基于多导联心电信号和多变量回归模型的心律失常的分类

心电信号(ECG)智能分析非常有利于严重心脏病人的自动诊断。本文介绍了多变量回归模型(MAR)建模法,利用MAR模型从双导联ECG中提取特征对ECG信号进行分类。在分类时,利用MAR模型系数及其K—L变换(K—LMAR系数)作为信号特征,并采用了树状决策过程和二次判别函数(QDF)分类器。利用文中方法对MIT—BIH标准数据库中的正常窦性心律(NSR)、期收缩(APC)、心室早期收缩(PVC)、心室性心动过速(VT)和心室纤维性颤动(VF)各300个样本信号进行了建模和测试。结果表明,为了达到分类目的,MAR模型阶数取4是足够的,基于MAR系数的分类取得了比基于K—L MAR系数的分类稍好的结果。基于MAR系数的分类获得了97．3％～98．6％的分类精度。     

基于ARMA模型的ECG分类和压缩

心电信号(ECG)对医生诊断心脏疾病极为重要。现存许多ECG分类技术存在实现困难、处理时间长和只能对2～3类ECG进行分类的不足。本文介绍了计算简单的ARMA模型的ECG分类法,利用ARMA模型系数作为特征对ECG信号进行分类和压缩。在对信号特征分类时,采用了非线性二次判别函数的形式。利用文中方法对MIT-BIH标准数据库中NSR、APC、PVC、SVT、VT和VF各200个样本信号进行测试,获得了94．28％～99．28％的分类精度。     

无线电监测中调制信号特征提取算法

针对传统调制信号特征提取算法在噪声环境下存在识别准确度低、分类效果差等问题,基于已有的调制 信号处理方法,提出一种新的无线电监测中调制信号特征提取算法。首先构建无线电监测中各类调制信号的 数学模型,以此为基础通过仿真得到信号瞬时幅值、瞬时相位及瞬时频率的特征。分析当前信号调制方式识别 各类算法的优缺点,采用小波变换完成调制信号的降噪处理与突变边界特征提取算法的设计,利用零中心归一 化瞬时幅度的谱密度最大特征提取算法以及核判别分析算法对各类调制信号进行逐层提取,实现了各类调制 信号的完整分类与提取,提升了噪声环境影响下的特征信号提取精度、且分类效果较好,为无线电监测中调制 信号特征提取提供了有利科学依据。     

基于CNN网络的跳频信号个体识别

针对传统跳频信号指纹特征提取只是利用深度学习进行分类的问题,利用CNN网络特征提取的特性,实现了一种基于CNN网络的对预处理后的跳频信号实现特征提取和分类网络模型。首先将收集的跳频信号进行短时傅里叶变换转换到跳频信号敏感的频域,将跳频信号频谱图作为CNN网络模型的输入,CNN网络通过多层卷积提取信号频域深层次特征,通过Batch Normalization、Callback函数的优化加快了网络的收敛速度,同时防止了过拟合现象,最终输出跳频信号的识别分类结果。对比实验结果表明,CNN网络的分类识别正确率较以往的方法更高,在信号信噪比越大的情况下,识别效果越好。     

一种基于特征提取和多模板匹配的心律失常检测算法

基于特征提取和多模板匹配的心律失常检测算法通过样本数据库创建模板库,对模板库进行特征提取以创建特征库,同时建立索引与模板库关联,然后使用特征库中的模板与待检测心电信号进行粗匹配运算,当粗匹配的相关系数大于预设阀值后,再利用索引加载相关模板进行细匹配运算。使用MIT-BIH数据库的数据验证基于特征提取和多模板匹配的心律失常检测算法的效果理想。     

基于高斯贝叶斯的建筑水暖设备故障信号诊断分析

传统的信号稀疏表示多特征提取检测方法、多尺度排列熵故障信号检测方法只能检测低频分量,导致电压、电流检测结果不精准。根据上述问题,提出了基于高斯贝叶斯的建筑水暖设备故障信号诊断方法。该方法构建故障暂态信号模型,依据暖通设备模型分析暂态故障信号及对参数的影响。利用高斯贝叶斯进行信号诊断,以李氏指数为判断依据分类各种信号,在获得高诊断识别率(失效/故障模式正确识别率分别达到96%和86%)的同时,也识别了影响失效/故障分类的关键特征参量。仿真实验结果显示,故障信号监测方法电压暂态波形变化与实际变化情况一致,电流暂态波形变化与实际数值相差仅为0.5 A,检测精度优于传统方法,将其应用到大型建筑水暖中效果更优。     

