亚健康脉象信号的非参数化双谱估计

根据脉象信号的非高斯随机特性,应用双谱估计对其进行分析,提取处于亚健康状态的脉象信号的异常信息,探索亚健康的诊断与治疗评估的客观诊断依据.在信号处理过程中,双谱的相位携带有信号的重要特征信息.采用双谱估计分析法中的非参数化算法对脉象信号进行研究发现,处于亚健康状态的双谱幅值谱峰比处于健康状态的更突出,较大双谱值的分布更为集中.实验结果表明:非参数化双谱估计是分析脉象信号的有效且可行的方法,可以作为识别亚健康状态的方法进行深入研究.     

正常人脉象声信号的频率特性分析

通过97例正常人脉象声信号的检测与频谱分析,结果表明,正常人脉搏信号的功率谱10Hz以内的能量占总能量的99％以上;男性正常人频谱第一主峰频率为1.213±0.166Hz,第二主峰频率为2.432±0.332Hz,第三主峰频率为3.640±0.483Hz;女性频谱的主峰频率较男性略低。并且列举了高血压患者的频谱参数与之对比,发现两者有较大差异。     

吸毒者脉象异常的现代谱分析法

采用PVDF脉搏传器,将采测者左手官位的脉象信息采集到计算机中,并以数据文件格式存储。利用现代谱分析法,随机选取受测者40个连续心动周期的脉象信号,分别对每一心动周期的脉象信号作现代功率谱估计到40幅功率谱图,取其平均值得到平均功率谱。从平均功率谱图中可以看出,吸毒者和正常人的分布有显著差异,将平均功率谱图中的频率轴0－20Hz分为7个频段,对每一位受测者的平均功率谱计算特定频段上的功率分布,从而获得用以多区分吸毒者和正常人的初步判据。将此判据用于30例受测者,其中15例的海洛因成瘾者,另15例为下人,区分吸毒者与正常人的正确率为93．3％,研究结果表明,现代谱分析法是分析吸毒者脉象异常的有效手段。     

基于改进的LVQ算法的中医脉象识别

中医脉诊的客观化研究对我国中医脉学的继承和开拓有着重要的意义,而脉象识别是中医脉诊的客观化过程中一个重要的环节,近年来一直是个研究热点。有别于传统的脉象特征提取方法和识别方法是基于时域和神经网络的方法,在此提出了基于小波变换的脉象特征提取算法和用于脉象识别的基于LVQ的改进算法ILVQ。实验结果表明,该算法具有一定的优越性。     

脉象信号的特征提取与识别方法

中医脉象信号的研究在中医诊断中具有重要的意义。为了探索由中医脉象信号识别海洛因吸毒者的有效方法,研究了中医脉象信号特征提取的倒双谱与三阶倒谱熵算法。在简洁而准确地论述算法的基础上,估计了20例海洛因吸毒者与20例健康正常人脉象信号的倒双谱的对角切片分量。在大量实验结果的基础上,选取对角切片在m=n=1处的抽样幅值、在特定区域内抽样幅值的三阶倒谱熵作为每例脉搏波信号的2个特征参数,并构成特征向量。以平方马氏距离为准则设计了分类器,该分类器对40个特征向量的准确识别率为87.5%。研究结果表明,提出的特征提取与分类器设计方法对海洛因吸毒者脉象信号的识别具有一定的意义。     

基于USB的中医脉象信号采集系统的设计

目前中医脉象信号采集系统是以ISA或PCI总线的扩展卡形式实现采集功能 ,在可靠性、扩展性等方面尚有不足。通用串行总线 (USB)为数据采集提供很大的便利 ,利用USB可实现较传统方式更有效、更经济的数据采集。该文介绍用USB接口实现中医脉象信号的数据采集系统的硬件和软件设计     

一种基于线性正则变换域功率谱的信号检测方法

本文通过信号利用线性正则变换域功率谱,进行了参数估计和信号检测.作者首先分析了随机信号通过LCT域滤波器的统计特性,得到了输入输出随机信号的均值关系,输入、输出随机信号之间相关函数之间的关系,同时,定义了线性正则变换域功率谱,进一步研究了在线性正则变换域中,输入输出信号的相关函数与功率谱之间的关系,并且利用信号在线性正则变换域中的功率谱对单分量chirp信号进行了参数估计,理论和仿真结果均表明该方法优于基于FRFT域功率谱的参数估计方法.     

小波变换在吸毒者脉象信号分析中的应用

根据脉象信号的随机特性,采用小波变换中的多分辨率分析算法对其进行分析,旨在提取海洛因吸毒者脉象信号的异常信息,并得出区分正常人与吸毒者的初步的判断依据．基于小波变换的脉象信号的尺度谱携带有人体健康状况的重要特征信息．对15例海洛因吸毒者和15例正常人的脉象信号进行分析,提取出每例信号的尺度谱和该信号的总能量,发现吸毒者脉象信号在特定尺度与时间区域内的尺度谱之和（即尺度-小波能量）和该信号总能量的比值明显高于正常人．以该尺度与时间区域内的尺度-小波能量和该信号总能量之比的百分值作为判断正常人和吸毒者的特征参量,提出了用于划分正常人和吸毒者的临界参数．据此,15例正常人从30例受测者中全部被正确地检测出来,但有两例吸毒病人被误判为正常人．结果表明,该方法是检测海洛因吸毒者脉象信号异常的有效且可行的方法．     

