基于小波变换的无创血压检测方法研究

为了在空间环境下测量连续血压,提出一种基于脉搏波速法,采用小波变换检测脉搏波信号峰点,准确计算脉搏波传导时间,并在此基础上推算出人体动脉血压的原理和方法,将其应用在自己研制开发的无创血压采集系统上.系统对传感器定位要求不高,误差和不适感较少,解决了其他基于脉搏波速法的血压采集系统所存在的心电、脉搏波信号同步性差,以及计算精度较低的问题.实验结果表明,本系统能准确定位脉搏波峰点、计算出脉搏波传导时间,并在此基础上计算得到人体动脉血压     

基于手指动脉波的无创血压测量系统

设计了一种基于手指动脉波的小型无创血压测量系统。通过光电式脉搏波传感器,采集同一根手指动脉前后两点的脉搏波信号,用微处理器主控通过阈值法提取脉搏波波峰,对比波峰时间差,得出脉搏波传播时间,建立脉搏波传播时间与血压之间的对应关系,通过实验确定关系式中的个性化参数,利用得到的关系式求得血压值,将所设计的系统测得的血压值与欧姆龙电子血压计的测量值进行对比,结果表明,两者误差较小,有较好的一致性。该系统可以实现血压的无创检测。     

基于脉搏波的新型血流参数检测仪的研制

为了解决现有的脉搏血流参数检测仪需要事先测量血压值、操作不方便的缺陷,开发了一种基于PC机的新型脉搏血流参数检测仪,可更方便地实现心血管参数的无损检测.本系统集成了一个由RS232串口控制的无创血压测量模块,可实现血压的自动测量.脉搏波信号通过桡动脉脉搏压力传感器获得,经过信号放大、滤波和A／D转换进入计算机.系统软件通过病人身高、体重、血压值等参数根据双弹性腔模型计算出波形系数、心率等血流参数.对比实验和可重复性实验证明本系统具有良好的准确性和较高的可重复性.可以被开发为临床应用的产品,更适合家庭使用.     

基于神经网络技术的电梯动态智能检测系统

提出了一种基于神经网络技术的电梯动态智能检测系统,它可以长期不间断地采集电梯运行数据并存储.利用最优小波包的理论分析提取轿厢垂直振动加速度信号特征,与水平方向振动信号特征融合建立了BP神经网络模型,实现对电梯急停故障现象的诊断.经验证,该模型能有效判断出电梯急停故障,为特检部门提供了电梯的检测依据.     

基于平稳小波与BP神经网络的换相失败检测算法

针对高压直流输电系统中换相失败检测问题,提出了一种采用平稳小波分析和BP神经网络的换相失败检测算法.通过平稳小波提取换相失败信号不同尺度的小波能量,作为特征向量输入神经网络中进行训练,并得到能够进行自动化识别的分类模型.在实际采集得到的200组数据集上进行了算法验证,结果表明,文中算法可以有效地区分直流输电系统中的换相失败和正常信号,其平均检测精确度达到95%以上,为进一步系统准确无功补偿提供保障.     

基于BP神经网络的场道脱空检测方法及实验

为研究场道脱空检测方法,进行室内模型试验,获得冲击荷载作用下道面板加速度响应时程曲线,利用Matlab小波变换工具箱提取加速度曲线特征值,分析脱空对振动信号的影响规律.通过优化荷载级数、筛选输入向量,建立了场道脱空的BP(back propagation)神经网络预测方法.为检验理论研究结果的正确性,利用重锤式弯沉仪在机场进行跑道脱空测试,通过场道取芯脱空观察评价BP神经网络预测结论的可靠性.结果表明,荷载级数、输入向量、训练次数、训练强度和算法对BP神经网络预测准确性影响较大;脱空影响下场道加速度信号可作为BP神经网络脱空预测的输入向量,取芯后场道脱空状况同BP神经网络预测结果一致.     