基于隐马尔可夫树非高斯信号的建模分析与分类识别

研究了基于小波域隐马尔可夫树模型非高斯信号的建模方法．探讨了海洋环境噪声和船舶辐射噪声在不同工况下所表现出的不同模型特征，并根据它们在HMT模型参数上的特征差异提出了一种新的检测方法，实验证明，该方法的检测性能比过零检测、能量检测以及二阶统计量检测方法要好．通过结合小波域隐马尔可夫模型和支撑向量机，提出了一种新的水声非高斯噪声信号的识别分类方法，实验证明，该方法具有较好的分类性能．     

安防系统光纤信号特征提取与分类算法研究

 在宽域全光纤安防系统中,在不影响灵敏度的情况下区分入侵和正常事件是一个关键性的系统性能指标.由于入侵和正常事件以及各个入侵事件的光纤信号在某些情况下极为相似,因此需要对这些信号的特征进行仔细的筛选和识别.本文由此出发,提出了一套光纤信号特征提取方案,即使用小波降噪手段对光纤信号进行去噪;根据信号与噪声的能量在时域分布的不同,提出了一种实用的光纤信号的预分割方法;提取信号在小波空间的能量分布特征,形成特征向量;使用向量机分类器对光纤信号分类.     

基于小波重构与时空二维特征的光纤振动识别

针对光纤预警系统提出基于小波重构降噪和时空二维域特征的光纤振动识别.分析光纤振源信号的特征,使用小波重构降噪处理算法对时域信号进行特征提取,并以灰度图展示其明显的特征,进而提出灰度图腐蚀识别算法.通过时空二维域特征分析处理识别方法,能够较好地分类识别入侵振源信号.     

奇异值分解对轴承振动信号中调幅特征信息的提取

为了从复杂的轴承振动信号中提取微弱的故障信息,提出了一种基于奇异值分解的特征提取方法.分析了基于奇异值分解的信号分解和特征提取原理,指出其信号分解的实质是一种线性叠加分解,并通过对轴承振动信号构造Hankel矩阵,利用奇异值分解处理后得到多个分量信号,并选择前面一定数目的分量信号进行叠加,准确地提取到了因滚道损伤引起的调幅特征,进而研究分析了不同数目分量所获得的调幅特征效果,并与小波变换进行比较.研究结果表明SVD对调幅特征的提取效果优于小波变换.     

应用主成分分析法的ECG身份识别方法

提出了一种基于主成分分析法对ECG信号进行特征表述的身份识别新方法。在预处理阶段对ECG信号进行滤波、分段、归一化、抽样处理，然后计算ECG信号的协方差矩阵及协方差矩阵的特征值和特征向量，其中较大的特征值对应的特征向量具有与ECG相似的形状，利用这些特征向量可描述、表达和逼近ECG信号并用于后续的身份识别。实验结果表明：相对于ECG基点特征提取技术，该方法提高了录用率，获得了较好的识别效果。     

基于小波域相干边沿检测器的脉冲序列检测与定位算法 

摘要：
利用小波变换技术研究了雷达 通信共存系统中脉冲信号的有效检测与定位方法.基于小波变换的能量集中特性和脉冲边沿的小波变换系数在小波滤波器支撑集中高度相关的特性,提出了小波域相干边沿检测器,其判决统计量为小波变换系数在不同时延上的自相关值之和.导出了该判决统计量的统计特性与最优求和长度,并提出了基于小波域相干边沿检测器的脉冲信号的有效检测与定位方法.仿真结果表明了基于小波域相干边沿检测的脉冲信号检测与定位方法优于已有方法.     

一种基于线性正则变换域功率谱的信号检测方法

本文通过信号利用线性正则变换域功率谱,进行了参数估计和信号检测.作者首先分析了随机信号通过LCT域滤波器的统计特性,得到了输入输出随机信号的均值关系,输入、输出随机信号之间相关函数之间的关系,同时,定义了线性正则变换域功率谱,进一步研究了在线性正则变换域中,输入输出信号的相关函数与功率谱之间的关系,并且利用信号在线性正则变换域中的功率谱对单分量chirp信号进行了参数估计,理论和仿真结果均表明该方法优于基于FRFT域功率谱的参数估计方法.     

ReliefF算法在雷达辐射源信号识别中的应用

采用小波包变换提取雷达辐射源信号特征能够有效对信号进行识别,然而,由小波包变换提取的信号特征维数高,部分信号特征受噪声污染严重.基于此,采用ReliefF算法对信号特征的分类能力进行评价,选择出小波包中分类能力强的信号特征,再通过特征相关度算法去除分类能力相近的冗余特征,利用剩余的分类能力强的信号特征组成特征向量进行分类.仿真实验结果显示,该方法用较少的信号特征能够获得较高的正确识别率.     

