经验模式分解在QRS波群和T波检测中的应用

针对未经预处理的心电信号中QRS波群和T波,提出一种基于经验模式分解的检测算法。该方法首先采用结合端点延拓的经验模式分解方法对信号进行分解,然后通过适当选择分解后的固有模态函数和残余分量,不使用经验阈值能得到准确的检测结果。利用MIT-BIH Arrhythmia Database中心电数据检测表明,QRS波群的检测率达到99%以上,T波的正确识别率也获得较大的提高。该算法中提出的端点延拓方法能有效地减少使用经验模式分解的次数,提高检测的实时性,具有较好的应用前景。     

脑电信号多重粗粒化复杂度分析方法研究

为了准确地描述脑电信号的精细结构和复杂成分,提出了基于多重粗粒化的脑电信号复杂度方法。根据脑电信号幅值微弱,幅值跨越大,一定幅值范围的脑电具有特定认知和生理意义的脑电特性,采用多重赋值,可尽量保留对信号复杂结构的描述;基于统计学特点(以百分比为阈值)对已经归一化的信号划分幅值域,进行粗粒化,基于传统方法计算复杂度。该方法有效地克服了经典LZC复杂度不能描述脑电精细结构的不足。提出了当脑电信号在粗粒化后出现局部周期,且达到一定阈值后(如beta波或具有相似幅值特性的脑电信号达到一定阈值),4重复杂度值小于10重复杂度值的假设,初步建立了脑电节律与多重LZC的联系。仿真计算和实际数据验证表明,多重LZC方法结果更准确、合理,而且能反映脑电节律成分特性。     

基于PCA和ELM的表面肌电信号手腕动作识别研究

为提高手腕动作的识别率,提出了一种将主成分分析(PCA)和极限学习机(ELM)相结合的手腕动作肌电信号识别方法。该方法提取手腕4种动作(内翻、外翻、握拳、展拳)的肌电信号,运用小波变化提取小波特征构造特征矢量,利用PCA算法对特征矢量进行降维,摒弃冗余信息,实现肌电信号特征参数的降维,最后运用ELM对降维后的数据进行识别分类。实验结果表明:将PCA和ELM相结合的方法有着更高的手腕动作识别率,验证了该方法的可行性。     

雷达辐射源模糊识别算法改进

改进了复杂电磁环境下雷达辐射源模糊识别算法。改进算法通过证据组合对模糊隶属度进行融合,很好地解决了识别中的不确定性,错误的识别结果经过融合后得到去除。采用最优隶属准则进行雷达辐射源类别决策,融合后的辐射源正确识别率得到明显提高。仿真结果及对比实验表明,相比于模糊识别算法,信噪比不小于0dB时,改进算法的正确识别率大于90%。     

在人脸图像中确定嘴巴位置的方法

利用迭代式阈值选择算法在人脸的下半区域进行阈值化处理,无需人工干预就可得到嘴巴鼻子等区域,且很好地改进了传统的二值化方法所造成的嘴部轮廓不清晰、连通性不好等缺陷;用腐蚀膨胀算法去掉较小的噪声点,用最小外接矩形近似表示各个连通区域的形状,根据嘴巴形状大小的先验知识确定嘴巴所在的连通区域;用嘴巴连通区域的质心表示嘴巴中心,利用Harris角点检测算法在原灰度图像的嘴巴区域中找到两个嘴角。实验结果表明,本文算法具有较快的速度和较高的精度。     

应用改进Canny法检测工业零件含噪图像边缘

针对工业零件含噪图像边缘检测,根据Canny算法原理,提出了一些改进策略,形成了一种矩形透镜最大梯度模边缘检测算法。采用中值滤波完成图像平滑,有效抑制了图像噪声;采用5×5邻域一阶偏导有限差分计算图像的梯度幅值,提高了边缘定位的精度;采用最大类间方差法（OTSU）求解了最优区域分割阈值,实现了边缘的自动检测。以磁环和极片工业零件图像边缘检测为例进行了实验,结果表明,该算法具有较好的去噪和边缘检测效果。     

基于Inception V3模型的金属板材表面缺陷检测系统

针对传统检测设备对金属板材凹凸表面、边缘面等特殊部位缺陷检测困难、识别率低等问题，课题组提出并设计了金属板材表面缺陷自动检测系统。通过CCD相机获取待检测部位图片，使用以Inception V3模型为主的迁移学习算法实现对缺陷的检测。实验结果表明该系统能够准确、高效地检测出金属板材一般及特殊表面缺陷，能够满足工业生产需求。     

