公共文化服务平台

张涛: 作品数：10 被引量：48H指数：4; 供职机构：吉林大学通信工程学院更多>>; 发文基金：吉林省科技发展计划基金国家教育部博士点基金国家高技术研究发展计划更多>>; 相关领域：自动化与计算机技术电子电信医药卫生机械工程更多>>

合作作者

基于LMI的具有输入时滞不确定系统鲁棒控制器的设计被引量：2: 2006年; 研究了具有固定输入时滞不确定系统的鲁棒镇定问题,并针对现有的还原算法设计出来的鲁棒控制器复杂且难实现的缺点,给出了一种改进的还原方法,得到了一个通过求解线性矩阵不等式(LM I)来获得鲁棒稳定化控制器的设计方法,设计出的控制器计算简单且易实现。数值算例及仿真结果表明了算法的有效性和优越性。; 张涛李元春; 关键词：自动控制技术输入时滞鲁棒控制器

基于DD-DWT和Log-Logistic参数回归的癫痫脑电自动识别方法被引量：11: 2017年; 针对现有癫痫脑电(EEG)识别算法分类模式单一、普适性不强的问题,提出了一种新的基于双密度离散小波变换(DDDWT)和Log-Logistic参数回归(LLPR)的脑电信号自动识别方法。不仅利用了DD-DWT算法的分解特性,还建立了脑电信号的LLPR模型,并将二者有机的结合,从而更好的发挥算法的优势。滤波后脑电信号由DD-DWT进行6层分解,提取各子频带系数的小波域能量波形,并结合LLPR模型计算尺度参数α和形状参数β以表征信号,将构成的特征向量送入遗传算法(GA)优化的支持向量机(SVM)得出识别结果,从而实现脑电信号的自动识别。所提方法在处理A\D\E与AB\CD\E两种多模式脑电分类问题时,识别率分别为98.90%和97.75%。实验结果表明,所提算法更符合实际应用需求,可以较好地解决多类脑电信号识别问题,具有良好的普适能力和分类性能。; 李明阳陈万忠张涛; 关键词：癫痫脑电

基于非负矩阵分解的癫痫脑电自动检测被引量：1: 2017年; 针对多分类癫痫检测算法因特征维数多而导致识别率不理想的问题,提出了一种基于分数阶傅里叶变换(Fr FT:Fractional Fourier Transform)和非负矩阵分解(NMF:Non-negative Matrix Factorization)的癫痫脑电自动识别算法。首先采用Fr FT对脑电信号进行时频聚焦,并利用短时傅里叶变换(STFT:Short-Time Fourier Transform)提取脑电信号的时频特征;再应用NMF对提取的时频特征进行降维;最后将降维后的特征输入到支持向量机(SVM:Support Vector Machine)分类器中进行识别。实验结果表明,该方法能识别正常、癫痫发作间期和癫痫发作期3类脑电信号,其分类准确率可达98.8%。; 张雨烟陈万忠张涛李明阳; 关键词：分数阶傅里叶变换短时傅里叶变换非负矩阵分解支持向量机

一种基于时变时延辨识的遥操作双向控制方法: 遥操作中的通信时延一直是遥操作控制中的难点。本文首先介绍了无源性及波变量,然后分析了通信时延变化的原因,主要针对这种时变时延给出一种基于互相关技术的时延参数在线辨识方法,该方法能够快速跟踪时变时延参数,并将其与波积分结合...; 张涛李元春; 关键词：波变量时变时延; 文献传递

基于频率切片小波变换和支持向量机的癫痫脑电信号自动检测被引量：17: 2016年; 实现癫痫脑电信号的自动检测对癫痫的临床诊断和治疗具有重要意义.本文提出先使用频率切片小波变换分离出5个不同频段的节律信号,再分别计算每个节律信号的近似熵和相邻节律的波动指数,最后使用遗传算法优化的支持向量机进行分类.实验结果表明,所提出的方法能够对正常、癫痫发作间期和癫痫发作期三种脑电信号进行准确分类,分类准确率为98.33%.; 张涛陈万忠李明阳; 关键词：支持向量机

