传输到相应患病部位,从而达到治病目的.     

融合注意力机制的毫米波雷达人体动作识别方法

为解决少样本场景下毫米波雷达人体动作识别过程中卷积神经网络(CNN)易出现过拟合、训练效果不理想等问题,提出一种融入时序注意力机制的CNN和视觉转换器模型结合的方法．该方法首先对收到的雷达回波信息做预处理,再通过短时傅里叶变换(STFT)进行时频分析得到时频图,最终将带有特征信息的图像送入融合的网络模型中进行分类识别．实验结果表明,与其他4种模型的方法相比,本文提出的方法识别准确率最高,识别效果可达到91.57%．该方法能有效地增强网络对于时间维度建模,增加了网络收敛速度,达到了提升识别准确率的效果．     

基于弱监督迁移网络的3D人体关节点识别

针对2D图像缺少深度信息,行为姿态空间结构信息不完备的问题,提出一种基于弱监督迁移网络的3D人体关节点识别方法。首先,提出一种用于真实图像的端到端3D人体姿态估计框架,使用2D与3D混合标签图像对深度神经网络进行训练,在2D人体姿态识别子网络中,添加深度回归模块对2D人体姿态识别子网络进行改进,解决3D人体姿态识别出现的深度歧义性问题;其次,在3D人体姿态识别子网络中,引入3D几何约束对人体姿态识别进行规范化操作,针对无真实深度标签的情况,可更好地学习深度特征,有效解决存在遮挡情况的人体姿态识别问题。在Human 3.6M和MPII数据集中关节点预测平均误差低于其他方法,具有更好的3D人体姿态识别效果。     

基于支持向量机的多种人体姿态识别

为了实现对边防哨所等场合中无人监控的车辆、人体直立、哈腰、匍匐几种姿态的识别,提出了一种基于支持向量机的多种人体姿态识别方法.在对各种目标建立了样本库之后,提取了形状复杂性、矩形度、宽高比、头部矩形度等特征,利用支持向量机具有全局最优性和较好泛化能力的特点,进行了小样本的2类及多类目标分类识别,并和RBF神经网络的分类效果进行对比.实验结果表明,SVM不需进行网络迭代训练,求解速度明显高于RBF神经网络,且识别性能也优于RBF神经网络,并且采用径向基核的SVM性能最好.该方法识别率高,平均可达到96%,快速性好,识别速度平均为0.0172S,为小样本下的多目标分类及识别提供了理论和技术基础.     

一种基于CSI的人体动作计数与识别方法

WiFi信道状态信息（CSI）被广泛应用于被动式（非侵入式）人体行为判断,为使用现有商用设备实现人体连续动作计数与识别,提出了一种Wi-ACR方法.先利用阈值和活动指标检测出一组连续动作发生的区间和时间,再通过peak-find算法统计出动作的数量,并确定每个动作的开始和结束时间;再分别采用基于波形特征的动作识别模型和基于统计特征的动作识别模型,得到动作识别结果.实验评估结果表明,Wi-ACR对动作计数的准确率可达95%,两类识别模型对于2个动作（深蹲和走）的平均识别精准率为90%.     

基于改进Canny检测与Hough变换的仪表图像识别算法

针对发电厂中指针式仪表数量多、周围环境复杂、灰尘污染等因素导致获得的图像含有大量噪声从而影响仪表读数识别精度的问题,提出了一种改进Canny边缘检测算法,通过采用5×5邻域计算像素梯度幅值的方法,提高了边缘检测精度,并采用自适应双阈值选择法,有效避免了传统Canny算法易出现伪边缘、边缘信息多等现象,结合Hough变换技术提取仪表指针信息,提高仪表识别精度。经实验对比验证,该算法检测效果优于传统Canny算法,仪表读数识别精度达到95%。     

温针传热研究与电子温针的研制

温针临床疗效显著、应用范围广,但其操作有许多不便之处。温针疗效来源于针刺手法和温热刺激,艾炷燃烧产生的温热刺激在治疗中起着重要的作用,因此有必要研究其热量传递过程,并模拟温热刺激,研制电子温针。本文采用有限元方法分析温针稳定工作时组织内的温度场分布,并在此基础上,研制毫针微型加热装置。研究认为由于金属针身的快速导热能力,组织内的热量主要集中在针身和针身附近,从而热量能更加有效地作用于穴位,获得更好的疗效。针身的热传导在组织内传热中发挥着重要的作用。所研制的电子温针依靠针身传导热量到穴位处,使皮肤进针点的温度根据临床治疗要求在37--45℃范围内可调。     

中医腧穴电子治疗系统研究

介绍一各中医辅助治疗系统,运用中医经络腧穴学理论,对人体腧穴进行表面温度测量,这些温度测量的数据处理提供给医生做为诊断、处方的依据,并充分考虑了医疗器械的特点,该系统安全、可靠、测量准确、性能稳定、再经第二阶段开发,后将具有较为广阔的临床应用前景。     

