基于柯氏音识别法的自动血压测量系统

市场上的电子血压计一般均采用示波法,采用间接测量原理,其准确性难以提高;柯氏音法是血压测量的金标准,有望提高自动血压测量准确性,但柯氏音的降噪和识别是难题。因此,提出了基于柯氏音识别法的自动血压测量系统,该系统解决了降噪和识别的难题,通过对实时柯氏音信号的测试表明该系统可以有效地识别出柯氏音,得出收缩压和舒张压,识别精度高。且该系统成本低廉,可操作于Android系统的手机上,易于实现社区血压的健康管理和远程监控。     

山东电网基于WAMS的低频振荡统计与评估

提出一种基于广域测量系统(WAMS)的方法对日常扰动引起的小幅振荡进行在线识别和统计,从而可以在系统正常运行中,利用实测数据找到系统的固有振荡模式,对其中易激发的危险模式进行节点同调分群、振荡中心识别和贡献因子计算等模态分析并告警,从而补充或纠正了根据数学模型和特定工况进行振荡分析时,由于模型和参数不准确导致的遗漏和误差。以这一功能在山东电力调度中心应用的实例说明了该方法的有效性和推广应用的重要性。     

基于差分进化人工蜂群算法的光伏最大功率跟踪策略研究

带有旁路二极管的光伏阵列在局部阴影时其P-U特性曲线会出现多个极值点,此时常规MPPT方法在多峰值寻优时可能会失效。对光伏阵列输出特性功率极值点的个数进行了研究,在此基础上将基于差分进化的人工蜂群算法应用于最大功率点跟踪。首先对蜜蜂的初始位置进行预定义初始化,避免遗漏极值点。将差分进化算法中的变异策略与人工蜂群算法相结合,实现时变条件下全局最大功率点跟踪控制。并且在上述算法中加入迭代终止策略,从而有效避免系统稳态时的功率振荡现象。在Matlab中搭建S-Function仿真模型,验证了该算法的有效性。     

基于改进Ibrahim时域法的电力系统振荡特性分析

基于Ibrahim时域法的基本思想,提出一种可以识别电力系统振荡特性的改进算法,并给出了详细推导过程.所提算法可以根据故障或正常操作扰动后电力系统指定观测量的自由响应数据,识别机电模式特征值.在Matlab仿真平台上,通过对一个4机电力系统和一个8机电力系统的实例分析,证明所提方法对振荡频率和阻尼比的识别准确度比较理想,而且识别速度快、需要PMU(相量测量单元)测量点少、不遗漏模式,有较好的应用前景.     

基于闪变电压归算的间谐波源识别与物理实现

在系统侧和用户侧同时存在同频次间谐波源时,间谐波源识别中常用的有功功率法和阻抗法可能会给出错误的结论.提出了一种基于闪变电压归算的方法识别间谐波源,该方法通过测量基波等效阻抗、频率修正、相量运算得到各支路等效间谐波源,然后分别计算其作用于公共连接点的电压,同时考虑了不同频率对闪变影响的差异性,因此可以克服传统方法中同频次间谐波源相角差对测量结果的影响,并量化系统侧和用户侧的责任.在理论分析基础上,设计了一套数据采集装置并开发上位机软件实现所提算法.实验分析表明该装置工作可靠并验证了算法的有效性.     

失稳模态识别方法及其在动态安全域中的运用

提出了一种快速识别初始运行点附近失稳模态的方法,该方法基于大量计算观察到的初始运行点附近不同运行点注入下模型的可达性格纳姆矩阵元素近乎不变的性质,将基于K-中心点算法的同调识别和初加速度法相结合,快速识别初始运行点附近的失稳模态,为实用动态安全域(PDSR)直接法提供了临界点搜索建议,改善了PDSR法。该方法的有效性在New England 10机39节点系统得到了验证。     

一种基于PWM的音圈电机改进控制方法

在PWM控制的音圈电机伺服系统中,小占空比PWM信号的音圈电机存在死区,导致系统在控制过程中调节时间增加,稳定性变差。提出了一种由位置环和速度环构成双闭环的改进控制算法,位置环采用PID算法控制音圈电机精确偏转到指定位置,速度环将输出量叠加于位置环PID算法的积分环节。将该算法用于高速精密光束指向系统,实验结果表明,该算法不但将高速精密光束指向系统调节时间缩短约65%,而且提高了系统的稳定性。另外,该算法还可用于PWM控制的其他伺服控制系统中。     

