基于人工神经网络的低信噪比神经元锋电位分类

基于人工神经网络和模板匹配,提出了对低信噪比神经元信号分类的方法.首先对待分类信号进行阈值检测,获得尖峰信号,对这些尖峰信号进行主成分分析,再选取主成分进行聚类,根据聚类结果,取对应的尖峰信号作为人工神经网络的训练样本.网络测试和结合模板匹配识别叠加信号的仿真结果表明了该方法的优越性.     

基于小波和高阶谱的低信噪比信号检测方法

低信噪比信号检测是数字信号处理领域中的一个常见问题,本文提出了一种基于小波变换和高阶谱理论的检测方法,并将其与传统的功率谱检测方法相比较,MATLAB仿真结果表明该方法具有更加优越的检测特性。     

小波包变换及其在低信噪比雷达信号检测中的应用

雷达对目标进行检测之时，常常遇到目标回波信号被噪声污染的问题。为了把弱目标信号从强噪声背景中检测出来，对小波包变换良好的时频分析特性进行了分析，根据信号与噪声具有不同的Lipschitz指数，通过引入子频带∞-范数，对信号和噪声进行频谱分析，将最佳子空间的熵值及最佳子空间在完整二叉树中的位置参数作为特征量，应用浮动阈值去噪方法，解决了低信噪比情况下的雷达信号检测。最后，通过计算机的数值计算，模拟了小波包变换和小波变换在低信噪比雷达信号检测中的具体应用，得出了在低信噪比信号检测方面小波包变换优于小波变换的结论。     

基于提升小波的神经元锋电位并行检测方法

神经元动作电位(即锋电位)的实时检测是植入式脑—机接口系统的重要组成环节,为了能够从多通道神经微电极阵列记录的神经信号中实时地检测并提取出神经元的锋电位信息,文中提出了基于提升小波的神经元锋电位检测方法.该方法采用提升小波方法去除了神经信号中的漂移和噪声,然后通过阈值法检测出锋电位信号,最后利用现场可编程门阵列(FPG...     

一种低信噪比下LFM信号参数快速估计算法

为了对线性调频(LFM)信号参数进行快速、准确的估计,提出了一种新算法.该算法根据LFM信号当能量一定时在相同时宽范围内频谱幅度平方与调频斜率成反比的特点,通过对若干组快速傅里叶变换(FFT)结果进行模值选大,同时给出了起始频率和调频斜率的估计.仿真结果表明,通过合理设置算法参数,算法可以用于信噪比低至-38dB的LFM信号的参数估计.     

被动声纳信号分类特征提取的研究

对被动声纳信号进行了分析和特征提取,基于听觉系统识别声音信号的原理,提出了一种新颖的平稳恒Ｑ特征,并给出了距离指数和识别指数２种更为合理的评价方法。实验结果表明本文提出的平稳恒Ｑ特征较原有几种典特征,具有良好的分类正确性。／     

基于小波变换的弱信号检测方法研究

介绍了小波变换原理,对利用小波变换实现弱信号检测的性能进行了分析,并利用仿真结果说明小波变换能提高信噪比。     

低信噪比的俄歇电子信号提取

当信噪比小于1的时候,俄歇电子信号完全被噪声所掩埋,利用计算机的多次存贮信号,可以把无规律的噪声去除,而有规律的信息被提取出来,再经过平滑处理,可以得到很好的俄歇电子能谱图。     

小波变换的信号去噪应用

通过对信号与噪声在经过小波变换后的不同特点的分析，讨论了一种对含噪信号进行噪声消除的方法。该方法与传统的低通滤波器相比，在改善信噪比的同时，还保持了很好的时间分辨率。最后通过仿真实验．证明了该方法的有效性。     

采用峰值平均功率比的低信噪比水下多目标检测方法

针对信息论准则多目标检测方法在低信噪比水下应用环境中不能正确检测目标源个数的问题,提出了基于峰值平均功率比(PAR)的多目标检测方法(PARTC).该方法首先使用相关矩阵特征向量对水下基阵接收数据加权计算阵列加权输出数据,然后计算加权输出数据的PAR并对PAR进行降序排列,由于纯噪声加权输出数据的PAR呈线性分布,并且其平均梯度与快拍数无关,存在信号时的加权输出数据的PAR梯度大于纯噪声加权输出数据的PAR梯度,因此可根据该信息判定信号源个数.八元阵的仿真结果表明,PARTC方法在在低信噪比、小快拍和小信号源夹角情况下的多目标正确检测概率大于信息论准则和最小描述长度多目标检测方法,并且运算量适中,水下应用前景广阔.     