复杂电磁环境下多跳频信号盲检测

为了在复杂电磁环境中实现多跳频信号盲检测,提出一种基于时频图连通域特征的多跳频信号检测算法.首先利用短时傅里叶变换与wigner-ville分布(STFTWVD)组合时频方法完成时频变换,保证时频图的时频分辨率和交叉项抑制,并利用自适应二维维纳滤波去除背景噪声,提高算法抗噪性能;然后采用自适应阈值二值化算法对时频图二值化处理并进行8邻域连通域标记,提取每个连通域的特征组成分类特征集;最后利用改进的K均值聚类算法完成特征集分类,根据分类集统计结果和检测条件实现跳频信号检测.仿真结果表明:本文算法能够有效克服定频干扰、突发干扰和扫频干扰;在低信噪比条件下,算法聚类稳定性较好,跳频检测成功率较高.     

基于改进Wigner-Hough变换的多分量LFM信号特征提取

为了解决Wigner-Hough变换对多分量线性调频(LFM)信号特征提取受噪声困扰的问题,提出采用数字图像处理中改进的Sobel算子对含噪声信号的WVD时频图进行边缘特征检测,利用Hough变换对信号特征进行提取.通过对WHT,SPWD-Hough变换以及改进WHT 3种方法进行计算机仿真比较结果表明,改进的WHT对多分量LFM信号的特征提取效果最好.     

基于MDCT域特征的MP3音乐分类

音乐分类是将用户输入的音乐信号与音乐库中的音乐文件进行匹配,找出相应的类别.传统的MP3分类的研究大多先把MP3文件解压缩到PCM文件,然后在PCM文件上进行特征提取,这种方法存在的问题是处理速度比较慢.本文中借鉴语音识别技术,提出了基于MDCT域的MP3音乐特征片段提取方法,然后利用MDCT域上的音乐片段特点表示MP3音乐特征属性,最后采用适应性较强的学习分类器对已经提取的音乐特征向量进行分类.实验先通过对4个歌手100首歌的学习,然后对未知20首歌进行分类,识别演唱歌手平均准确度达80%.     

雷达辐射源信号双谱二次特征提取方法

现有的双谱特征提取方法可以满足信号分类识别，但是出现了交叉项、平凡双谱以及特征维数过高等一些问题。针对以上问题，提出一种双谱二次特征提取方法，将双谱转化为灰度图像，以灰度值表示双谱幅度；再利用图像处理技术提取双谱二次特征，提取出能够表征辐射源信号双谱图像纹理信息的灰度共生矩阵特征集；将该特征集与Hu-不变矩特征集进行对比实验。仿真结果表明：该方法具有更好的分类识别性能，对于CW、LFM和NLFM信号的平均识别率均达90%以上。     

基于多方法结合应用的齿轮箱故障特征提取研究

基于振动信号分析的齿轮箱故障诊断的关键是实现对信号中故障特征的提取.由于在工程实际中采集到的齿轮箱振动信号含有较强的噪声干扰,所以单一的信号分析方法难以实现对故障特征的提取.因此将两种或两种以上方法相结合应用于齿轮箱振动信号的处理成为当前的研究趋势.为研究将不同方法相结合应用于齿轮箱故障信号特征提取的优势,对大量文献的研究成果进行了归纳整理.综合分析发现:将多种方法结合应用于齿轮箱振动信号特征提取,可有效避免单一方法的局限性,充分发挥不同方法的优势.总结了在齿轮箱故障诊断领域中分别以频谱分析为基础和以非线性理论为基础的将不同信号处理方法结合应用于齿轮箱故障特征提取的现状,最后针对多种方法结合应用于齿轮箱故障诊断的发展趋势提出了建议.     

雷达辐射源信号双谱二次特征提取方法

现有的双谱特征提取方法可以满足信号分类识别,但是出现了交叉项、平凡双谱以及特征维数过高等一些问题。针对以上问题,提出一种双谱二次特征提取方法,将双谱转化为灰度图像,以灰度值表示双谱幅度;再利用图像处理技术提取双谱二次特征,提取出能够表征辐射源信号双谱图像纹理信息的灰度共生矩阵特征集;将该特征集与Hu-不变矩特征集进行对比实验。仿真结果表明:该方法具有更好的分类识别性能,对于CW、LFM和NLFM信号的平均识别率均达90%以上。