确定性合同分解中异常负荷数据的识别与修正

电力市场的合同分解中应用确定性电量分解算法需要制定典型负荷曲线,历史负荷中的异常数据必然影响典型负荷曲线的有效性。文中借鉴计算统计学的等高线图法,采用系统聚类方法构造谱系树,将样本映射到叶结点,提出一种新的负荷形状畸变识别方法,并将其与传统的 t检验法相结合,应用于负荷异常数据的识别和修正。应用该方法对浙江电网的历史数据进行了异常负荷的识别和修正,分析结果说明其简单、有效。     

基于JN5121单片机的电磁阀信号数字滤波算法实现

液压系统是机械设备正常运转的保证,往往是系统故障的多发点。为了更加精确、快速地监测各种系统信号的变化情况,并且提高运算效率,本文以JN5121单片机为背景,针对液压电磁阀监测系统检测到的加速度信号和磁信号,提出了一种新的滤波算法,分析了该算法的原理、工作流程及其功能,并且针对电磁阀检测系统所监测到的磁信号,运用该滤波算法,将其滤波结果与MATLAB工具箱中数字滤波器的滤波效果进行了比较,得出了该方法在快速处理采样数据方面的优点。     

基于故障确信度的广域多重故障识别新算法

针对广域后备保护多重故障难以识别的问题,提出一种基于故障确信度的广域多重故障识别新算法。该算法在系统发生多重故障后,通过分析故障支路的节点电压方程,推导多重故障支路的故障等效模型,并形成基于该模型的支路电流列向量,在此基础上,利用最小二乘法计算预想故障组合的虚拟故障位置,再通过求取故障确信度,确定真实的故障位置。该方法在故障发生后可以避免重新生成系统导纳矩测量系统不受故障类型和过渡电阻的影响,计算量小,易于实现。新英格兰10机39节点系统仿真结果验证了该算法的正确性和有效性。     

Lyapunov指数法在故障电弧早期探测中的应用

故障电弧产生的伴生信号主要有弧光、短路电流、弧声.实验研究表明,弧前声音信号能作为故障电弧的早期表征信息,对弧前声音混沌时间序列进行相位空间重构,基于模型LE法确定混沌检测系统内置信号阚值,基于Lyapunov指数的故障电弧弧前声音信号混沌检测方法,能定量地识别湮没在复杂背景噪声中弧前声音信号.若最大Lyapunov指数大于零,表明由弧前声音信息产生,以弧前声音信息为判据提出弧前预警算法.     

钢琴乐声仿真频谱模型研究

频谱模型的乐音仿真是运用声学理论,由一系列基本函数及其时变幅度乘积的迭加来实现乐器的发声。通过对钢琴琴弦振动和衰减特性的分析以及共鸣箱共振作用的探讨,提出了一种新的数字化钢琴乐音仿真技术,仿真模型由激励系统和共振系统两部分组成。系统以琴弦振动方程为基础,先进行时域上的包络修饰,以模拟琴弦振动的自然衰减,这样可以使乐音各音符间衔接和谐;然后在频域上以频谱包络建模滤波器组,实现共振系统的仿真,对音色进行修饰。该方法能更为有效的雕刻声音,同时较好的表现音色,从而使乐音听起来更加和谐。     

基于Measurement Studio的心音信号采集与分析系统

设计一款便携式心音采集分析设备,并能定位出第一心音(S1)与第二心音(S2).以Measurement Studio作为开发平台,实现对先天性心脏病人心音信号的采集、存储和分析工作.采用双阈值分段定位法来定位S1与S2.系统较好的完成对病人心音信号的采集、存储、回显和播放功能.对心音杂音滤波效果明显,滤波后的包络能够较好定位S1与S2.通过该系统完成先心病的普查工作,比起专家亲自去边远山区现场听诊,更方便快捷,为未来心音听诊设备的开发奠定基础.     

