低觉醒脑电识别与唤醒的可穿戴系统研究

为智能化地识别警戒作业人员出现的低觉醒、注意力下降的生理状态，本文介绍了一种基于FPGA和脑电信号处理的低觉醒状态检测与唤醒系统，系统通过传感器从大脑头皮采集脑电信号，转换为数字信号，经傅里叶变换获取了脑电信号的θ相对能量、α相对能量、重心频率、谱熵等4个特征量，由4个特征量表征低觉醒状态并运用支持向量机对低警戒状态进行识别，当识别出低觉醒状态时采用声音报警模块发出声音，唤醒警戒作业人员。设计系统能够较好地识别出低觉醒状态，识别率达90.8%，可为提高警戒作业工作绩效提供一种可穿戴的智能装备。     

遗传BP网络在模拟电路故障诊断的应用

分析了传统BP型神经网络在模拟电路故障诊断中应用所存在的缺点,提出了解决办法。利用遗传算法优化BP网络的结构和具体的参数,可以避免靠经验和试验确定参数的弊端,能够提高神经网络用于模拟电路故障诊断的智能性,改善故障诊断的精度、速度。     

大规模模拟电路子网络级故障诊断的神经网络方法

本文提出了一种采用双向联想记忆神经元网络诊断法诊断子网络级故障的新方法。在对含不可及节点的子网络级故障诊断的互测试条件检验的基础上，用神经元网络诊断法代替逻辑分析来快速而有效地定位故障子网络，并给出了诊断实例。     

基于MEFF倒谱距离与对数能量融合的语音端点检测方法

为提高低信噪比环境下语音端点检测算法性能不高的问题,提出将MFCC倒谱距离与对数能量结合进行端点检测.首先,对语音计算对数能量,然后计算改进的倒谱距离,将MFCC倒谱距离与对数能量融合,获得了一种新的语音参数,该参数能有效地提高低信噪比情况下语音与噪声的区别,对参数进行顺利滤波用于语音端点检测,采用自动更新的双阈值进行语音端判别.仿真实验表明,该算法具有较好的适用不同噪声,在低信噪比下依然能获得比较理想的端点检测效果.     

“电工电子技术”课程教学改革与实践

本文总结了笔者从事"电工电子技术"课程教学的经验和体会。从理论教学与实践教学出发,提出了该课程从教学内容,教学方法和教学手段等多方面进行改革的具体措施。     

基于加权最小二乘优化的DV-HOP定位算法

确定事件发生的传感器节点位置是大多数无线传感网络应用场景中不可缺失的一部分。目前,在资源受限的无线传感网络中设计高精度定位算法仍是一个极具挑战性问题。为此,深入分析了DV-HOP算法中误差产生的原因,提出一种改进的DV-HOP算法。该算法为了降低计算所带来的固有误差,估算坐标时采用不直接对估算方程进行平方的方法;此外,为了进一步降低误差,采用了加权最小二乘法进行坐标估算;最后,采用理论分析的方法对算法进行了误差分析。仿真结果表明改进的算法与传统DV-HOP算法及文献[16-17]中的算法相比定位精度得到明显改善,分别提高了40%、28%和15%。     

一种基于自适应前缀查询树的RFID防碰撞算法

为了克服查询树算法由于前缀多而导致算法交互次数多、通信量大的缺点,本文提出一种自适应前缀查询树算法。新算法通过提取碰撞位信息来构建查询树,有效的避免了反复重传已知信息位,从而降低了通信量;根据当前前缀后1至3位1的个数不同,标签响应时隙不同从而减少了一些不必要的空前缀,达到减少交互次数的目的。仿真表明,改进的算法在大量标签情况下更具有效性和稳定性。     

大规模无线传感网络的混合LEACH协议研究

能耗问题已经成为大规模无线传感器网络中的研究热点,因此如何设计高能效的路由协议是当前面临的技术挑战。为了降低传感器节点的能耗,提出一种适用大规模网络的基于LEACH算法的混合无线传感网络节能路由算法。首先,根据距离信息,设计一种簇成员向基站直接传输或者通过簇头转发数据的路由协议。然后,推导出满足该算法的能耗条件。最后,通过MATLAB工具仿真表明与已有的LEACH协议和M-LEACH协议相比,混合路由协议能够有效降低基站周围节点的能耗,从而延长整个网路的生存期。     

非线性系统退化数据的小波熵序列及其应用

用小波分解下各尺度上的能量信息熵计算了Lorenz系统退化数据的小波熵序列,计算结果表明退化前后两小波熵序列所蕴含的动力学特征基本一致;进一步讨论了窗口宽度对小波熵序列的影响,发现同一序号点的小波熵值退化增量随窗口宽度增大保持稳定,表明小波熵序列具有较强的抗退化能力,能够从退化数据中挖掘出非线性系统的动力学特征,为运用退化数据揭示复杂非线性系统的动力学特征提供了一种有效的方法;最后将该方法应用于南极中山站地磁场数据,获得了地磁场变化强度的演变特征,地磁场的磁暴区、平静区、稳定变化区在小波熵序列的波形中具有非常明显的特征.