基于概率神经网络的锋电位实时分类算法

为了实现便携式实时处理的实用型脑-机接口(BMI),提出了一种基于概率神经网络(PNN)的锋电位信号实时分类算法,并完成了该算法基于现场可编程门阵列(FPGA)的实现.该算法通过训练数据的快速导入完成PNN的训练,再由PNN实现锋电位的分类工作.文中通过调用FPGA片上DSP48Es资源实现单精度浮点的乘加运算,采用并行流水结构加速向量间距离的计算,通过查找表和坐标旋转数字计算方法完成PNN激活函数的准确逼近.实验结果表明,在完成高达93.82%准确率的情况下,基于FPGA的PNN实现方法比基于Matlab的方法快47.43倍,达到了便携式实时处理的设计要求.     

低信噪比条件下的平面等效源近场声全息方法

为提高低信噪比条件下的近场声全息成像效果,提出一种低信噪比条件下的平面等效源近场声全息方法,其将近场声全息对声场还原度高的优点和声源定位方法抗干扰能力强的优点相结合。该方法首先结合压缩感知技术的正交匹配追踪算法,在未知声源数目情况下求出虚拟声源在平面分布,再利用传导矩阵求出近场平面声压分布。通过仿真分析金属弹性材料壳体振动的近场声辐射,将该方法与Fourier变换方法、常规边界元方法以及传统等效源方法的近场声全息效果相比较。仿真实验表明,该方法性能可靠且具有较强的抗噪能力,可作为低信噪比条件下平面近场声全息方法的一种有效补充。     

基于信噪比的蛋白质相互作用的预测

蛋白质间的相互作用在生命体中扮演着关键的角色.将改进的共鸣识别模型应用于预测酵母蛋白质间的相互作用,并改用信噪比为判别参数.此判别参数与之前的判别参数——峰值相比,在保证较高预测精度的基础上,还可以很好地区分阳性数据和随机数据,从而也就能较好地处理过度拟合的问题.     

基于FastICA的低信噪比雷达信号分选算法

针对传统的基于参数的信号分选系统已无法适应当前复杂情况下的雷达信号分选问题,将基于独立分量分析(ICA)的盲源分离算法引入雷达信号分选算法.快速ICA(FastICA)算法结合了定点迭代和非高斯最大化算法,具有稳定性好、收敛速度快、计算量小等优点.但该算法对噪声非常敏感,无法在低信噪比情况下进行信号分选.针对这一缺点,引入同步累加平均降噪算法,并结合信号均衡、平滑处理进行改进,使得新算法在低信噪比情况下对雷达信号进行分选.仿真表明改进后的算法在低信噪比情况下具有良好的分选效果,并保留了原算法的优点.     

基于小波和先验信噪比维纳滤波的语音增强

描述了先验信噪比估计的维纳滤波算法,分析了小波多分辨率分析在信号频谱划分中的作用,提出一种小波和先验信噪比维纳滤波相结合的改进算法.通过小波变换对带噪语音信号进行多尺度分解,然后对不同尺度的小波系数采用维纳滤波,用滤波后的小波系数重构得到增强语音信号.通过计算机仿真实验,将提出的算法与传统维纳滤波算法进行比较.实验结果表明改进算法在低信噪比情况下有效提高了增强效果,对语音成分的影响较小,提高了语音质量.     

基于小波变换的主元分析人脸图象识别

基于小波变换的主元分析人脸图象识别高西奇，周洪祥，何振亚（东南大学无线电工程系，南京２１００１８）人脸图象识别是模式识别领域的一个重要研究课题［１，２］，但是由于人脸虽有固定结构而无固定形状的特殊性，人脸的自动识别非常困难，特别是要求机器在学习之后能...     

测井沉积学研究进展

测井资料因具有信息量大、数据连续性好、垂向分辨率高及成本低等优势,在解决沉积学问题方面具有良好的应用前景和发展潜力。简要回顾了测井沉积学概念的提出与研究现状,结合作者多年的研究成果,在沉积相分析、层序地层划分及沉积动力学分析三个方面总结了测井沉积学的研究进展,同时探讨了测井沉积学的发展方向。认为小波变换、傅里叶分析、主成分分析、分形理论等适当的数学方法和人工智能及计算机技术相结合,将是应用常规测井数据开展测井沉积学研究的关键技术,是测井沉积学研究的主要内容。