从EOG扫视信号中提取眼球位置信息

提出了一种基于理想EOG曲线的处理算法从包含噪声和非线性漂移的EOG信号中提取扫视运动发生时眼球的位置数据。其基本思想是,根据眼运动的特点构造理想EOG曲线模型;基于理想EOG曲线提取特征值,根据特征值分类提取位置数据。通过一个实验讨论了算法的有效性,实验证明对扫视运动偏转角的提取可以精确到4°。     

一种新的基于小波变换的EEG视觉伪信号修正方法

提出了一种在基准EEG信号和视觉信号未知条件下,基于小波阈值去噪的方法来修正EEG信号中出现的视觉伪信号(OA)的新方法。这种方法实现了对原始EEG信号进行平稳小波变换(SW T);对低频系数进行两次阈值去噪;对去噪后的信号进行重构。实验结果表明:这种新方法在基准EEG信号和视觉信号未知条件下能有效去除OA,同时适用于眨眼和眼球运动所产生的伪信号。通过不同方法对采集的信号处理后进行比较,说明该方法的有效性。     

基于动态筛选策略的SMO改进算法

提出了一种基于动态筛选策略的SMO(Sequential Minimal Optimization)改进算法,它能快速地筛选出绝大多数的边界支持向量和非支持向量,并将非边界支持向量限定在很小的范围内。仿真实验结果表明:样本规模无论大小,这种策略都能使Keerthi的改进算法2的性能得到大幅提升。     

基于神经元网络的电机换相控制

无刷直流电机(BLDCM)一般是通过位置传感器产生正确的换相信息实现控制,而在无位置无刷直流电机中,一般通过检测反电动势过零点间接获得换相时刻,但是由于电机的非线性动态特性、温度、转速等因素的影响,难以得到准确的信息.本文利用神经网络的非线性任意逼近特性,提出一种基于神经元网络的电机相位补偿控制.首先由硬件电路获得有效的反电动势信息,再利用BP神经网络的方法进行正确的补偿相位,实现无位置无刷直流电机的控制.     

基于开放式遗传算法的图像阈值选取

引入了开放式遗传算法的理论,使种群在一个开放的环境中进化,增加了种群的多样性。同时对交叉、变异操作进行了改进,避免了进化过程中种群的退化现象,从而有效克服了遗传算法的早熟问题又提高了遗传算法的收敛性能。文章以最小误差法为例,对比了本文算法和简单遗传算法在阈值处理中的性能,并用实验证明了本文算法的可行性。