条形码打印软件系统的开发

本文介绍了一种性能优良的条形码打印软件,该软件能在目前所流行的点阵、喷墨打印机上印制多种条码,并具有良好的用户界面,使用非常方便。     

多层前馈网络在图象分割中的应用

本文提出用多层前馈网络进行基于边缘信息的图象分割，讨论了学习样本的提取步骤和网络学习的速度改进方法，实验表明，用多层前馈网络进行图象分割能获得良好的结果。     

结合眼电和脑电的人-机交互系统设计与实现

为了改善传统人-机交互(HCI)系统性能,设计并实现了一种结合眼电(EOG)和脑电(EEG)的人-机交互系统。该系统首先使用谱熵对眼电和脑电混合信号进行端点检测,在此基础上,分别识别操作者眨眼信号与脑电信号,并根据识别结果生成不同的控制命令。在实验室环境下对该系统进行测试,其眼电与脑电的平均识别正确率分别达到97.3%和92.7%,测试结果表明该系统可以有效保证命令选择的正确性和稳定性,提高人-机交互效率。     

基于曲线拟合和SVM的眼动信号分类算法研究

为提高基于EOG的眼动信号分类算法精度,改进基于EOG的人—机交互系统性能,提出了一种基于曲线拟合(curve fitting)与支持向量机(SVM)的眼动信号分类算法(CF-SVM),并设计了新的实验范式,增加了“扫视保持”环节.该算法采用曲线拟合方法进行特征提取,在此基础上,使用SVM分类器对眼动信号进行分类.实验室环境下,对9名眼部活动正常的受试者进行了眼动数据采集与识别,CF-SVM算法的平均分类准确率达到98.3％,与其他几种眼动识别方法相比较,其平均正确率分别提升了9.4％、5.9％、1.0％.实验结果表明,CF-SVM算法在眼动信号识别中表现了良好的性能,具有高的分类精度和鲁棒性.     

高分辨率超声Lamb波频散曲线测量与板厚估计

超声Lamb波在工业无损检测与 评价中具有广阔的应用前景。但受制于超声导波多模式频散与混叠的影响,如何实现高分辨率超声导波的模式分离与频散曲线提取,进而定量分析材料的健康状况一直是研究的热点与难点。本文旨在将现代信号处理中广泛采用的谱估计技术应用于超声Lamb波阵列信号分析,并通过提取频散曲线定量测量板厚度。以经典参数谱估计法中的Yule-Walker法与Burg法为例,实验测量和分析了3 mm,4 mm和 5 mm厚铝板中的宽带多模式Lamb波信号,准确地提取了铝板中的宽带Lamb波频散曲线,并比较了两种经典谱估计方法与二维傅氏变换法的性能,最终实现了铝板厚度估计。     

基于改进谱减方法的语音增强研究

由于噪声的影响导致语音信号的质量降低,因此需要对语音信号进行语音增强。语音增强是语音信号处理的前沿领域,其主要目标足从带噪语音中提取纯净的原始语音信号。介绍了实现语音增强方法的原理,利用实验仿真了传统谱减法和改进谱减方法,改进法通过对带噪信号进行参数调整,然后进行频域谱减,实验结果表明改进方法对语音增强效果明显好于传统方法。此外,对传统谱减法和改进谱减法的信噪比分别进行了计算,结果表明改进谱减方法的信噪比相对传统谱减方法有很大提高。     

ICA在思维脑电特征提取中的应用

简要介绍了独立分量分析（ICA）的基本思想及算法，并将其应用在基于多导思维脑电（mental EEG)的特征提取方面。实验结果表明：ICA可以将脑电信号中包含的心电（ECG）、眼电（EOG）等多种干扰信号成功地分离出来，较好地完成了脑电消噪预处理工作。同时，通过使用ICA方法对不同心理作业的脑电信号进行分析处理，发现了与心理作业相对应的脑电独立分量特征，这些稳定的独立分量特征为心理作业分类和脑一机接口技术提供了新的实现方法。     

基于核Fisher判别分析的意识任务识别新方法

提出一种新的基于核Fisher判别分析的意识任务识别新方法。该方法首先通过核函数建立一个非线性映射，把原空间的样本点投影到一个高维特征空间，然后在特征空间应用线性Fisher判别。利用不同意识任务生成的脑电数据对KFDA和FDA进行比较，最后用线性支持向量机进行分类和识别，并与非线性支持向量机进行了比较，结果表明KFDA的识别率明显优于后二者。     

掺砾黏土蠕变性质的三轴试验

为分析掺砾量、围压和应力水平对掺砾黏土蠕变性质和规律的影响,对以不同黏土和砾混合比备制的掺砾黏土进行了不同围压和不同应力水平下的三轴排水蠕变试验。土样掺砾量分别为30%、40%、50%和70％,试验围压50kPa~200kPa,应力水平0.21~1.04。试验结果表明掺砾黏土受荷后发生较明显的瞬时变形和蠕变变形,其蠕变变形将趋于一稳定值;蠕变变形随应力水平和围压的增大而增大,随掺砾量的增加而减小。提出一个三参数经验蠕变方程以表示掺砾黏土的应力水平-轴向应变-时间关系,其中轴向应变-时间关系和应力水平-轴向应变关系以双曲线方程表示,并分析了模型参数的意义和取值。     

基于EOG的扫视角度识别与分类研究

论文对基于眼电信号（EOG）的扫视角度识别算法进行研究。设计了扫视角度定位和EOG采集实验。提出了联合线性预测系数和波形参数的EOG特征描述新方法;并使用BP神经网络与支持向量机对特征向量进行识别和分类。实验结果表明,本文所提出的方法能较好地识别出不同扫视角度的眼动模式。