基于非线性动力学理论的生理信号分析

非线性动力学理论是在系统动力学、确定论和随机概率论等多学科交叉基础上发展而来的新兴学科,它在生物医学工程中已经得到了广泛的应用.生理信号已经被证明是混沌信号,它具有广泛的非线性动力学特征.因此可以应用非线性动力学理论对生理信号进行分析,获得胜利信号的非线性动力学特征参数,如最大Lyapunov指数、近似熵等,将这些参数指标运用在临床应用上,以实现对疾病的早期诊断、治疗以及预后评估与检测.     

基于两步迭代收缩法的多稀疏空间图像快速重构方法

由于多稀疏空间图像重构时,像素范围选取过大、峰值信噪比低以及重构时间长,导致图像重构方法存在重构效果差的问题,提出基于两步迭代收缩法的多稀疏空间图像快速重构方法。明确多稀疏空间图像重构存在的问题,在明确问题后,以迭代收缩阈值算法为基础,引入迭代加权收缩算法,结合每一轮迭代结果作为初值,完成图像重构的两步迭代收缩法设计,实现多稀疏空间图像快速重构。实验结果表明：应用该方法后的重构多稀疏空间图像峰值信噪比达到37.9 dB以上,图像重构时间仅为16.0 ms,图像结构相似性达到了0.98以上,并且重构多稀疏空间图像的效果更好,经过实验分析证实了所提方法具备可行性。     

远程监护系统中ZigBee网关的设计

ZigBee是一种新兴的无线通信技术,本文介绍了一种基于ZigBee的无线网关设计方法并应用到远程监护系统中。完成后的网关设备能实现数据从ZigBee无线传感器网络到互联网的转换,且有较好的通用性,有着广泛的应用前景。详述了该基于双MCU网关的硬件设计方案和在ZigBee协议与TCP/IP协议传输数据的软件编程思路。     

基于图卷积网络的运动想象识别

运动想象识别将大脑的神经活动信号转为编码输出以实现意念控制,是脑机接口的一个重要研究方向.近年来深度学习算法的应用进一步提高了运动想象识别的准确率,但是当前基于深度学习的运动想象分析都将多路脑电信号作为二维矩阵信号,忽视了不同节点的空间关联信息.为了解决这个问题,将图卷积网络算法应用到运动想象分类中,通过多个节点脑电信...     

基于FPGA的HRV信号分析

心率变异性(Heart Rate Variability,HRV)信号蕴涵着大量有关心血管控制系统及体液调节等的信息,对这些信息的提取、分析和处理具有重要的生理学研究及临床应用意义。FPGA(Fielded Programmable Gate Array)器件具有较高的并行计算能力,对数字信号处理具有很好的实时性,利用其完成离散小波变换,并在此基础上利用不应期、自适应阈值等方法提出了一种R波检测方法,在细节信号中分析HRV信号,具有高速简单的优点。     

基于数学形态滤波和提升小波变换的R波检测

利用数学形态学与提升小波变换相结合的方法对心电信号进行分析处理。先用数学形态方法对心电信号进行滤波预处理,可以有效地去除高频白噪声与低频的基线飘移,再利用提升小波变换对处理后的心电信号进行多分辨分析,得出各层逼近信号与细节信号,并在此基础上结合不应期、自适应阈值和回溯检漏等方法,提出了一种动态的R波检测算法,使得QRS波群的检出率达到99.89%。     

基于弱关联挖掘的网络取证数据采集系统设计与实现

对海量网络日志和服务器数据进行数据挖掘,获取网络取证,在分析犯罪证据方面具有较大的应用价值;传统的数据采集系统,主要增加对网络取证数据进行滤波处理模块,增加采集系统采集的准确率,存在采集时间长、效率低的问题;提出基于弱关联挖掘的网络取证数据采集系统设计方法,对网络取证数据采集系统的总体设计描述与技术指标分析;并以此为基础,设计基于弱关联规则特征提取的网络取证数据挖掘算法,实现网络取证数据的准确检测和采集;在嵌入式Linux平台上进行网络取证数据采集系统的软件开发和系统设计;实验结果表明,采用该系统对网络日志和服务器数据中犯罪证据进行取证采集,其可靠性较高,取证数据采集精度高于传统方法,展示了较好的应用价值。     

计算机网络管理及相关安全技术分析

计算机是一个划时代的产物,随着计算机及其相关设备的广泛普及,人们迎来了信息技术促进社会生产和人们生活水平飞速发展的时代。在此基础上,网络逐渐融入国民生活的各个方面,并且发挥了不可替代的作用,但是随之产生的网络安全和计算机问题也越来越困扰人们的生活。本文就当前计算机网络管理实际情况展开了讨论,针对常见的计算机安全问题提出了有效的解决方案。     

基于失匹配负波的大脑功能性网络分析

根据正常人与听力损伤患者的失匹配负波（MMN）数据建立大脑功能性网络,计算该大脑功能性网络的复杂网络统计特性,发现所建立的功能性网络相对于随机网络具有类似无标度特性,而且具有高聚类系数、小特征路径长度的小世界网络特性;另外,还计算了功能性网络的平均度和网络结构熵,结果发现正常人的功能性网络的平均度、聚类系数、结构熵等参数均高于听力损伤患者的相应参数,提示了听力损伤后脑功能网络连接减弱可能是声源分辨能力下降的中枢表现,同时也反映了平均度、聚类系数、结构熵等功能性网络参数可作为反应听力损伤后声源分辨能力下降的诊断标志。     

基于微状态的静息态脑电信号分析

利用微状态的时-空分析特性,采用高密度(128通道)脑电图对20例主观性耳鸣患者和20例对照组的微状态特征进行了研究.通过微状态的平均存在时间、发生频率、覆盖率、振幅和转换率参数的计算与分析,揭示了耳鸣患者和健康人脑电微状态分类的时间特征和语构存在显著差异,也反映了脑电图微状态可以作为大规模脑网络的一种有价值的分析研究方法.