基于时——空数据的EEG逆问题研究

根据头皮采集电位定位电流偶极子活动源是脑电问题的一个重要的方面．本文运用多信号分类算法(MUSIC)，通过递归的使用子空间映射，自动的提取源点位题，不仅适用于定位异步偶极子，而且也适用于定位同步偶极子．     

适用于多标准的超高频宽带RFID标签天线

提出了一种宽带标签天线,该天线适用于多标准超高频射频识别(RFID)系统,由一个类偶极子辐射体和一个电感耦合馈电环构成.类偶极子辐射体包含两个变型弯折偶极子天线.这两个变型弯折偶极子天线的长度有差别,可以形成两个相近的谐振点,使得天线的阻抗(特别是虚部)在840～956MHz的范围内保持平稳,以获得与芯片阻抗在较宽频段...     

基于部分匹配的雷达回波信号检测

针对雷达回波信号检测中对整个回波信号全部匹配滤波需要较长时间及较多资源的问题,提出部分匹配滤波方法.将雷达接收机接收到的回波数据,以雷达发射的线性调频(LFM)脉冲信号的脉宽为长度,分成若干段,逐段匹配滤波,通过判决门限找到匹配结果中的信号峰值后,计算出目标反射回波的位置.运用Matlab对时宽带宽积为500的线性调频脉冲信号进行仿真,结果表明:该方法适用于信噪比高于-12 dB的信号的搜索定位;该方法既可减少处理时间,又能节省系统资源.     

固定中继网络中基于信号衰落差值的定位方案

提出了一种在有固定中继的蜂窝网络中使用信号衰落差值进行移动定位的方案.该方案不需要对网络设备和移动终端作任何硬件改造,就能普遍适用于各种无线环境和路径损耗模型,同时能有效降低阴影效应的影响.另外,结合固定中继网络的特点,通过多中继联测方式能有效提高定位精度,减小信令开销.仿真结果表明,所提出方案的独立定位精度优于传统定位方案.     

基于Voronoi图的无线传感器网络节点定位改进算法

在基于Voronoi图的定位算法中,因使用了接收到锚节点的接收信号强度(RSSI)而影响定位精确性.本文对Voronoi图定位算法进行改进,修正了RSSI的大小顺序,充分利用了收到的锚节点信息,实现了减少Voronoi区域交集为空的可能性,增加了定位精确性,使该算法可以适用于非视距、anchor节点稀少的环境.     

COLD阵列近场源定位

利用特殊极化敏感阵列极化域的旋转不变性,提出了一种基于交叉偶极子-磁环天线（COLD）阵的近场源闭式定位算法. 与现有方法相比,该算法无需高维搜索和高阶累积量运算,也无需参数配对,计算效率高;无需阵列具有对称结构,阵列孔径利用率高. COLD阵方法无需高阶项舍弃,与交叉偶极子阵方法相比,也不涉及接收模型的近似假设,性能更优越并可实现无偏定位. 计算机仿真验证了所提算法的有效性.      

引入载体潜深信息的水下磁场定位方法

分析了混合于地磁场的偶极子目标磁场难以分离,致使水下磁场定位方法存在目标磁场模值不易获得的难题,提出了基于2次测量载体潜深实现定位的方法,利用潜深直接获取载体相对于目标的垂向距离,理论推导和数值仿真结果表明该方法原则上具有较高的定位精度.分析了潜深及磁场梯度误差对定位精度的影响及定位误差同2次潜深差的关系;讨论了单次测...     

均匀直线式天线阵方向图分析

分析了常见文献中关于均匀直线式天线阵分析所存在的问题及不足.对均匀直线式天线阵空间方向图进行了详细分析,给出了数学分析计算公式.以实例介绍了如何分析均匀直线式天线阵立体空间方向图.文中的方法及结论也适用于由磁偶极子、短偶极子、半波或全波单元天线组成的均匀直线式天线阵.     

脑电多极子模型及仿真分析研究

为寻求能更好反映头皮电位分布的等效脑电源模型，建立了脑电（EEG）的电流多极子模型，采用三层介质头球模型分别对单、双电流偶极子源情况进行了计算机仿真分析， 并引入适合度（GOF）、不适度（ND）和比适度（DD）等评价参数.仿真结果表明：与偶极子模型相比，多极子模型能够更好地拟合等效脑电源（尤其是双电流偶极子源）和反映真实头皮电位分布，具有较高的GOF数值.因此建议采用脑电多极子模型用于头皮脑电信息分析.     

铁电性和偶极子转向对电卡效应的影响

在外加电场作用下铁电体中各个方向的偶极子能级发生变化,其取向概率随之变化,对应于偶极子转向到电场方向.同向排列的偶极子发生耦合产生了铁电性,引起了可逆变化的铁电畴,导致极化强度呈电滞回线.本文用铁电体理论研究了电场作用下偶极子转向和耦合对电卡效应的影响.结果表明:电卡效应表现出温变的放热峰,主要由偶极子转向导致的熵变引起,随电场的增大移向高温,并从铁电相越过居里温度到顺电相.耦合铁电畴效应会产生放热,它随温度的升高而降低.数值模拟的研究结论能够说明相关的实验结果.     

基于盲反卷积的脑电信号盲分离研究

采用卷积混合模型描述观测脑电信号(electroencephalogram,EEG),提出一种基于盲反卷积的EEG盲分离方法.结合EEG源成分的独立性确定代价函数,并采用共轭梯度法进行迭代寻优.针对EEG仿真实验数据进行方法验证,采用分离信号与源信号之间的相关系数作为验证指标.实验结果表明,本文方法可以较好地实现EEG盲分离,为EEG信号处理和其他生理信号处理分析提供理论和方法借鉴.     

