3σ规则和µ律阈值法在心音信号去噪中的应用

讨论小波包阈值法去噪的机理,提出基于小波包变换的3σ规则和µ律阈值法在心音信号预处理中的方法,该方法保留小波包变换去噪的优势,能够有效地突出心音的特征部分,在心杂音信号去噪中有较好的效果。实验结果表明,该方法在去除干扰和心杂音上有着一定的优势,在心音信号检测中有重要的应用价值。     

USB移动存储设备的惟一性识别方法研究

人员和设备的认证识别是信息系统安全首要解决的问题,根据涉密存储介质保密管理的要求,论述了移动存储设备惟一性标识的必要性.为了更加安全可靠地做到移动存储设备的惟一性识别,研究了移动存储设备的惟一标识管理技术,以U盘为例概括了几种不同的USB移动存储设备的标识方法.根据惟一性标识码的选择和存放要求,对这几种方法的存在问题及优缺点进行分析比较,提出了一种基于特殊命令请求的惟一性识别方法.     

多小波基多尺度多传感器数据融合

多传感器数据融合技术已经被广泛应用在多个领域,小波多尺度分解对数据的分析具有独特的优点,小波基的选择对数据融合结果也起着关键的作用.提出一种新的基于多个小波基的数据融合算法,先对含有噪声的传感器信号进行多个不同小波基的多尺度分解,然后对相同小波基分解的信号在多尺度上实施加权数据融合算法,之后进行不同小波基的逆变换得到的重构信号,最后将基于不同小波基的重构信号做最终的融合.实验结果表明:数据融合技术可以从多个方面多个层面以及多种融合原则来考虑,从而融合众多的因素得到最优的结果.     

基于无线通信的设备点检系统

针对传统设备点检系统工作效率低、劳动强度大、准确性低、实时性差等问题,提出了一种基于无线通信的设备点检系统。该系统结合了单片机、无线通信和计算机信息管理等技术,具有多元化通信方式,包括无线射频(RF)通信、GSM通信和Internet通信,能够在线检测现场设备的振动、温度、压力等主要参数,并能根据环境情况进行预警,同时具有远程监测功能。测试结果表明,该系统稳定性强,显著提高了设备点检系统的操作管理品质。     

中国传统符号的演变——门

人类学会构筑房屋并为自己的进出留下一个进出方便的口,门就产生了。门是一个极为抽象的形态,一个变化万千的符号,这个古老的符号——门的形态变化一直在随着科技的发展而演变,无论是古人还是后人都在其中精心地演绎着中国的传统民族文化。     

具有多维特征的WSN路由协议研究

为实现不同地理维数数据类型的合理融合,提出一种基于通用搜索树(GiST)的分簇拓扑结构。利用叶节点的位置信息建立簇,通过GiST体系结构算法对区域内的所有簇进行分块组织,建立树形拓扑结构。仿真结果表明,GiST体系结构算法具有良好的多维特性,可快速进行不同维数结构间的融合。建立的结构与其他拓扑结构相比,网络传输效率较高,网络生命周期较长。     

一种安全快速的虹膜识别方法

虹膜识别技术作为一种生物特征识别手段,具有唯一性、稳定性等优点,从而成为当前模式识别和机器学习领域的一个研究热点.目前的虹膜识别方法多数是采用在图像上提取特征点,并将特征点编码为固定长度的特征数据用于匹配的方式,这种方式的特征提取算法复杂,计算量大,而且使虹膜识别系统易受到攻击.为了提高虹膜识别系统的安全性和识别速度,本文提出一种安全快速的虹膜识别方法,在活体虹膜上进行直接匹配,该算法具有识别速度快,准确率高的特点,经实验验证,识别时间为30.1ms,识别率达到98.86%,与经典算法相比较,算法简单,安全性高,具有放缩,平移、旋转不变性.     

基于STM32的手持式测氧仪设计

针对国内传统手持式测氧仪精度低、功耗高的问题,提出了采用嵌入式微控制器STM32F103RBT6作为控制芯片的手持式测氧仪.该仪器通过控制元器件的开断来降低待机功耗,根据所测浓度人工切换系统放大倍数,通过键盘设置时间和报警值等相关参数.算法上采用中位值平均滤波算法进行软件滤波,结合传统两点标定法和多点标定法的优缺点,采用多点标定法进行氧浓度标定,采用分段斜率拟合算法计算氧浓度值.经实验测试证明设计的手持测氧仪具有高精度和高稳定性.     

基于增强蜂群优化与k-means的文本聚类算法

针对文本数据维度较高、空间分布稀疏及其聚类效果不佳的问题,提出一种基于增强蜂群优化搜索与k-means的高效文本聚类算法。首先为蜂群算法引入公平操作与克隆操作来提高全局搜索的能力,公平操作提高了样本多样性并增强了蜂群搜索能力,克隆操作则增强了各代之间的信息交流,提高了求解质量。最终引入k-means进行局部质心的提炼,提高聚类质量。基于文本数据集的试验结果证明,相较于其他聚类算法,本算法具有更高的聚类质量。     

面向多种场景的视频对象自动分割算法

针对当前应用于视频对象分割的图割方法容易在复杂环境、镜头移动、光照不稳定等场景下鲁棒性不佳的问题,提出了结合光流和图割的视频对象分割算法.主要思路是通过分析前景对象的运动信息,得到单帧图像上前景区域的先验知识,从而改善分割结果.论文首先通过光流场采集视频中动作信息,并提取出前景对象先验区域,然后结合前景和背景先验区域建立图割模型,实现前景对象分割.最后为提高算法在不同场景下的鲁棒性,本文改进了传统的测地显著性模型,并基于视频本征的时域平滑性,提出了基于混合高斯模型的动态位置模型优化机制.在两个标准数据集上的实验结果表明,所提算法与当前其他视频对象分割算法相比,降低了分割结果的错误率,有效提高了在多种场景下的鲁棒性.