基于小波变换模极大的脉象信号研究

针对脉象信号的时变、非线性和低频特性,提出了应用小波变换模极大对脉象信号进行研究的方法.介绍了利用小波变换模极大对信号局部特征进行描述的三个参数:Lipschitz指数α、平滑因子σ和分形维数D(α),并提出了对小波变换模极大曲线进行滤波的算法.用高斯一阶导数和二阶导数小波变换分别对单周期三峰脉象信号进行了实验.实验结果表明,该方法可以描述一些时域难以表达的特征,并能对脉象信号的局部特征点进行准确定位,从而为各项脉象特征的定量化描述和脉象分类识别奠定基础.     

改进的线性判别分析算法及其在人脸识别中的应用

提出了一种改进的线性判别分析(LDA)算法,能有效地解决传统LDA算法的两个局限,即小样本问题及在多类情况下传统的Fisher准则非最优．该算法还能提高某一(几)个指定类别的分类率．这种算法的关键在于使用不损失“有判别力信息”的方法来降维,同时在传统的Fisher准则中引入加权函数,得到与分类率直接相关的改进准则．在ORL人脸数据库上的比较实验结果证实了该算法的有效性．     

基于Fisherface和组合KNN分类器的人脸识别算法

基于Fisherfaee和组合K近邻（KNN）分类方法的人脸识别算法首先采用Fisherfaee进行特征提取,构成特征空间。然后,利用组合KNN分类器对提取的特征进行识别。在ORL人脸数据库上的实验结果表明该方法具有良好的性能。     

基于拉曼光谱对人舌鳞癌动物模型建立的检测

建立人舌鳞癌细胞体外癌变模型, 采用激光共焦显微拉曼光谱仪对其进行检测,从分子层面对其进行分析. 方法: 通过培养CAL-27细胞,然后注射在裸鼠皮下成瘤,在通过激光共焦显微拉曼光谱仪和HE染色观察其癌变的情况. 结果：①正常皮肤组织的切片图上可见,其细胞层次清晰,整齐,但是肿瘤组织发现上皮异常增生,细胞多形性,结构层次非常不清楚;②采用共焦显微拉曼拉曼光谱技术并结合主成分分析法和线性辨别技术分类健康裸鼠和人舌鳞癌细胞体外癌变组织的拉曼光谱得到灵敏度为98.4%,特异性为95%,诊断率为96.7%,并发现该方法可以很好的对该动物模型进行在体的检测.     

两种脉搏信号的声学检测与谱特征分析

用一种声学检测系统对人体两种脉象进行了检测与分析,获得了自谱(autospectrum)和倒谱(cepstrum)特征参数,结果表明,滑脉和细弦脉在倒谱上差异比自谱更为显著.     

基于DDCT与LDA的人脸特征提取方法

提出一种基于分块离散余弦变换(DCT)和线性鉴别分析的人脸特征提取方法。该算法对人脸图像进行DCT变换,根据图像块位置和能量分布选择不同的DCT高低频分量构建特征向量,再线性鉴别变换降低特征维数,提高特征的鉴别能力,并利用分类器进行特征的分类与识别。人脸库上的仿真结果验证了该方法的有效性。     

基于频响分析法的脉冲电源与容性负载间匹配电路设计

为克服传统的基于负载匹配法设计的匹配电路存在导致容性负载上脉冲电压上升率明显降低的不足,提高脉冲电源在容性负载下的应用效果,提出了将频响分析用于设计脉冲电源与容性负载问匹配电路的方法．基于此法设计了一种由电感（Lm）支路和与其并联的阻-容（Rm-Cm）串联支路构成的匹配电路,当Lm、Rm和Cm满足使容性负载上的脉冲电压（u2）与脉冲电源输出的脉冲电压（u1）之比（u2/u1）的频响特性,在脉冲电源输出的脉冲电压的有效频谱范围内接近不失真系统频响特性的条件时,可在容性负载上得到既无振荡,且上升率高的脉冲电压．实验验证该匹配电路是有效的．     

利用脉冲中子发生器对煤中碳元素的测量

应用脉冲快热中子分析技术(PFTNA)代替煤炭行业原来使用的化学分析方法,不但节约成本,而且经过努力可以实现在线分析,是一种非常有前途的分析方法,然而因HPGe探头进口价格昂贵且不易维护,而不适合中国使用.采用东北师范大学的特色产品5×108n/s脉冲中子发生器和上海硅酸盐研究所生产的BGO探头开展脉冲中子煤炭工业分析仪的实验研究,对C元素的测量取得了突破,质量分数精度达到0 5%.     

Multi-modal face parts fusion based on Gabor feature for face recognition

A novel face recognition method,which is a fusion of multi-modal face parts based on Gabor feature(MMP-GF),is proposed in this paper.Firsdy,the bare face image detached from the normalized imagewas convolved with a family of Gabor kernels,and then according to the face structure and the key-pointslocations,the calculated Gabor images were divided into five parts:Gabor face,Gabor eyebrow,Gaboreye,Gabor nose and Gabor mouth.After that multi-modal Gabor features were spatially partitioned intonon-overlappi...