基于小波神经网络的加工番茄产量预测模型

基于小波分析和BP(back propagation)神经网络,建立加工番茄产量预测的小波神经网络模型,为制定合理的种植规划和管理决策提供科学依据.通过对新疆某番茄基地的历史数据进行分析,以温度、灌水量、氮肥、磷肥和钾肥的投入量作为模型的输入,番茄产量作为输出,建立5-10-1的预测模型.实验结果表明,预测值与实际值之间的最大相对误差仅为0.23%,收敛速度和预测精度均优于BP神经网络,实现了加工番茄产量的有效预测.     

无创血压测量

综述了国内外无创血压测量方法沿革和连续血压测量方法的研究进展,重点介绍了人工柯氏音法、振波法、24H动态血压检测法、张力测定法、容积补偿法和利用脉搏波特征参数间接测量血压等方法的原理和特点,分析了连续血压检测研究现状,讨论了目前存在的问题和解决思路.     

基于改进的小波神经网络的深基坑围护桩水平位移预测研究

结合某深基坑工程,以现场实测数据为依据建立了改进的小波神经网络预测模型,并用其预测围护桩水平位移.结果表明,改进的小波神经网络模型预测值与实测值相差在4%以内,而BP神经网络和小波神经网络模型的预测值与实测值相差最高分别达到了21.92%和18.58%.可以看出,改进的小波神经网络模型预测结果更接近于实际监测值,从而验证了改进的小波神经网络用于围护桩水平位移预测的可行性.     

北斗卫星监测大跨桥梁基础变位算法

为实现北斗卫星定位系统(BDS)对大跨桥梁基础变位的连续监测和最终沉降量预测,需要消除卫星信号采集过程中的各种误差影响.本文提出通过平稳小波变换消除卫星信号中的多径误差;并将随机噪声简化成高斯白噪声模型,结合自相关函数噪声判定准测和经验模态分解降噪方法,降低信号中的随机噪声成分.为满足大跨桥塔沉降观测精度需求,采用双曲线模型定义北斗卫星监测数据和精密水准方法测量的桥塔沉降数据;以施工过程数据和模型化沉降数据作为输入层,通过BP神经网络建立不同数据间的非线性映射关系,实现北斗卫星实时测量数据的纠偏处理.最后,以某在建超千米公铁两用斜拉桥基础承台建立的北斗卫星沉降测点采集数据为例,根据3倍中位差原则去除北斗卫星采集数据的坏点,采用线性插值补偿丢失数据,通过本文方法降噪和纠偏后得到大跨桥梁基础承台沉降实时数据.与精密水准测量结果比较,本文方法具有亚毫米精度,满足大型桥塔结构沉降的连续观测和最终沉降量预测要求.     

基于FPGA和Matlab的实时脉图信息处理系统设计

为了在无创心功能检测中准确迅速地检测出脉搏波,获得有用的诊断信息,在临床医学上有效地防治疾病,设计了一种基于FPGA和Matlab的高速实时脉图信息处理系统.该系统以FPGA芯片为核心,利用FT245BM型快速USB接口芯片和HK-2000G脉搏传感器,实现了对脉搏信号的采集,在主机上运用VB和Matlab混合编程技术,采用均值微分,积分、模糊插值、希尔伯特黄变换、小波变换等算法,完成脉搏信息的时频处理.该系统通过软硬件滤波,去除了呼吸等干扰信号,能正确地实时显示、存储、打印数字化脉波图像信息,自动运算得到脉图特征参数.通过对不同人体脉图特征参数测试,脉图信息有效、可靠,在医学亚健康诊断及病态诊断和家庭医疗方面有广泛的应用价值.     

基于附加动量的小波神经网络风电功率短期预测

以风电功率预测为背景,将小波理论与神经网络结合,在BP神经网络模型的结构基础上构造了小波神经网络,并提出了基于附加动量法改进的小波神经网络。利用附加动量的小波神经网络建立天气预报数据与发电功率的映射模型,并进行实际预测。利用MATLAB进行仿真,验证了设计预测模型的实际可行性,并且预测精度满足相关要求。     

倒双谱估计在海洛因吸毒者脉象信号检测中的应用

提出了用倒双谱估计和BP神经网络来检测中医脉象信号的方法,用该方法对15例吸毒者和15例正常人的脉搏波的倒双谱进行了估计,提取出每例脉搏波信号的倒双谱的3个特征参数,并将这3个参数构造1个三维特征参数向量作为所设计的BP神经网络的1个样本输入.研究结果表明,该方法能有效地区分吸毒者和正常人脉象信号的差异,并可进行自动识别.     

