野外场景分析与水体识别新方法的研究

 根据视觉认知规律,提出描述野外场景图像的三要素:地面、垂直物、天空,给出了单视角野外场景图像方程,通过采用基于独立图元函数码的三要素图像快速分类方法,实现对野外场景图像的分割,并且只在地面上去识别水体.本文重点讨论了野外场景中水体光照模型,分析了野外场景的相关物理特性,定义了水质参数、环境染色参数、图元、独立图元函数码、母图元等新概念,给出了野外场景分析与水体识别系统,提出基于位置、纹理、地质系数和环境染色等多特征参数的数据融合水体识别方法.实验表明该方法对于宽阔的道路场景分析和道路上的水体识别可以得到很好的效果.     

一种新的人体运动强度检测方法的研究

据统计,在运动场所因心脏疾病突发导致人员伤亡的事件数量正逐年增加.为了正确评估人体在运动过程中运动强度的大小,使运动强度与个人健康控制在一个合理的范围,本文基于小波包分解对人体心音和心电信号的处理技术,利用小波包多分辨分析的特点,提出了一种小波包分解频带能量商的新方法,旨在将归一化能量结合到小波包分解当中,利用频带能量商作为检测人体运动前后心音、心电信号的生理参数;文中还给出了一种人体运动强度检测仪的实现方案.经实验论证本文所述人体运动强度检测方法分类识别效果好,硬件设备操作简单可靠,检测标准可调性强,能够很好地评估人体运动强度的大小,可以尽量避免因“过量运动”而导致心脏疾病突发事件的发生,防患于未然.     

基于时域边界估计的心音信号分段算法

从心音图中准确提取第一心音和第二心音的时域特性．是一个巨大的挑战．特别是在心脏出现病理的情况下。一个检测心脏疾病的系统．需要对心音信号的心动周期进行适当的边界估计。边界估计算法能够从心音图中给出准确的第一、第二心音的边界。提出一种新颖的边界估计算法,采用生物域特征．大大减少计算的时间和复杂度．而且更加准确。在此算法基础上,对50例心音样本进行分段识别。准确率达到96．30％．为下一步心音分析与诊断奠定基础．     

小波和神经网络在心音识别中的应用

提出一种心音的特征提取和分类方法,用离散小波变换分解、重构产生信号的细节包络,进而用于提取特征,从预处理的信号中提取统计特性,作为心音分类的特征。多层感知器用于心音的分类,并通过250个心动周期得到验证,算法识别率达到92%。     

基于多维复杂度的精神分裂症脑磁信号区分

为了更有效地识别脑磁信号,提出一种基于多维复杂度的脑磁信号分类方法。首先提取信号的AR模型系数、频带能量、近似熵和Lempel-Ziv复杂度作为特征。然后运用增[L]减[R]搜索算法结合距离准则选择通道。最后采用遗传算法选择特征子集,分别运用BP神经网络和SVM分类器检测特征子集的性能并对信号分类。实验结果表明精神分裂症患者的近似熵和Lempel-Ziv复杂度都高于正常人,患者的脑磁信号可能更加复杂。增[L]减[R]搜索算法选择的通道大多分布在颞叶区,即颞叶区域的通道可能携带了更多的差异信息。采用BP神经网络和SVM对特征数据分类,分别得到了98.5%和99.75%的正确率。     

公共空间模式算法结合经验模式分解的EEG特征提取

常规的公共空间模式分解方法需要大量的输入通道、缺乏频域信息,发展受到限制。为了克服以上缺点,将经验模式分解（Empirical Mode Decomposition,EMD）和公共空间模式算法结合,改变CSP滤波器成分选择方式,提出EMD-CSP算法来获取特征向量。该算法对预处理后的信号进行经验模式（EMD）分解,得到固有模态函数（Intrinsic Mode Functions,IMFs）,观察并计算每个IMF分量的能量谱,筛选有效的IMF频段（5~28 Hz）,使用改进的CSP滤波器进行滤波获取特征,最后使用支持向量机（Support Vector Machine,SVM）进行分类。分类结果得到9位受试的想象运动平均分类正确率为92%,证实了该算法的可行性与有效性。