一种单路混沌信号盲源分离方法

提出一种基于经验模态分解(EMD)对单路混沌信号进行盲源分离的方法.首先讨论了混沌信号的特征,利用EMD对信号进行分层并且得到独立子波函数,然后把独立子波函数加入到单路混合信号中,从而实现混沌信号的盲分离;最后通过混沌信号的分离实验,证明了本方法的有效性和可靠性.     

荷电黑洞视界附年的量子热效应和普朗克绝对熵

基于严格求解Dirac方程，全面研究了双视界面黑洞内、外视界附近的量子热效应，特别是考虑到黑洞内视界的Hawking吸收后，成功的给出了荷电黑洞的普郎克绝对熵。     

混沌混合信号欠定盲分离方法的研究

提出一种混沌混合信号欠定盲源分离的方法.首先讨论了混沌信号的特征,利用EMD对信号进行分层并且得到独立子波函数,然后把独立子波函数加入到单路混沌信号中从而实现混沌信号的盲分离;最后通过混沌信号的分离实验,证明了本方法的有效性和可靠性.该方法可以很好的检测系统或电路中是不是产生了混沌现象,进而采取相应的措施,利用或抑制混...     

混沌合成波形在EDA中的应用

分析了EDA常用仿真软件存在的不足，提出基于混沌信号合成含噪波形和随机矩形波序列的方法。当使用这种与实际情况相似的合成激励信号进行仿真、调整电路参数和专题研究时，使仿真结果具有一般性。对提高电子系统设计速度与成功率具有实际意义。针对混沌合成波形的两种应用。进行了仿真研究。     

一个非线性电路模型的混沌态特性分析

对非线性系统进行分析时,可能出现测量结果为混沌态,以一个非线性电路模型为例。分析混沌态的几率密度并提出“赝温度”的新概念,以表征混沌态的赝随机变化的剧烈程度。从而为非线性系统的混沌态进行“乱中有序”的定量描述提供了一种新方法。     

基于前馈复式的BSS去噪方法

在BSS中，含噪声信号的盲分离是困难的，因为存在太多的未知条件。针对噪声环境，提出了一种基于前馈复式BSS去噪新方法。由于BSS算法的目的是尽可能恢复源信号，因而其实际输出信号总是由某个较强的源信号迭加另一些较弱的源信号及噪声组成。该方法是把那些较弱的源信号及噪声又假定为一个新的混合源信号Snew，那么通过适当的选择和组合前一次盲分离的结果作为下一次盲分离的源，反复使用盲分离技术就可把这个假定的Snew分离出来，再将Snew与选定的某个恢复源信号取谱差，达到消除噪声，提高分离结果性能指标的目的。     

单路单周期心音混叠信号欠定盲分离方法

结合现有的单路混叠盲分离算法和心音信号的周期特性,提出了一种基于dwt_ica的单路单周期心音混叠信号欠定盲分离算法.该算法首先得到一组单周期独立心音子波,然后把该独立心音子波加入到一个单路单周期心音混叠信号中,从而将一路信号变成一个多路信号,接着再利用ICA方法分离该多路信号,可获得源心音信号的一种估计.心音混叠信号的盲分离仿真实验表明,该算法是行之有效的.     

神经网络推理能力的研究进展

从人的思维形式和特点出发,分析了人工神经网络推理的机制、特点、研究现状和取得的主要成果,指出了人工神经网络推理研究的发展趋势。     

基于匹配追踪算法的信号复杂度在心音分段定位中的应用

分析心音信号的关键是如何有效地提取心音信号的有效成分(第一心音S1、第二心音S2)。文中结合心音信号的自身特点,把心音信号看成含有冲击成分的冲击信号,将匹配追踪算法引入到心音信号分析中,基于该算法提出利用相关结构复杂度对心音信号进行特征参数的提取方法。首先将心音分段,然后计算每段信号的分解次数,将分解次数定义为信号的相关结构复杂度。根据复杂度曲线可以有效地定位出S1、S2,还可以提取心音信号的一些典型特征参数。     

基于集合经验模式分解和公共空间模式的脑电信号特征提取

公共空间模式(common spatial pattern,CSP)能够较好地提取运动想象任务时脑电信号的判别特性,但是其性能与大脑进行想象任务的频带相关。为了确定这样一组频带实现精确的分类,基于集合经验模式分解、FIR滤波器组以及公共空间模式算法提出了一种脑电特征提取方法。预处理去除伪迹后的信号首先经过集合经验模式算法获得多个模函数,然后选择出包含μ节律和β节律范围的分量实现信号重构,重构后的脑电信号作为带通滤波器组的输入得到若干子带信号集合,从每个子带信号中提取CSP特征,最后将提取的特征经过支持向量机(support vector machine,SVM)进行分类。运用该方法对脑-计算机接口(brain-computer interface,BCI)竞赛数据集进行分类,实验表明该方法能够自适应地提取、筛选和判别每个受试者的空间CSP特征,分类准确率达96. 53%。