基于Labview的电子鼻系统开发与应用

电子鼻是一种能够在复杂环境下对气体进行检测的智能仪器。设计一种基于Labview的电子鼻系统,集成了多种模式识别算法,可用于具有气体性质特征的样本的检测。系统硬件构造简单,软件操作简洁,系统成本低廉。并且以4种不同品牌的食用油为例,进行了分类测试,取得了良好的识别效果。     

基于改进遗传算法的非侵入式电器负荷识别

针对传统非侵入式负荷识别算法在电器负荷接近或较小时并不能得到较理想识别效果的问题,提出了一种基于谐波特征和遗传算法的非侵入式电器负荷识别算法.通过提取电流数据的非活性电流及其谐波特征,来增大不同用电器间的差异性,从而提高识别精度;并使用遗传算法优化的神经网络的权重、阈值和隐含层神经元个数来提高分类识别精度,达到细粒度用电分析的目的;使用包含5种家用电器的用电场景测试所提出算法的识别精度,并将其与反向传播神经网络算法相比较.仿真测试结果表明,提出的特征和算法具有更高的负荷识别准确率及更快的识别速度.     

一种深度学习的硬件木马检测算法

由于传统的硬件木马检测均采用功能测试等电信号检测技术,检测方法存在成本高、漏检率高和效率低下等问题,对此提出了一种深度学习的非电信号硬件木马检测算法。该算法首先利用增强残差网络将低分辨率芯片显微图像转换为高分辨率芯片显微图像; 然后通过循环一致对抗生成网络将该高分辨率图像生成与母版图像同源的芯片显微图像, 生成的芯片显微图像通过二阶微分图像增强算法区分出目标区域与背景区域,并结合阈值分割算法将目标区域分割出来; 最后通过数学形态学操作去除由于工业噪声产生的微小干扰,利用变化检测算法检测芯片中存在的硬件木马。通过在芯片显微图像数据集上的实验显示,基于深度学习的硬件木马检测方法正检率高达约92.4%,与传统的电信号检测方法相比,精度更高,速度更快,且操作更简易。     

基于RS-Chaos-LSSVM的光电稳瞄系统稳定精度检测方法

稳定精度是评价光电稳瞄系统性能最为关键的参数之一.针对传统频谱仪测试方法的局限性及测试中干扰因素的不利影响,提出了基于RS-Chaos-LSSVM的光电稳瞄系统稳定精度检测方法.根据光电稳瞄系统测量原理和基本组成,按照RS理论、Chaos和LSSVM模型,设计了RS-Chaos-LSSVM的光电稳瞄系统稳定精度检测系统.LSSVM把位置稳定环上的陀螺仪反馈的实际转台角度,在以DSP为核心的信号检测处理单元中进行稳定精度检测处理.RS理论可以对进入LSSVM模型样本进行属性值约简,以提高实时快速性.Chaos优化LSSVM模型的参数,旨在提高其控制精度.最后对某机载光电稳瞄系统的定频和随机动态稳定精度分别以RS-LSSVM与RS-Chaos-LSSVM的稳定精度检测进行了测试对比.实验仿真数据表明：利用RS-Chaos-LSSVM检测模型在此稳定精度检测时能够有效剔除干扰数据,比Chaos-LSSVM方法的实时性提高了约50%.因此基于RS-Chaos-LSSVM的稳定精度检测方法,具有更高的可靠性和准确性,达到了期望目标.     

基于PC的电工电子实验及其发展趋势

介绍了仿真软件在电工电子实验室中进行实验的验证与设计的方法,从根本上改变硬件实验的传统做法。阐述了虚拟仪器的概念、特点、组成,讨论了研究开发虚拟仪器所用的软、硬件平台及其特点,文章还介绍了虚拟仪器在电工电子实验室的应用和发展趋势。     

基于肤色增强和分块PCA的人脸表情识别方法

人脸的表情识别在智能人机交互应用中具有重要意义. 本文提出了一种基于肤色增强和分块PCA的人脸检测及表情识别方法. 首先,使用同态滤波增强肤色图像的亮度范围及对比度,利用YCbCr色彩空间分量分离肤色背景区域,再通过轮廓分析确定人脸目标,最后对分割出的人脸进行均衡化处理,并引入分块主成分分析(PCA)算法进行表情识别. 结果表明,该方法在光线较弱以及背景较复杂的情况下均能有效地进行人脸检测与表情识别,相对于传统的LBP方法可提高识别率约为2.3%.     

光纤探头脉象仪的实验研究

叙述了所研制的光纤探头式脉象仪的原理、结构和实验结果。该仪器将探测头放在脉动部位,感受脉象,通过接收反映脉象信息的光功率,并将其转换为电信号,经过放大、滤波、整形,最后在显示器上显示出脉象图。