小波网络模型及其在日流量预测中的应用

基于小波分析和人工神经网络两者的优点,本文尝试将小波分析与ANN结合建立松散型WNN耦合模型,通过小波变换把南告水库的日流量序列分解成不同频段的子序列,再对这些子序列分别采用BP神经网络进行预测,最后利用小波重构得到整体的预测效果,并与传统BP模型结果相比较.研究结果表明,该方法提高了预报精度,可以成功地用于水文模拟和预测.     

基于小波包-GABP的滚动轴承故障诊断分析

为提高诊断滚动轴承故障的效率和准确率,本文将小波包变换、BP神经网络和遗传算法三者相结合,提出了一种基于小波包和GABP神经网络的故障诊断模型。由小波包的分解与重构在滚动轴承故障原始信号中提取有效的故障特征向量,并利用遗传算法优化BP神经网络,然后训练和诊断滚动轴承信号的故障类型。同时,运用Matlab软件把采集的数据进行仿真分析。仿真结果表明,相对于传统BP神经网络,利用遗传算法优化的神经网络对故障的诊断正确率更高,并且收敛速度较快,说明由遗传算法优化的BP神经网络在故障诊断方面具有较好的效果,而且遗传算法的引入使轴承故障诊断的适应度和准确率更高。该研究为滚动轴承的故障诊断提供了理论基础。     

基于脉搏波特征量关联分析的疾病预诊研究

心脑血管疾病已成为威胁人类健康的头号杀手.血流参数的变化可以为心脑血管疾病预诊提供重要依据.针对当前血流参数检测方法复杂、有创等缺点,无创获取脉搏波信号,对信号预处理,提取脉搏波形特征量K来计算血流参数,并对K值与血流参数进行相关性分析.结果表明本文方法不仅方便快捷,而且能够用脉搏波面积特征量准确预测血流参数变化,成为心脑血管疾病家庭和临床预诊的一种新的有效手段.     

呼吸肌电信号时频分析方法的研究

判定呼吸功能的关键在于呼吸模式的建立,呼吸肌电信号具有建立呼吸模式所需的信息.改进传统呼吸肌电信号的分析方法,是采用Mallet多分辨率分析技术,并用浮动阈值非线性小波算法实现信噪分离、信噪重构,然后用微分小波变换进行信号特征提取.系统采用了两种数据采集方法:有创采集动物呼吸肌电信号,无创采集人体呼吸肌电信号,两组数据的分析表明采用小波变换的多分辨率时频分析肌电信号的方法是有效可行的.     

基于小波神经网络的风速预测及置信区间估计

小波神经网络是在小波变换理论和人工神经网络的基础上建立的一种新型网络模型,综合了两者的优点,克服了BP神经网络易陷入局部极小点和训练速度慢的缺点．本文建立了小波神经网络模型,采用最陡梯度下降法训练网络,将该网络用于对风电场小时风速的预测,并对预测置信区间进行计算．预测结果表明小波神经网络在训练速度和预测精度方面均优于BP神经网络．     

小波包特征熵-神经网络在轴承故障诊断中的应用

提出了一种基于小波包特征熵-神经网络的轴承故障诊断新方法。首先对采集到的轴承的振动信号进行三层小波包分解,提取小波包特征熵,然后构造信号的小波包特征向量,并以此向量作为故障样本对三层BP神经网络进行训练,实现智能化故障诊断。仿真结果表明该方法有效可行。     

基于小波神经网络的房地产价格指数预测研究

要对非线性趋势房地产价格指数进行预测,就必须利用模拟非线性的模型。应用BP神经网络来对房地产价格指数进行预测,精度和收敛的速度都不是很理想,这主要是因为BP神经网络本身存在着缺陷。为了克服BP神经网络的缺陷,本文将小波变换和BP神经网络结合起来,运用小波神经网络来对房地产价格指数进行预测,并与BP网络的预测结果进行了比较,最后发现用小波神经网络进行经济预测可以达到很好的效果。