基于时序分析的微弱表情识别方法

依赖现有夸张的表情图像序列数据库,将微弱表情看成是整个夸张表情图像序列中的前面一段,提出基于时序分析的微弱表情识别方法.首先融合二值图像和灰度图像序列的光流运动场,提取眉毛、鼻子和嘴巴的动作方向及强度共5维特征序列.接着采用夸张表情特征序列训练隐马尔科夫模型(HMM),分析特征序列与夸张表情的关系.通过HMM前向学习识别微弱表情序列.同时采用Boosting算法提高识别精度.在Cohn Kanade表情数据库上进行实验验证,取得较好的实验效果.     

高动态及微弱信号环境下GPS信号捕获方法

研究优化导航信号精确性问题,由于信号在传输过程中有损耗,传统捕获GPS信号的方法都是采用执行相干积分和非相干积分,但是非相干积分会带来非相干积分损耗,降低了接收机的灵敏度,不利于微弱信号的捕获.为了提高信号捕获精度和概率,提出一种FFT的GPS信号最佳数据组合捕获算法,并给出了算法的理论依据和具体捕获的流程.经仿真证明,算法能提高接收机的灵敏度,并且能有效提高信号的检测概率,表明了新提出算法的有效性.     

基于非相干积分时间调整的微弱GPS信号捕获

研究微弱GPS信号的捕获问题,由于实际接收信号存在多普勒现象,使信号减弱.针对传统方法快速傅立叶变换(FFT)不能有效捕获到GPS微弱信号,导致定位失败,为有效捕获微弱信号,提出了根据非相干积分时间调整的微弱GPS信号捕获算法.算法在FFT并行捕获的基础上,将相干积分的时间加长(批处理),同时对非相干积分做时间频率调整,从而既能提高整体信号强度,又能避免多普勒现象对捕获的影响.仿真结果表明,可以较好地避免多普勒现象引起的C/A码基码摄动,在处理的GPS数据为1 s的情况下,能很好地捕获到信噪比低至16dB-Hz的GPS信号,为设计提供了可靠依据.     

基于能量特征的脑电信号特征提取与分类

为了快速、有效地提取脑电特征,提高分类正确率,采用带通滤波和小波包分析的方法提取Mu、Beta节律对应的脑电信号,在时域范围内,将信号幅度的平方作为能量特征值;在频域范围内,采用AR模型功率谱估计法所得的功率谱密度作为能量特征值.根据运动想象脑电信号特点,构造左右通道信号能量差值的符号特性作为分类判别依据,进行分类测试,方法简单.初步实验结果表明,所利用的两种方法的分类正确率达87.857%.     

基于典型相关分析与低通滤波的肌电伪迹去除

提出了一种基于典型相关分析(CCA)和低通滤波的盲源分离方法去除脑电信号(EEG)中的肌电伪迹.该方法首先将混入了肌电伪迹的EEG信号分解为不相关的CCA分量,然后对与伪迹源相关的分量进行低通滤波处理,去除这些分量中的高频伪迹成分,最后利用与EEG相关的CCA分量和滤波处理后的新分量重构信号,消除肌电伪迹的影响.实验结果表明,采用CCA能够有效地分离出肌电伪迹,而结合低通滤波技术能够更有效地保留EEG信息.该方法取得了较好的去除肌电伪迹的效果.     

基于小波阈值的sEMG信号消噪方法研究

在表面肌电（sEMG）信号采集过程中,不可避免的会出现噪声,特别是人体运动时,肌肉动态收缩,采集的结果含噪就会更多。针对含噪情况,提出基于小波阈值的sEMG信号消噪方法。通过选择肌电信号的采集位置,在采用高精度的肌电采集系统的基础上,采集正常行走过程中胫骨前肌的sEMG信号,利用matlab小波工具箱,用dbN小波函数进行分解后,用detcoef函数提取不同尺度的细节系数,将与噪声相关的细节系数进行强制阈值消噪,对信号相关的细节系数用minimaxi阈值规则进行软阈值消噪,并与分层阚值得到的降噪信号进行比较,分层阈值得到的降噪信号过于光滑,降噪后的信号能量保留成份仅为46．48％,失去了原信号本身的一些信息。而采用软闯值消噪,不仅较好的去除了噪声,而且与原信号保持了很好的相似性,能量保留成份达到86．38％,说明比分层阈值具有更好的消噪效果。     

一种用于微弱GPS信号处理的快速捕获方法

微弱GPS信号的捕获处理将使运算量急剧增加,传统的方法难以实现快速捕获以保证信号处理的实时性.针对解决捕获微弱信号问题,根据GPS的C/A码本身的相关特性和计算机基本运算的时间特性,提出了一种改进的快速串行搜索和FFT搜索捕获方法,在同等精度下,大量减少运算量,提高捕获速度,保证了高灵敏度GPS软件接收机的实时性.仿真结果表明,对不同载噪比的GPS中频信号数据应用改进的串行搜索捕获法可以节省时间近40%,满足微弱GPS信号的快速捕获要求,为设计提供了依据.     

一种改进的心电信号预处理方法研究

心电信号是典型的强噪声下的非平稳微弱信号,减小噪声的干扰对心电信号的分析有着十分重要的意义,因此,有效的滤波方法一直是该领域学者关注的热点问题。本文在基于小波变换心电信号分析研究基础上,针对小波去噪时分解只作用于低频部分,从而忽略了高频区域中一部分有用信号的问题,提出了一种采用改进小波包理论实现心电信号去噪的方法,利用小波包在消除信号噪声方面具有更为精确的局部分析能力的特点,采用了‘db4’小波和＂最优基＂选择的方法,对心电信号进行消噪。以MIT-BIH心电数据库中心律失常数据仿真实验,得到了较理想的去噪效果。对比该方法与小波滤波去噪,发现基于小波包的心电信号去噪具有更优良的去噪性能。     

基于小波包变换的肌电信号特征提取

本文提出一种新的基于小波包变换的特征提取方法,提取表面肌电信号进行小波包变换后得到的信号的协方差矩阵的特征值的最大值作为特征值。利用该方法对表面肌电信号提取特征值构建特征矢量,送入Elman神经网络对手部6种动作模式进行识别,在Matlab平台上进行实验仿真。实验结果表明,该方法取得了很好的识别效果。     

用于胎儿心电信号测量的嵌入式数据处理系统研究

简要介绍了测量胎儿心电信号的意义和方法,提出了一种综合单片机和数字信号处理器(DSP)的数据处理系统的设计方案。文章从软硬件两部分详细介绍了设计方案。结果显示,本嵌入式心电信号处理系统能够对胎儿心电信号进行实时高精度处理和监控,而且具备便携特点,有很高应用价值。