Acoustical Respiratory Flow

Flow estimation from respiratory sounds, in particular tracheal sounds, has drawn much attention in recent years. This article briefly discusses previous studies that have been proposed for flow estimation. Recently, a method based on entropy was shown to have a superior performance compared to the other methods. The robustness of this entropy-based model in terms of its sensitivity to the changes of the tracheal sound signal's amplitude is presented here. Furthermore, with the aid of a new and simple technique to cancel the effect of heart sounds on the tracheal sound, the method was also able to estimate flow at very shallow breathing, which had not been done in previous studies. Flow variation effects the amplitude of tracheal sound. Therefore, the robustness of any flow estimation method to amplitude and the entropy method in particular is of interest     

Separating heart sounds from lung sounds. Accurate diagnosis of respiratory disease depends on understanding noises.

This study reviews the adaptive methods of canceling heart sounds from lung sounds that have been investigated over approximately 20 years. Filtering techniques are categorized as linear adaptive filters and filters employing time-frequency based methods. Several filtering schemes are outlined within these two categories. Methods of heart sound localization are indicated in conjunction with the studies of heart-sound cancellation. Details such as digitization parameters, the location of heart and lung sound recordings, and the number of subjects used in each study. Since a primary objective of respiratory sound research is bring about improvements to monitoring and diagnosis of respiratory disease, the potential usefulness of any method for filtering heart sounds from lung sounds rests on its ability to perform in a clinical setting     

基于决策融合的非侵入式电力负荷辨识方法及应用

在非侵入式负荷分解与辨识中,单独一种算法的辨识决策方法容易受算法自身的局限性以及电网对用电设备而降低辨识精度,使得不能准确获得用电设备投切情况。为此,基于多种不同算法得到的分解与辨识结果,提出了一种非侵入式电力负荷分解与辨识决策融合方法。首先,提取每个用电设备平稳状态下的负荷特征,并采用3种常用的模式识别方法进行分解与辨识。然后将得到的辨识结果,进一步采用一种加权方法对投切结果进行决策。最后采用案例分析,对决策融合方法进行了合理验证。结果证明,辨识决策方法可以有效地提高设备辨识的准确性。     

乐音音符基频识别

音乐识别的研究在很早就开始了,但识别系统的性能仍未达到满意的效果。通过研究乐音的声音和物理特性,该文提出一种短时自相关基音检测算法。实验证明,利用该文提出的方案,对于传统的自相关基音检测算法,可以提高基音频率提取的准确度,取得了较好的识别效果。     

肥心病心音时频杂波特征提取识别算法研究

为了便捷有效地识别肥心病与正常心音,提出了基于心音信号的时频域(TFD)特征提取新方法。综合应用小波变换与主成分分析对信号进行降噪预处理;基于变频同态滤波(FCHF)提取信号的时域包络,进行分割定位,提取收缩期杂音能量E_s与舒张期杂音能量E_d;通过谱估计提取心杂音缩放因子(SF)对时域E_s与E_d进行加权处理,提出用于表征肥心病心杂音的量化指标。对100例正常心音和181例肥心病心音进行分类,验证提出量化指标的有效性,平均识别准确率可达92.97%,最优识别正确率可达95.37%,结果表明提取的特征能有效识别正常心音与肥心病心音。算法提出的量化指标能够有效表征肥心病病理性特征,研究提出的心杂音量化指标提取算法为肥心病心音的分类识别提供技术基础。     

A plastic neural network model of sound therapy of tinnitus

Tinnitus is the perception of phantom sounds. There are sound therapy techniques which have the clinical effect of making the sufferers temporarily stop perceiving tinnitus. To account for mechanisms of tinnitus generation and the clinical effect of sound therapy from the viewpoint of neural engineering, this paper describes a neural network model with a plastic coupling on the human auditory system. Through numerical simulations we observed an oscillatory state and a nonoscillatory state in the model; it was also noticed that the value of the plastic coupling changes through external stimulus, and subsequently the oscillation is inhibited. By associating the oscillatory state with the state of tinnitus generation, it could be explained that the habituated human auditory system temporarily stops perceiving tinnitus after sound therapy. © 2007 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.