基于ZigBee网络的心音无线检测系统设计

针对众多连线的心音检测仪给病人带来心理上的干扰问题,介绍了基于Z igBee的无线传感器网络在心音信号传输中的应用,设计了一种心音无线检测系统,包括心音传感器、信号预处理、A/D转换电路、网络节点、检测基站和数据采集及自动分析部分.根据心音信号属于非平稳信号的特点,提出了基于复杂度的心音分析方法.实验结果表明,本系统能够对心音信号进行实时采集和有效传输,基于复杂度的算法能够成功地从心音信号提取S1和S2,并获取了3项医学指标:心率,第一心音与第二心音幅值比(S1/S2)和舒张期与收缩期时限比(D/S),初步实现了心音信号的自动识别.     

具有非线性时滞项的分数阶混沌系统ADM求解与动力学分析

根据分数阶Lü混沌系统, 提出具有非线性时滞项的分数阶Lü混沌系统. 首先, 用Adomian分解算法（ADM）对分数阶Lü混沌系统进行数值求解; 其次, 用MATLAB软件绘制系统相轨迹图; 最后, 用仿真技术及分岔图、 复杂度和相轨迹等动力学分析工具, 分析系统参数对系统的影响. 数值仿真结果表明, 该系统具有丰富的动力学特性.     

计算周期序列k-错线性复杂度的混合遗传算法

周期序列的线性复杂度及其稳定性是序列密码评价的重要度量指标.k-错线性复杂度是线性复杂度稳定性的一个重要评价指标.然而,目前对于大部分周期序列(除周期为2~n、p~n、2p~n外),尚无有效的算法求解其k-错线性复杂度.因此,本文提出了一种混合的遗传算法来近似计算任意周期序列的k-错线性复杂度.采用轮盘赌、最优保留策略、两点交叉和单点随机变异,并引入自适应算子来调整交叉概率和变异概率,以保证遗传算法的收敛性.通过并行计算适应度函数来提高算法的效率,同时与模拟退火算法相结合,加速算法收敛并避免早熟.结果表明:当k8且周期小于256时,k-错线性复杂度的实验值仅比精确值高8%.     

心率变异性的复杂性与分形维数分析

发挥非线性动力学的潜力，提出了心率变异性（ＨＲＶ）信号的复杂度分析法和分形维数分析法。由于这两种方法能从较短的ＨＲＶ信号中提取信息，因此作者又进一步把这两种分析方法发展成动态分析法。用这两种方法分别对一个改变体位的ＨＲＶ信号和一个发生心肌缺血的ＨＲＶ信号的过程进行了动态分析。分析结果表明，它们都成功地检测出了ＨＲＶ信号的生理和病理变化。可见，动态复杂度分析法和动态分形维数分析法对ＨＲＶ信号及类似于ＨＲＶ的信号是很有前途的分析方法。     

一类周期序列的3错线性复杂度期望的界

周期序列的线性复杂度和k错线性复杂度是衡量流密码系统的安全性能的重要指标;文章主要研究二元域F2上的线性复杂度等于2n的2n-周期序列,对这一类周期序列的3错线性复杂度值的分布进行了分析,同时给出了这类周期序列的3错线性复杂度期望的上界和下界.     

一种基于复杂性测度的干扰样式识别方法

提出了一种基于复杂性测度的干扰样式识别方法．该方法首先分析接收信号的分形维数和LZ复杂度．通过使用一定数量样本,获得每种干扰样式分形维数和Lz复杂度分布的均值中心和方差．然后采用指数距离计算待识别样本与每种干扰的均值中心和方差的距离,按最小距离原则来对干扰样式进行识别．最后给出了仿真结果及结论．     

基于Adomian分解法的分数阶Lü混沌系统的动力学分析及数字实现

基于Adomian分解方法,研究了一类分数阶Lü混沌系统.从系统的分岔图、基于谱熵(SE)算法和C0算法的系统复杂度、吸引子相图等数值仿真分析研究了0.9阶次Lü混沌系统丰富的动力学特性.又基于Adomian分解法,利用数字芯片TMS320F28335DSP中设计了程序以及外围硬件电路,实现了分数阶Lü混沌系统.最后,通过示波器观察DSP数字电路输出结果与理论分析结果相一致,从而进一步揭示了分数阶混沌系统的动力学特性.     

