基于UPE-SVM模型的脊髓损伤康复方案决策算法

脊髓损伤患者康复治疗方案一般是由医生根据患者功能评估结果人工制定的,康复治疗方案决策存在效率低下、标准不一以及病例数据集样本类别不平衡等问题。本文提出了一种用于脊髓损伤智能康复治疗方案决策的UPE-SVM推理模型,并基于124例脊髓损伤病例建立了用于模型训练与验证的病例数据集。应用训练好的UPE-SVM模型,推理出对应患者病症特征的初始治疗方案,供治疗师参考修正出最终治疗方案,并更新到病例数据集。使用更新后的新病例数据集,继续在线训练UPE-SVM模型,提高UPE-SVM模型的学习能力和泛化能力。经测试集验证,此决策算法的AUC指标为0.85,F₁-score为0.80,精确率为80%,召回率为85%,有效克服了数据集的样本类别不平衡问题,提高了智能康复治疗处方的决策准确率。     

利用周期重复CLEAN的GNSS欺骗式干扰抑制算法

欺骗式干扰能够引导接收机出现定位错误甚至是控制接收机,对全球卫星导航系统在民用以及军事领域的安全应用构成极大的威胁。本文针对转发式欺骗干扰的问题,提出了一种基于周期重复CLEAN的卫星导航欺骗式干扰抑制算法。首先,利用欺骗式干扰空间和功率特征以及C/A码的周期重复特性,采用CLEAN方法估计多个欺骗式干扰源来向以及欺骗式干扰源个数。其次,结合线性约束最小方差（LCMV）算法和一阶微分约束算法,计算天线自适应权值。高保真数据实验表明本文方法能抑制多个欺骗干扰,且无需接收机反馈信息,可以作为一个独立的抗欺骗式干扰模块嵌入普通接收机。