人工胰脏中数据驱动个体血糖代谢模型的辨识

数据驱动时间序列模型是人工胰脏系统中最常用的一类血糖预测模型,但其血糖预测精度受到进食不确定性和胰岛素敏感性波动等实际因素的影响。本文从真实血糖测量数据入手,提出基于卡尔曼滤波参数估计的带输入误差滑动平均模型的辨识方法,将辨识结果与最小二乘法辨识结果进行对比。结果表明,本文提出的辨识方法具有辨识精度高(FIT:90.05±3.12%v.s.54.41±9.56%)、能有效抵消实际因素的影响、对不同特征的个体能获得稳定的辨识结果等优势。     

机械制造与自动化应用分析

随着我国当今社会的快速发展,我国的科学技术在整体发展过程当中,越来越趋向于智能化,自动化。尤其是当我国社会在整体发展过程当中,步入到信息化发展时代,计算机技术,多媒体技术,信息化技术开始应用到我国各行各业的发展当中,运用智能化,自动化新兴信息数字化技术,能够更好的保证产业在进行整体发展过程当中,运用全新的管理模式,提高企业社会发展效率。尤其是我国当今的机械制造行业,结合先进的自动化技术,智能化技术,对机械制造产业的整体管理模式和生产工序进行创新,大大提高了我国当前机械制造行业的发展效率。本文将会就机械制造与自动化应用进行详细分析与论述。     

广州地铁手机上网质量分析

文章利用信令数据对广州地铁的手机上网质量进行了分层分析,找出影响上网质量的无线短板进行优化提升,从而提升地铁总体上网质量,形成一种利用信令数据在现网大量网管告警小区中圈定真正影响用户上网感知的无线短板小区的方法.     

统一建模语言在小型信息系统设计中的应用

在简单介绍统一建模语言（UML）的基础上着重分析了它在一个实际的小型管理信息系统的设计过程中的应用。     

一种用于生物刺激反馈系统的新型刺激电流源

在临床医学领域,生物刺激反馈技术已被越来越多地用于偏瘫患者的运动功能康复治疗.刺激电流源作为生物刺激反馈系统的重要组成部分,一直以来都是该领域的研究重点.基于双相脉冲波设计了适用于生物刺激反馈的刺激电流源,并进行了实验和测试.结果表明,系统输出的双相脉冲波形幅值在0～80 mA连续可调,波形稳定,刺激频率和连续刺激时间等参数可根据需要进行设定,这为生物刺激反馈系统的进一步研究和完善提供了参考和依据.     

工业监控中无线传感器网络路由算法的研究

根据工业无线传感器网络对实时性、稳定性和可靠性的要求,对目前广泛应用的LEACH路由协议进行改进,提出一种基于Dijkstra的最短路径路由算法,具有较好的可扩展性并且容易实现.算法改变了LEACH协议的随机簇首选择机制,选用能量高、处理能力强的异构节点作为固定的簇首节点;另外,本算法将LEACH协议中的簇首节点与汇聚节点直接通信改进成多跳传输,多跳传输的最短路径由Dijkstra算法获取.仿真表明,根据该算法,源节点和汇聚节点间的传输时延能够满足工业应用的要求.     

一种新型MICS频段可植入天线的设计

设计了工作在MICS频段,尺寸为10 mm×10 mm×1.905 mm的可植入天线。采用高相对介电常数材料和平面倒F结构微带天线(PIFA)结构以降低天线尺寸。经过软件HFSS仿真计算,对天线模型参数进行了优化,得到最佳的设计效果。天线在403 MHz的谐振频点上回波损耗小于–20 dB,在实现小型化的同时,保持–37 dB的天线远场增益,保证了天线工作的可靠性。     

强矩形榕树网虫孔通信延迟分析

本文介绍了一种并行计算机强矩形榕树网上虫孔寻径方案的性能分析的方法,包括建立榕树网的数学模型,计算榕树网每一级上的消息密度,利用生灭过程来求解榕树网的平均通信延迟。本文的分析结果可直接适用于各种强矩形榕树网的特殊形态,如ＳＴＡＲＡＮ、间接二进制ｎ方体网络、Ω网络等。     

基于移动通信网络的智能家居通信模式思考

移动通信网络支撑智能家居建设具有独特的优势,较详细地分析了智能家居中两种移动通信家庭网络模式。     

基于遗传算法和极限学习机的Fugl-Meyer量表自动评估

为实现脑卒中上肢居家康复评定的自动化和定量化,针对临床上最常用的Fugl-Meyer运动功能评定（FMA）量表,利用极限学习机（ELM）建立了FMA量表得分自动预测模型。选取FMA肩肘部分中的4个动作,采用固定于偏瘫侧前臂和上臂的两个加速度传感器采集24名患者的运动数据,经预处理和特征提取,基于遗传算法（GA）和ELM进行特征选择,分别建立单个动作ELM预测模型和综合预测模型。结果显示,该模型可对FMA肩肘部分得分进行精确的自动预测,预测均方根误差为2.1849分。该方法突破了传统评定中主观性、耗时性的限制及对康复医师或治疗师的依赖性,可方便用于居家康复的评定。速度传感器采集24名患者的运动数据,经预处理和特征提取,基于遗传算法（Genetic Algorithm, GA）和ELM进行特征选择,分别建立单个动作ELM预测模型和综合预测模型。结果显示,该模型可对FMA肩肘部分得分进行精确的自动预测,预测均方根误差为2.1849分。该方法突破了传统评定中主观性、耗时性的限制及对康复医师或治疗师的依赖性,可方便用于居家康复的评定。