基于S变换与PNN的电磁环境复杂度评估

针对复杂电磁环境定性分析和定量分级问题,提出基于广义S变换与PNN(概率神经网络)的电磁环境复杂度评估方法.应用广义S变换对电磁环境中受干扰的样本信号进行时频分析,同步提取时频域时域占用度,频域占用度和能量占用度评估参数,分析了各参数的物理意义,并给出了各评估参数的计算公式.同时增加频率重合度、调制格式相似度和背景噪声强度等评估参数,利用获取的参数训练PNN,并进行分类.仿真实验证明基于广义S变换与PNN的电磁环境复杂度评估方法在背景噪声大、训练样本数少的条件下能有效提取评估参数,并对电磁环境复杂度进行有效合理评估.     

心率变异信号的相关维数分析

心率变异性(HRV)是反应交感-副交感神经张力及其平衡的重要指标,在临床中可以用作参考实现对心血管疾病辅助诊断及其康复过程中的无创性监测.通过对心率变异信号的非线性特征得到证实后认为,可以利用如相关维数等非线性动力学参数来刻画与分析心率变异信号.传统的计算时间序列相关维数的方法是基于相空间重构理论的G-P算法,通过对该算法的改进,可以大大降低其计算工作量.计算了30例临床病例HRV信号的相关维数,并对计算结果进行了统计分析,其结果可以在临床上提供参考.     

改进强度统计算法及混沌序列复杂度分析

在原强度统计算法的基础上,增加了一个条件判断和一个加权值,设计了一种改进的强度统计算法.以超混沌Lorenz系统为例,利用该改进强度统计算法,对超混沌Lorenz系统产生的超混沌、混沌、周期序列的复杂度进行了分析,其结果表明超混沌序列的复杂度大于混沌序列,混沌序列的复杂度大于周期序列.最后,利用该改进强度统计算法对多个混沌和超混沌系统的复杂度进行了分析,得到了相同的结果,验证了该改进强度统计算法的有效性.     

The base-scale entropy analysis of short-term heart rate variability signal

The complexity of heart rate variability (HRV) signal can reflect physiological functions and healthy status of heart system. Detecting complexity of the short-term HRV signal has an important practical meaning. We introduce the base-scale entropy method to analyze the complexity of time series. The advantages of our method are its simplicity, extremely fast calculation for very short data and anti-noise characteristic. For the well-known chaotic dynamical system- logistic map, it is shown that our complexity behaves similarly to Lyapunov exponents, and is especially effective in the presence of random Gaussian noise. This paper addresses the use of base-scale entropy method to 3 low-dimensional nonlinear deterministic systems. At last, we apply this idea to short-term HRV signal, and the result shows the method could robustly identify patterns generated from healthy and pathologic states, as well as aging. The base-scale entropy can provide convenience in practically applications.     

空中交通流时间序列的复杂度分析

空中交通系统是复杂的非线性系统,时间序列是研究空中交通系统的有效措施。为了定量分析空中交通的复杂性,首先阐述Lempel-Ziv算法复杂度及其修正复杂度;然后采集三亚01号、02号、04号扇区连续28 d的实际运行数据,构建了空中交通流时间序列;计算了3个扇区交通流时间序列的算法复杂度,并对相关参数的影响进行了分析。计算结果表明,修正的算法复杂度适用于长度较短的时间序列,可用于量化测度空中交通流复杂性;符号化方法、序列长度、时间尺度等对算法复杂度有较大影响。     

基于熵的AO程序复杂性度量

AOP(aspect-oriented programming)是一种新的程序设计范式,它能够有效解决横切关注点分离问题.由于AO系统的行为依赖于aspect与类之间的交互,因而定义一种新的、适合于AO的复杂性度量,以更加有效的理解和维护AO程序就很有必要.提出了一种新的复杂性度量,用以评估AO系统中aspect的复杂性.首先定义了aspect的信息流图,用以描述组成aspect的元素之间的交互和aspect与其他程序单元的交互;在此基础上,提出了一种基于信息熵的aspect复杂性度量,它从aspect负载的平均信息量角度量化aspect的复杂性.分析了它的外部行为特性,并使用多个AO项目进行了验证.实验结果表明,该度量反映了aspect的设计度量,能够有效的预测aspect的复杂性.     