基于改进目标检测能量项的联合语义分割和目标检测(英文)

提出了一种新颖的高阶CRF模型,能够同时获得语义分割和目标检测结果。该高阶CRF模型由低阶能量项和改进目标检测能量项构成。该模型采用了一二阶合并方法和逻辑斯蒂回归,从而降低了由于初始检测不准确而导致的错误识别率。在MSRC 21和PASCAL VOC 2007两组数据库上进行的实验表明,该方法显著优于传统方法。     

利用接触跟踪机制实现Email蠕虫的检测

针对Email蠕虫逐渐成为一种主要的网络威胁,提出基于接触跟踪机制检测蠕虫的方法CTCBF。该方法利用差分熵对单个网络节点的异常连接行为进行检测,再通过异常节点之间的连接关系利用跟踪算法建立跟踪链,当跟踪链的长度达到设定阈值时,跟踪链上的可疑节点被确认为感染节点。针对阈值的不确定性,提出了一种动态阈值方法,根据不同的网络感染等级自适应调整阈值大小。仿真试验表明,该方法能够快速、准确地检测出蠕虫的传播行为,同时为未知蠕虫的检测提供了一种新的模式。     

基于智能终端的血氧信号处理算法研究

智能终端的普及为医疗领域开辟了新的天地,本文将智能终端与血氧饱和度的检测相结合提出一种基于智能终端的信号处理算法。该算法针对目前血氧饱和度检测中接收的脉搏波信号存在突变点、基线漂移、高频干扰等问题,对脉搏波信号的滤波算法进行了研究。主要包含以下三个方面:1)设计五点查找以均值代替法能准确剔除信号中的变异点。2)形态学方法和平滑滤波算法实现脉搏波信号(PPG信号)的基线矫正和高频滤波干扰去除。3)仿真验证算法的可行性,为智能终端上处理脉搏波信号提供重要的理论依据。实验表明本文提出的基于智能终端的信号处理算法有效处理了信号中存在的干扰,提取出了可用的脉搏波信号。     

心电信号实验研究系统设计

本文设计了一个心电信号实验研究系统,系统可以采集、模拟任意导联心电信号,并将结果存储到心电数据库供研究分析使用。采集模拟仪采集或模拟可以采集任意导联、正常、异常心电信号,并保存结果;心电数据库以采集模拟仪为工具,在完成一些心电处理实验的基础上,采集并存储各种参数的心电信号,提供第三方研究使用。采集模拟仪和心电数据库组成一个实用系统,为心电信号的研究分析和相关仪器的开发提供了一个优秀的实验研究平台。     

基于Android的老年人智能监护系统研究

设计了一款基于Android便携式智能老年健康监护系统,系统包括跌倒检测、心率检测、地图定位3大功能模块。跌倒检测模块使用最大类间方差法计算最优阈值,采用合加速度幅值面积的曲线相似度区分跌倒行为与较高强度日常活动;采用小波阈值去噪算法去除输入信号中的噪声项,获得准确的实时心率测量结果;采用地图API的定位SDK,及时提供精确的位置服务,将异常警告及位置信息实时发送至监护人手机。系统采用Java语言进行设计开发,在Andorid平台上运行稳定。测试结果表明:跌倒检测的误报率和漏报率分别为1. 67%、2%,心率检测的平均绝对误差和平均相对误差分别为1. 6 bpm、2. 08%,可满足老年人监护的需求。     

一种基于改进遗传算法的图像分割方法

基于改进遗传算法的图像分割方法是在传统阈值分割的基础之上,加入线性分割以及遗传算法.为提高分割效果,分割之前首先对图像进行拉伸,增强图像的明暗对比度;然后再进行改进的遗传算法操作,通过不断迭代进化确定出图像分割的最优阈值;最后利用遗传算法确定的最优阈值进行阈值分割.实验证明,基于改进遗传算法的图像分割算法可以大大提高图片分割的精确度和准确率,取得了较好的分割效果.     