信号叠加技术在心室晚电位信号检测中的应用

心室晚电位（ＶＬＰ）怀心肌死及室性心动过速是密切相关的，所以ＶＬＰ的无创检测可为临床诊断提供有效的依据，但ＶＬＰ信号常被噪声所淹没，直接检测非常困难，利用信号叠加技术处理ＥＣＧ信号，可有效消除噪声，使ＶＬＰ信号能准确地检出，在信号叠加过程中，同步参考点位置的确定至关重要本文介绍了利用截取固定度确定同步参考点的方法。     

基于FSWT和GBDT的癫痫脑电信号分类研究

为解决癫痫脑电信号分类类别以及分类精度不足的问题,使用频率切片小波变换对脑电数据进行信号重构,得到5 个频段的节律信号,再利用非线性指标近似熵和线性指标波动指数共同作为癫痫信号的特征值,充分提取信号的特征信息。随后使用梯度提升树算法对得到的特征数据集进行多分类。实验表明,该算法对癫痫脑电信号的三分类识别率为98． 4%。较传统Adaboost 算法,该方法采取了GBDT( Gradient Boosting Decision Tree) 作为分类算法,成功利用更多的数据集,并且使得分类精度更高。     

频域多分辨分析及其对提取脑电特征波的应用

提出一种基于傅里叶变换的频域多分辨分析的新理念,对频域空间进行2进制多分辨分解,并用于分解脑电信号的4种脑波主要分量,以及研究脑电信号各种节律的动态特性.结果表明,该方法物理意义清楚,能获得比小波多分辨分析更多的信息,并能够有效提取脑电不同节律的时频特性,是一种新的描述脑电信号动态时频变化特征的定量定性分析方法.     

片上网络中基于拓扑排序的死锁检测与恢复方法

提出了一种将拓扑排序应用于片上网络的死锁检测与恢复的方法.利用片上网络线资源丰富的特点,使用专用线路采集并分析网络中各通道之间的依赖关系,快速确定处于死锁环路中的通道位置,并对死锁环路进行解锁.结果表明,所提出的方法简单有效,可以支持各种路由算法,与广泛应用的死锁避免策略相比,其网络资源的利用率和网络性能有所提高,并具有一定的容错能力.
     

基于Occam反演算法的微地震速度模型反演

为了能够对微地震震源进行精确定位, 需要已知压裂井和监测井所在工区内准确的地层速度模型。针对这一问题, 在采用Occam反演算法的基础上, 提出一种利用初至波的走时差信息代替旅行时进行速度模型反演的方法。利用该方法, 可以在无须已知射孔起始时间的情况下反演得到地层速度模型。通过模型数据的处理以及对结果的分析, 表明虽然受到初至到时拾取误差的影响, 采用上述方法反演得到的速度模型会存在一定的误差, 但利用该模型可以将射孔位置定位到其真实位置附近, 表明该速度模型可用于进行微地震震源定位。     

基于振动信号降噪的钢板件损伤定位

为了实现汽车船舶等行业中钢板件的结构健康监测,针对冲击、碰撞损伤发生时的振动信号,提出了一种结合小波包阈值降噪(WPT)和集合经验模态分解(EEMD)降噪的方法来提高损伤源的定位精度。首先,设计了动态环境下钢板件的冲击损伤试验系统并进行实验方案设计,采集了损伤时刻数据;其次,通过对损伤信号进行WPT-EEMD降噪有效提高信噪比,并利用阈值检测获得信号到达各传感器的时间;最后,基于延时叠加算法,完成了钢板件中损伤区域的定位成像。实验结果表明,该方法可在动态环境下有效定位出钢板件上冲击损伤发生的位置,为解决动态无损监测问题提供了思路。     

一种WSN环境下多机器人协作式声源定位方法

研究多机器人协作式任务执行具有现实意义。针对目前机器人声源定位算法不能满足多机器人协作式搜寻声源的场合,提出一种无线传感器网络(Wireless Sensor Networks, WSN)环境下的多机器人窄带声源定位方法。该方法根据接收信号强度对多个机器人的全局坐标进行测距定位,利用到达时间差(Time Difference of Arrival,TDoA)定位方法估计机器人与声源的相对距离,并结合全相位傅里叶变换(all-phase FFT,apFFT)算法提高相对距离的估计精度,最后通过测距定位算法得到声源的全局坐标值。在4个WSN节点和3个机器人组成的系统中进行方法测试,实验结果表明：该方法能实现三机器人协作式的声源定位任务,定位准确率较高,可满足搜救场合中声源定位的要求。     

基于麦克风阵列的语音信号实时时延估计

为了更好地利用麦克风阵列定位语音信号,得到更高的定位精度,研究了时延估计算法的构成方法与性能特征,分析了定位过程中误差的产生原因与环境,提出了切实可行的减小或消除相应误差的办法。该算法利用同一语音信号分别到达各麦克风的时间差,进行关系换算。利用Matlab在电脑上仿真的定位结果表明,该修改方法能大大改善定位的准确性,提高时延估计算法在实际应用中的利用率。     

基于深度卷积神经网络的脑电图异常检测

为解决EEG自动检测的错误率非常高的问题,提出了一种基于深层卷积神经网络(CNN)对脑电图进行异常检测的方法:首先,对多个异构数据源按标准进行重构和预处理,生成了有118 716个样本的训练集和有12 022个样本的测试集;然后,构建有快捷连接的深层CNN模型,以自动化学习ECG特征并进行分类识别; 接着,将模型在训练集上进行试验与调参,保存了性能最好的模型参数; 最后,在测试集上进行预测.预测结果显示该模型达到了94.33%的分类准确率.通过所提方法对脑电信号进行处理与分析,能够自动提取EEG特征并进行异常识别,从而达到快速检测与辅助诊疗的目的.