Sign series entropy analysis of short-term heart rate variability

Complexity and nonlinearity approaches can be used to study the temporal and structural order in heart rate variability （HRV） signal, which is helpful for understanding the underlying rule and physiological essence of cardiovascular regulation. For clinical applications, methods suitable for short-term HRV analysis are more valuable. In this paper, sign series entropy analysis （SSEA） is proposed to characterize the feature of direction variation of HRV. The results show that SSEA method can detect sensitively physiological and pathological changes from short-term HRV signals, and the method also shows its robustness to nonstationarity and noise. Thus, it is suggested as an efficient way for the analysis of clinical HRV and other complex physiological signals.     

人体HRV信号的检测及其复杂性分析

设计开发了一种便携式心电监测仪器,用于监测人的肢体心电(ECG)信号.根据获得的心电数据,采用小波变换技术进行心电R峰的准确定位,进而得到HRV序列.对HRV信号进行复杂性分析的结果表明:处于健康状态下HRV信号的复杂度(C(N))要高于处于病理状态下HRV信号的复杂度,且近似熵和复杂度的分析结果一致;处于健康状态下HRV信号的近似熵要高于处于病理状态HRV信号的近似熵.     

基于多尺度熵的滚动轴承故障诊断方法

针对滚动轴承故障振动信号具有不同复杂性的特点,提出了一种新的基于多尺度熵(multi-scale entropy,简称MSE)和支持向量机的滚动轴承故障诊断方法.该方法首先利用MSE方法对滚动轴承不同类型振动信号进行故障特征提取,然后与样本熵方法对比说明MSE方法相对于样本熵方法的优势,最后通过适合小样本分类的支持向量机作为分类器来识别滚动轴承故障类型.对实验数据分析的结果表明,该方法能有效地实现滚动轴承故障类型的诊断.     

Nonlinearity degree of short-term heart rate variability signal

A nonlinear autoregressive (NAR) model is built to model the heartbeat interval time series and the optimum model degree is proposed to be taken to evaluate the nonlinearity degree of heart rate variability (HRV). A group of healthy persons are studied and the results indicate that this method can effectively get nonlinear information from short (6—7 min) heartbeat series and consequently reflect the degree of heart rate variability, which supplies convenience in clinical application. Finally, a comparison with the traditional time domain method shows that the NAR model method can reflect the complexity of the whole signal and lessen the influence of noise and instability, in the signal.     

Multifractal mass exponent spectrum of complex physiological time series

Physiological signal belongs to the kind of nonstationary and time-variant ones. Thus, the nonlinear analysis methods may be better to disclose its characteristics and mechanisms. There have been plenty of evidences that physiological signal generated by complex self-regulated system may have a fractal structure. In this work, we introduce a new measure to characterize multifractality, the mass exponent spectrum curvature, which can disclose the complexity of fractal structure from total bending degree of the spectrum. This parameter represents the nonlinear superpositions of the discrepancies of fractal dimension from all adjacent points in the curve and therefore solves the problem of original parameters for not fully reflecting the information of entire subsets in the fractal structure. The evaluations of deterministic fractal system Cantor measure validate that it is completely effective in exploring the complexity of chaotic series, and is also not affected by nonstability of the signal as well as disturbances of the noises. We then apply it to the analysis of human heart rate variability (HRV) signals and sleep electroencephalogram (EEG) signals. The experimental results show that this method can be better to discriminate cohorts under different physiological and pathological conditions. Compared with the indicator of singularity spectrum width, there are some improvements both on the computing efficiency and accuracy. Such conclusion may provide some valuable information for clinical diagnoses.     

机场的进离场空中交通流复杂性

机场进离场空中交通流复杂性的量化是空管和机场进行预测和管控的重要依据。提出基于排列熵的复杂熵因果平面(complexity entropy causality plane, CECP)以及Fisher-Shannon(FS)因果平面的机场进离场空中交通流复杂性量化分析模型,量化单机场进离场空中交通流量复杂度,研究多机场进离场空中交通流复杂度之间的关联性。针对单机场,首先将机场进离场空中交通流量时间序列符号化,计算时间序列的标准排列熵和统计复杂度以及Fisher信息,量化机场进离场空中交通流时间序列的复杂程度;针对多机场,构建CECP以及FS,分析比较各机场在CECP和FS中的位置,区分进离场空中交通流复杂性较高的机场。验证结果表明：提出的模型对于量化机场进离场空中交通流复杂性具有可行性和准确性,可以有效区分进离场空中交通流复杂程度较高的机场,对机场交通流的实时预测和管控具有指导意义。