基于sobel算子的道路图像边缘检测算法

应用图像低级特征提取技术中的边缘检测技术能够确定和提取车道线边界信息，为后续完成道路识别、实现辅助驾驶系统等提供了重要依据和基础。传统sobel算子进行边缘检测虽然算法简单、速度快，能满足道路图像边缘检测实时性的要求，但由于只获取了水平和垂直两个方向的边缘梯度信息，且阈值选取全靠人为设置，因此边缘信息检测效果不理想。文中提出改进sobel算子的边缘检测算法，算法通过扩大构造5×5的梯度权值模板计算出图像边缘信息，应用K-means聚类算法获取的最佳自适应阈值完成图像分割，最后通过改进的边缘细化算法，保留了更完整有效的边缘信息。通过实验表明，该算法能够较快、较好的提取道路图像边缘信息，而且具有一定的抗干扰能力。     

基于小波阈值和约束独立分量分析的齿轮故障诊断研究

为在强噪声下准确利用振动信号进行齿轮故障诊断,提出了基于小波阈值和约束独立成分分析(CICA)相结合的算法。该算法首先对输入信号进行小波阈值降噪预处理,提高了输入信号的信噪比,然后基于齿轮特征频率建立参考信号,将降噪后的信号作为CICA的输入信号,利用CICA算法有效分离出齿轮故障信号,识别了故障特征。为了验证该算法的有效性,进行了仿真和实验测试信号分析,结果表明,该算法可以有效提取齿轮故障信号,实现齿轮的故障诊断。     

基于差分和肤色图像的人脸检测算法

提出并实现了一种基于差分和肤色图像的人脸检测算法。该算法利用视频图像的运动信息,在帧间差分的基础上进行二值图像边缘提取,确定目标在原图像中坐标位置,然后设计肤色模型表征人脸颜色,采用彩色图像的色系坐标变换进行人脸的准确定位。该算法的优点是可将运动信息序列图像中与人脸肤色相似的固定区域删除,在目标跟踪和运动检测上,不仅能有效地抑止背景噪声,减少误检率,而且还能缩小人脸检测范围,加快检测速度。实验表明,该算法可行、有效。     

基于智能终端的心电信号采集系统设计

心电信号作为一种重要的生命体征参数,其包含丰富的病理信息,对心血管疾病的预防具有重要的参考价值。目前,市场上的心电信号采集系统体积较大,不便于携带,这为心电信号的及时获取和诊断增加了很大的障碍,因此本文基于对心电信号实时采集的硬件系统的研究,结合消除噪声干扰算法,设计出一种适用于家庭和社区的低功耗、体积小的便携式心电实时采集系统。通过对系统的心电信号采集模块、微控制器模块、数据传输模块和智能终端处理模块等硬件结构、原理和对应系统软件的介绍阐述了新型便携式心电采集系统的设计思想及其优越性。经验证:该系统能够以单导联的方式实现心电信号实时采集,并在智能终端上完成对数据的分析、显示及存储等功能。     

基于改进遗传算法的最大类别方差法

本文利用开放式遗传算法的理论对遗传算法进行改进,使种群在开放的环境中进化,增加了种群的多样性.并以最大类别方差法为例,将改进的遗传算法应用到图像的单阈值分割中.通过实验对比,表明改进的遗传算法比传统的最大类别方差法和基本遗传算法有明显的优势,说明了本算法的可行性.     

融合Sobel-SIFT的花朵图像的特征提取方法

由于花朵图像特征的复杂性,往往需要先对原有图像进行花朵轮廓检测,再进行特征点提取.本文在传统的SIFT算法的基础上,提出了改进的Sobel-SIFT算法,以适用于花朵图像的特征提取.该方法首先针对传统的Sobel算法进行了方向模板的扩展,其次对检测到的边缘特征进行细化处理,最后使用SIFT特征提取算法对花朵图像进行特征点提取.试验结果显示该算法比原有算法获取了更为准确的特征点,验证了本文方法的有效性.     

基于深度学习的罐式炼炉送料口视觉检测与跟踪方法

通过计算机视觉技术实现送料口的准确检测及跟踪成为罐式炼炉自动控制的关键。但传统视觉检测和跟踪算法受炼炉高温产生烟雾的影响,易导致送料口检测和跟踪失效,为了更好地检测与跟踪视频流中送料口,提出了一种基于Yolo v3深度学习的检测及跟踪方法。基于自建的大量有烟雾干扰的图片样本,通过使用K-means聚类方法对数据集进行聚类分析,对送料口的检测与跟踪展开研究。实验结果表明:改进后的Yolo v3算法对实验目标准确率达到97.20%,检测速率达到了30帧/s,能实时检测和跟踪实际情况下送料口的位置信息,且具有较高的准确性和鲁棒性。其检测准确率和检测速率相比传统目标检测方法有所提高,准确性和实时性均满足自动控制生产要求,说明将深度学习技术应用到工业生产有着巨大的应用前景。