基于时变时延辨识的双向遥操作控制方法被引量：1: 2006年; 遥操作中通信时延的时变性一直是遥操作控制中的难点。为了解决此问题,首先分析了遥操作中通信时延变化的原因,然后针对这种时变时延给出了一种能够快速跟踪时变时延参数的在线辨识方法,最后给出了一种专门针对遥操作中时变时延的控制方法。仿真结果证明了控制方法的有效性。; 张涛李元春; 关键词：自动控制技术时变时延遥操作

基于IP组播视频会议系统的研究与实现被引量：4: 2007年; 为了解决IP网络上多媒体通信领域的带宽资源缺乏问题,论述了视频会议系统的设计及系统实现过程中关键技术的解决方案。提出了采用IP组播方式传输视频流,以节省网络带宽;参照H.332协议设计该系统终端与终端之间的通信机制;使用DirectShow技术处理每个客户端之间的视频数据交互,并开发了网络视频流传输Filter。测试结果表明,使用组播传输有效地节省了网络带宽,系统具有很好的规模扩展性。; 董兴娥迟学芬周仁贵张涛; 关键词：IP组播

基于灰度理论模型的截肢受试者手势分类方法研究被引量：1: 2021年; 针对截肢者手势动作特征提取复杂、动作识别率较低的问题,该文提出一种基于灰度模型的特征提取方法。首先对预处理后的肌电信号与加速度信号经滑动窗信号截取。然后提取表面肌电信号均值、灰度模型的驱动项系数和加速度信号的绝对值均值构成特征向量,最后对滑动窗截取信号特征进行连续的识别。该文采用NinaPro(Non invasive adaptive Prosthetics)公开数据集对提出的方法进行验证,实验表明该文算法能够有效提取肌电和加速度信号的特征,对9名截肢受试者的17类手势动作的平均识别率达到91.14%,提高了17类手势的识别准确率,为仿生假肢人机交互控制算法提供了一种新的思路。; 严光君陈万忠张涛蒋鋆任水芳; 关键词：表面肌电信号

基于可调Q因子小波变换的识别左右手运动想象脑电模式研究被引量：6: 2019年; 针对识别左右手运动想象脑电图信号(EEG)模式精度和互信息不高的问题,该文采用基于可调Q因子小波变换(TQWT)算法来处理脑电信号。首先,利用TQWT对脑电图信号进行分解;随后,提取子频带信号的小波系数能量、自回归模型(AR)系数以及分形维数;最后,利用线性判别分析(LDA)对提取的脑电特征进行识别。采用BCI2003和BCI2005竞赛数据对所提出的算法进行验证,4名受试者的最高识别率分别为88.11%, 89.33%,77.13%和78.80%,最大互信息分别为0.95, 0.96, 0.43和0.45。实验结果表明,所提算法取得了高分类精度及互信息值,验证了其有效性。; 陈万忠王晓旭张涛; 关键词：脑电图线性判别分析

基于AdaBoost算法的癫痫脑电信号识别被引量：10: 2015年; Ada Boost算法作为Boosting算法的经典算法之一,在人脸检测和目标跟踪等领域得到了广泛应用,但该算法也有一个缺点——退化问题.为了解决这个问题,通过对弱分类器进行筛选、引入平滑因子和权值修正函数三个措施对算法进行优化,并将优化后的算法与小波包分解相结合应用到癫痫脑电信号的识别上.结果表明,本文算法对癫痫脑电信号的识别率为96.11%,对正常脑电信号的识别率为99.51%,具有较高的识别率,为癫痫的正确诊断提供了一种可能有效的解决方案.; 张涛陈万忠李明阳; 关键词：ADABOOST算法小波包分解