基于距离测度法的中枢神经系统损伤检测

基于AR模型的EEG信号距离测度方法可以较好地表征中枢神经系统损伤的情况。主要探讨在这种方法中利用不同的定阶准则建立相应的AR模型及其对距离测度结果的影响。同时，使用自适应滤波器对原始信号进行滤波，将分离后的平稳和非平衡成分再进行距离测度法的研究。对滤波器的参数分析表明，这种方法可以很好地消除EEG信号中可能混有的不同程度的噪声，得到的距离测度结果也能更好地表示损伤的变化情况。     

平稳噪声背景下短时动态信号的自适应滤波

根据短时动态信号与平稳背景噪声的特征区别，以时间序列的AR模型理论为依据，导出背景噪声自适应白化滤波器的结构，并用变步长LMS算法实现自适应滤波．合理设计LMS算法的收敛速度，使得滤波器既能白化背景噪声，又能使动态信号失真不大．当输入信号只有平稳背景噪声时，滤波器输出是白噪声；如果输入信号中含有短时动态信号，则滤波器输出就含有明显的信号波形．仿真计算结果表明，文中给出的方法用于从4，5级海况下的海洋波浪噪声中提取动态船舶水压场信号时，能提高信噪比达20dB．该方法可推广到其它场合，用于从平稳噪声背景中提取短时动态信号．     

舰船水压场信号实时检测方法研究

为了有效地从风浪背景中检测舰船水压场信号,在对大量实测海浪水压场数据和舰船水压场数据分析的基础上,对海浪水压场信号的特性进行了研究,发现海浪水压场信号可用AR模型对其进行描述．从而对海浪水压场信号建立AR模型,计算AR模型的反射系数并提取其欧氏距离作为特征,采用滑动检测法对信号进行实时检测．通过大量实测数据检验其有效性,结果表明,该算法简单,能较好的检测目标信号．     

零相位数字滤波器在非平稳信号处理中的应用

研究零相位数字滤波器在进行非平稳信号滤波时的特点．选用一种典型带通零相位数字滤波器,以非平稳调幅信号作为滤波器输入,进行仿真分析．将零相位数字滤波器与小波包分解重构和经验模态分解方法的滤波能力进行了比较．探讨了零相位数字滤波器在处理非平稳调幅信号时存在的过渡过程,及对滤波结果幅值和频率的影响．论述了滤波误差与滤波器参数、输入信号特性和信噪比等因素的关系．提出了分段零相位滤波器方法,改善了滤波器性能．最后,以一个实测的振荡信号对上述分析进行了验证．为在非平稳信号处理中,正确使用零相位数字滤波器提供了参考．     

一种基于卡尔曼数据平滑的分段曲线拟合室内定位算法

室内定位技术的关键在于获取距离参数,在这一问题的研究中运用RSSI信号获得距离参数一直是比较通行的方法.本文针对室内环境复杂,接收RSSI信号存在较大噪声的情况,提出了一种运用卡尔曼滤波器对信号数据进行平滑预处理,随后利用最小二乘法进行分段曲线拟合从而实现定位的算法.通过实验测试结果表明,本文所提出的算法平均定位精度可达0.9 m,与普通数据平均值预处理算法和曲线直接拟合方法相比较,定位精度更高;比直接应用对数距离损耗路径模型的定位算法更为合理可靠,能够在一定程度上满足无线传感器网络室内定位需求.     

基于独立分量分析的诱发电位信号提取方法

诱发电位(EP)信号在检测神经系统状态时有重要意义.但EP信号总是淹没在自发脑电波(EEG)信号中,因此,为利用EP信号诊断神经系统的损伤和病变,需要从二者的混合信号中提取出EP信号.独立分量分析(ICA)是一种新近发展起来的信号分离方法.本文把ICA方法应用于EP信号的提取,并与传统的滤波方法进行了比较.计算机模拟表明,采用ICA方法进行噪声分离的结果明显优于信号滤波方法.     

基于非高斯AR模型微弱信号双谱分析

采用高阶谱分析方法,基于非高斯AR参数模型对舰船微弱水声信号进行双谱分析.讨论了双谱和目标信号建模的相关概念;对实验数据进行高、低信噪比信号检测效果比较以及双谱与周期图功率谱的比较分析.分析结果表明,利用非高斯AR模型双谱技术分析水声微弱信号是一种新的有效方法,能够显著提高检测微弱信号的能力.     

卫星导航中一种新的能量压缩算法

针对卫星导航系统,特别是采用直接序列扩频的卫星导航系统,利用其循环平稳特性,采用陷波滤波器滤除伪随机码频谱中一些频率,然后再用载波调制信号.信号处理后卫星导航信号的能量大大降低,而伪随机码与本地码的相关特性保持不变,即,码测距精度不变.这种处理后的弱卫星导航信号可以寄生在其它卫星,而不被发现,从根本上提高了系统的抗干扰能力.最后并通过仿真验证了方法的可行性.     

基于LABVIEW的联合时频分析

在LabVIEW平台的基础上,研究了利用联合时频分析(JTFA)方法来分析信号的能量分布情况.此方法利用了短时傅里叶变换(STFT)的基本原理,对线性调频信号等一些非平稳信号进行分析,能很好地描述信号的频率如何随时间而变化,进而能很好把信号区分开来.这种方法比单独利用时域或频域来分析信号具有一定的优越性.     

BP神经网络在健康监测基准模型损伤识别中的应用

本文针对ASCE提出的健康监测基准问题的结构模型,分析了基于固有频率的结构损伤识别方法,使用MATLAB软件模拟不同的结构损伤情况,根据得到的固有频率构造BP神经网络输入参数并进行相应的训练,通过神经网络对结构损伤分步分层次的进行诊断。通过数值分析结果说明这种方法可以取得较好结果,也进一步说明神经网络技术是进行结构损伤识别有效方法。