EEG信号的Volterra滤波器自适应预测研究

基于Takens的相空间延迟坐标重构及大量的非线性系统可以用Volterra级数表征这一特性,研究了利用FIR乘积耦合近似实现的三阶Volterra级数滤波器结构具有高维混沌特性的EEG信号进行预测，数值仿真结果表明，这种滤波器结构能够有效地对EEG信号进行预测。     

嵌入Fabry-Perot谐振腔的Tl-2212双晶约瑟夫森结的特性

采用嵌入Fabry-Perot谐振腔的方式,测量并研究Tl2Ba2CaCu2O8 (Tl-2212)高温超导薄膜双晶约瑟夫森结的毫米波辐照特性.通过精细调节谐振腔的各种参数,可使双晶约瑟夫森结与外加毫米波达到最佳耦合,在最佳耦合情况下,能观察到5级明显的夏皮罗台阶.初步测量了由667个双晶约瑟夫森结组成的串联结阵列的毫...     

基于改进K-SVD的磁共振图像去噪算法

 磁共振图像的降噪处理一直是医学图像处理中重要的研究领域。图像中存在噪声会降低图像质量从而影响临床诊断。现有K-SVD 算法虽然能达到良好的去噪效果,但却在字典训练中消耗大量时间。本文针对时间消耗问题,提出利用改进的KSVD算法进行医学图像去噪。首先根据已知的字典原子的可稀疏性,提出一种高效、灵活的稀疏字典结构,该字典能够提供高效的前向和伴随算子,并具有紧凑的表示形式,同时可以有效地训练图像信号;然后在现有K-SVD 算法的基本框架下,结合字典的稀疏表示特点使用改进K-SVD 算法训练稀疏字典,改进的K-SVD 算法能够对更大的字典进行训练,特别是对高维数据的处理更具有优势。实验结果表明,该算法相对基于离散余弦变换字典的磁共振图像去噪以及基于传统K-SVD 算法的磁共振图像去噪,不仅能够更加有效地滤除图像中的高斯白噪声,更好地保留原图像的细节信息,而且有效降低了字典训练所消耗的时间;在相同的噪声标准差下,改进K-SVD 算法的峰值信噪比提高了约1~3 dB。