公共文化服务平台

共 8 条记录，以下是 1-8

全选清除导出

排序方式：

脑机接口中的一种事件相关电位分离模型被引量：1: 2015年; 事件相关电位(ERPs)分析揭示了脑机接口的认知神经机制,并为脑机接口技术的突破提供新的思路.然而与传统ERP研究不同的是,脑机接口中刺激呈现的时间间隔要远小于前者,并在平均信号中可以观察到较强的周期性干扰,致使其中包含的ERP成分的幅度和潜伏期等重要参数较难准确得到,为进一步的ERP分析造成障碍.目前关于这一干扰的形成原因和消除方法尚缺乏相关研究.本文首先建立了ERP信号的分离模型.模型认为ERP成分的混叠效应解释了平均信号中的周期性干扰.而后提出Toeplitz方法和差异波方法对模型进行求解,以消除干扰并恢复ERP成分.使用实测实验数据和公开数据库的数据对所提出模型与求解方法进行分析,结果表明,Toeplitz方法可以从非靶刺激平均信号中恢复出ERP成分,而差异波方法则可以有效地抑制混叠效应,并分离出基线平稳且各成分突出的ERP信号,从而验证了所提出模型与方法的合理性.本文的研究为脑机接口的ERP分析中周期性干扰的解释与消除提供了依据,并进一步为脑机接口的认知研究提供保障.; 马征邱天爽; 关键词：脑机接口事件相关电位信号模型 P300

一种基于小波域主成分分析的心电压缩算法被引量：1: 2016年; 目的为降低心电信号存储和传输的数据量,并克服传统心电压缩方法只利用导联内相关性的劣势,本文提出一种基于小波域主成分分析和分层编码(w PCA_LC)的压缩方法。方法首先通过心电电极获取12通道心电数据,对所有通道的心电信号做小波变换,每个尺度下的小波系数组成小波系数矩阵,在每个系数矩阵上做主成分分析(principal component analysis,PCA),之后对小波系数小的主成分做[位置增量,数据]的编码方式,其他主成分采用霍夫曼编码,最后使用本文算法压缩圣彼得堡心率失常数据库。结果实验表明,在均方根误差为5.2%时,本文算法的压缩比为71,远高于基于稀疏分解的方法和基于小波变换阈值选择的方法。结论基于小波域主成分分析的心电压缩算法对多导联心电信号具有较好的压缩性能。; 张彪邱天爽; 关键词：多通道心电

脉冲噪声下基于循环相关熵和稀疏重构的宽带信号DOA估计被引量：8: 2020年; 针对脉冲噪声与同频带干扰并存时宽带信号的波达方向(DOA)估计问题,该文提出一种结合循环相关熵(CCE)与稀疏重构的算法。首先,分析了宽带信源的接收信号模型,并利用循环相关熵的性质构造出对脉冲噪声与同频带干扰具有抑制能力的宽带信号虚拟输出阵列。随后对该虚拟输出阵列进行稀疏表示,并通过归一化迭代硬阈值(NIHT)算法进行稀疏重构,从而估计宽带信号的波达方向。实验结果表明,该算法对脉冲噪声和同频带干扰具有很好的抑制作用,并且相较已有算法在估计性能方面有明显的改善。; 张家成邱天爽栾声扬李景春李蓉; 关键词：脉冲噪声

相关熵与循环相关熵信号处理研究进展被引量：16: 2020年; 在无线电监测和目标定位等应用中,接收信号经常会受到脉冲噪声和同频带干扰等复杂电磁环境的影响,传统的基于2阶统计量的信号处理方法往往不能正常工作,基于分数低阶统计量的信号处理方法也由于对信号噪声统计先验知识的依赖性而遇到困难。近年来提出并受到信号处理领域普遍关注的相关熵和循环相关熵信号处理理论与方法,是解决复杂电磁环境下信号分析处理、参数估计、目标定位和其他应用问题的有效技术手段,有力促进了非高斯、非平稳信号处理理论方法和应用的发展。该文系统性地综述了相关熵和循环相关熵信号处理的基本理论和基本方法,包括相关熵与循环相关熵的起源背景、定义概念、性质特点,以及所包含的数学物理意义。该文还介绍了相关熵与循环相关熵信号处理在多个领域的应用问题,希望对非高斯、非平稳统计信号处理的研究和应用有所裨益。; 邱天爽; 关键词：信号处理非高斯非平稳

