基于Bayes 方法的多感觉信息融合算法及其应用

人类通过手对目标物的掂碍和触摸,可以估计其重量与导热性等,进而推断目标物可能属于哪一类,同样,利用机器人的力觉和热觉,可以实现有限样本内目标物的分类问题,本文分析了Bayes方法及其在信息融合中的应用,并将其推广到机器人中解决多传感器的信息融合问题,文中以实例形式说明,如何将机器人的力觉信息与热觉信息融合进行多目标的分类,最后用实验比较了融合前后系统的决策性能。     

面向对象的图像编程

介绍了面向对象程序设计方法在数字图像处理编程中的应用,并以数字图像处理类的设计和实现为例,提出了一个以图像处理为对象的类结构。     

实现机器人语音远程控制的研究

该文建设性地提出基于分布式组件技术(DCOM)构建多层网络化机器人远程控制系统，利用分布式组件技术实现了机器人的远程控制和网络共享。通过对语音识别技术的研究，在引进IBM ViaVoice语音识别的基础上，使语音识别技术与机器人控制系统有机结合实现机器人语音识别与控制。结合DCOM和IBM ViaVoice两者技术可以实现语音远程控制，使声音通过网络加以延伸，使控制者离开机器人嘈杂的操作环境，对远距离的机器人进行语音控制，使语音识别率得到很大的提高。     

Windows DNA分布式多层开发思想及其Delphi实现

利用Delplli开发基于Windows DNA的分布式多层应用系统在企业级具有广阔的应用前景。本文首先对Windows DNA分布式多层开发思想进行简要介绍，然后通过具体实例给出基本的实现过程。     

应用模糊信息融合实现目标物体的分类

本文在模糊集理论的基础上给出了利用模糊理论进行多传感器信息融合的一般化方法,并以一个实例,即,在我所自行研制的多感觉智能机器人上,利用其力觉和热觉传感器得到的信息,将两者融合,对机器人的抓取物分类。文章最后比较了融合前后的实验结果。     

用语气理论实现机器人多感觉信息的融合

阐述了基于Ｄ－Ｓ语气理论的多传感器信息融合算法,提出一种基于Ｄ－Ｓ理论的推广荆方法以解决融合信息的相关性问题。用机器人的力沉和热沉传感器作实验,对目标物体进行了分类识别。     

基于表面肌电信号的前臂手部多运动模式识别

基于表面肌电信号的肢体运动模式识别是假手仿生控制的基础，SEMG的个体差异与识别率是肌电假手实用化必须面对的问题。本文根据SEMG的频谱特性提出了一种新的特征提取方法——功率谱比值法。该方法的主要特点是以实时取得的SEMG功率谱信号为基础，确定最大功率谱附近的谱能量与全信号段谱能量之比为特征值，将人的个体差异影响降低到最低程度。模式分类器采用特别设计的Bayes统计决策算法，该方法在非特定人的条件下应用于前臂肌群的多运动模式识别时，识别正确率达到84％，已具备一定的实用性。     

表面肌电信号的小波消噪改进算法

根据在不同尺度下信号和噪声的小波变换系数的相反特性，提出了一种改进的小波消噪算法来去除肌电信号中的噪声.利用Mallat算法对肌电信号进行小波分解，实质上就是将信号投影到尺度空间和小波空间，分别包含了信号的光滑通道分量和细节分量.兼顾软阈值和硬阈值量化方法的优点，利用两者的加权平均值滤除由噪声所决定的小波变换系数，从而在大尺度下补充细节信息并保持信号在奇异点的特征.利用保留下来的小波变换系数进行信号重构即得到消噪后的信号.实验结果表明，该方法可以有效去除噪声，兼顾了软、硬阈值的优点，保留了在模式变化过程中肌电信号细节部分的有用信息.     

用证据理论实现相关信息的融合

用D-S(Dempster-Shafer)证据理论进行多信息融合有一个严格的要求,即要求各传感器所提供的证据相互独立。这在很多实际场合中却很难实现。本文简要地阐述了基于D-S证据理论的多传感器信息融合算法,提供了一种基于D-S理论的推广方法以解决信息融合的相关性问题。并用机器人的力觉和热觉传感器作实验,对该方法的有效性进行了研究。     

基于经验模态分解样本熵的肌电信号识别

针对表面肌电信号非线性、噪声强等特点,设计一种快速有效的表面肌电信号手部多运动模式识别方法,用于肌电假手的实时控制。提出了一种基于经验模态分解样本熵和聚类分析的表面肌电信号多运动模式识别方法。该方法对动作持续阶段的信号首先进行经验模态分解,将其分解为多个平稳的固有模态函数（ IMF）,再依据频率有效度选取若干个包含肌电信号有效信息的IMF分量求和后,计算其样本熵。以尺侧腕伸肌和尺侧腕屈肌两路肌电信号对应的EMD样本熵作为特征向量,设计了主轴核聚类算法的聚类分类器进行模式识别。成功识别了展拳、握拳、腕上翻和腕下翻4种动作,平均识别率达到93%。该方法取得了较高的识别率,抗干扰能力强,计算量少,可用于肌电假手的控制。