基于随机共振的惯性传感器信号实时处理方法

根据惯性传感器信号处理特点,研究其基于随机共振的信号实时处理方法。首先,从实时性的角度出发,确定随机共振数值算法--龙格库塔法,并对其进行相应改进,实现实时处理。然后,研究单稳系统中各个参数对信号恢复结果的影响,确定系统处理的较佳参数。最终的仿真结果表明,静态信号的零漂值得到了较大改善,而动态信号的信噪比最大可提高约20 dB。同时,为了进一步验证算法,在数字信号处理硬件平台上实现算法,采样频率为5 000 Hz,结果完全能够满足惯性传感器信号处理的要求。因此,所提算法能够有效进行惯性传感器信号实时处理,为随机共振理论在惯性传感器信号处理中的应用提供了重要参考。     

基于改进K-SVD的磁共振图像去噪算法

 磁共振图像的降噪处理一直是医学图像处理中重要的研究领域。图像中存在噪声会降低图像质量从而影响临床诊断。现有K-SVD 算法虽然能达到良好的去噪效果,但却在字典训练中消耗大量时间。本文针对时间消耗问题,提出利用改进的KSVD算法进行医学图像去噪。首先根据已知的字典原子的可稀疏性,提出一种高效、灵活的稀疏字典结构,该字典能够提供高效的前向和伴随算子,并具有紧凑的表示形式,同时可以有效地训练图像信号;然后在现有K-SVD 算法的基本框架下,结合字典的稀疏表示特点使用改进K-SVD 算法训练稀疏字典,改进的K-SVD 算法能够对更大的字典进行训练,特别是对高维数据的处理更具有优势。实验结果表明,该算法相对基于离散余弦变换字典的磁共振图像去噪以及基于传统K-SVD 算法的磁共振图像去噪,不仅能够更加有效地滤除图像中的高斯白噪声,更好地保留原图像的细节信息,而且有效降低了字典训练所消耗的时间;在相同的噪声标准差下,改进K-SVD 算法的峰值信噪比提高了约1~3 dB。     

基于主元分析的电子舌味觉检测

 基于光寻址(LAPS)型电子舌的基本结构及检测原理,提出了一种基于主元分析(PCA)的味觉识别算法.通过对LAPS型电子舌提取到的信号特征进行主元分析,在其第一主元和第二主元得分图上,5种基本味道样本溶液的落点在各自区域内互不干扰,5种基本味道能够很好地区分.进一步采用最小距离法对其分类,表明该方法优势突出,对5种基本味道分类的平均识别准确率达到96.54%.试验表明,将主元分析应用于LAPS型电子舌的味觉检测分析方面有很好的效果,为研制小型化LAPS型电子舌提供了科学依据.