广义复相关熵与相干分布式非圆信号DOA估计被引量：4: 2019年; 针对相干分布式非圆信号参数估计算法在脉冲噪声环境下性能退化的问题,本文提出了广义复相关熵的概念,并给出了基于广义复相关熵的相干分布式非圆信号DOA(Direction of Arrival)估计方法。该算法首先由分布式信源模型获得入射信号的阵列输出信号,利用信号的非圆特性得到扩展阵列输出信号,再通过扩展阵列输出信号的广义复相关熵矩阵获取信号子空间,避开了传统二阶统计量算法在脉冲噪声下不适应的问题,最后由信号子空间旋转不变特性得到信号的中心波达方向角度。仿真实验结果表明,在Alpha稳定分布噪声条件下,与传统算法相比,本文所提算法具有更好的性能。; 朝乐蒙邱天爽李景春李蓉; 关键词：中心波达方向 ALPHA稳定分布

确定性信号分解与平稳随机信号分解的统一研究被引量：8: 2016年; 对确定性信号分解与平稳随机信号分解进行了深入统一的研究。首先根据线性系统稳定性理论,分别给出正则稳定情况下与边界稳定情况下2种信号分解的统一研究结果。然后根据线性空间投影理论,分别给出正交投影情况下与自投影情况下2种信号分解的统一研究结果。前一种研究明确具体且物理意义清晰,后一种研究数学意义与几何意义清晰,将两者合在一起研究,相得益彰。; 王宏禹邱天爽; 关键词：信号分解正交投影

基于PCNN-LSTM神经网络的膝关节摆动信号分类识别: 2021年; 膝关节摆动(VAG)信号是指膝关节屈曲或伸展时发出的声音或振动信号,可灵敏、客观地描述膝关节的健康状态,在膝关节疾病的无创检测中具有重要作用。现有的对VAG信号正常和异常分类方法自动化程度低,且分类准确度较低,总体性能有待进一步提升。因此,提出一种基于改进卷积神经循环网络(PCNN-LSTM)的VAG信号分类算法。首先,利用经验模式分解(EMD)和小波变换,将一维VAG信号变换为二维时频特征谱图,并将其用作数据集;然后,在串行神经网络的基础上融合并行卷积神经网络结构,再与LSTM神经网络相结合构成改进的PCNN-LSTM模型,以此区分正常或异常的VAG信号,实现对膝关节健康状态的自动检测。采用由加速度传感器(181A02)和USB采集仪(FSC812)所采集的真实VAG信号,构建数据集对所提出算法性能进行验证。数据集由654例样本构成,其中包括健康数据222例和患有膝关节疾病的数据432例。实验表明,所提出算法的分类正确率为96.93%,灵敏度为100%,特异性为95.56%,相比其他算法可得到较好的分类识别效果,对于膝关节疾病的无创检测和辅助诊断具有重要意义。; 杨佳邱天爽刘宇鹏; 关键词：经验模态分解小波变换卷积神经网络

基于VAG信号的膝关节疾病无创检测与分类的研究进展: 2021年; 介绍了膝关节疾病的分类与膝关节摆动(vibroarthographic,VAG)信号在膝关节疾病无创检测和辅助诊断中发挥的作用,综述了VAG信号的提出和采集、预处理、特征提取和分类识别等方面的研究进展,分析了现阶段基于VAG信号的检测方法仍需解决的问题。指出了随着计算机技术的发展,将人工智能、大数据中的分析方法应用于VAG信号辅助诊断膝关节疾病是未来的研究方向和发展趋势。; 杨佳邱天爽刘宇鹏常世杰史凯元; 关键词：膝关节时频分析

全选清除导出

共1页<1>

国家自然科学基金(81241059)

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

国家自然科学基金(81241059)

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