基于Android的运动状态识别分析系统设计

从数据采集、运动状态识别及识别结果显示3个方面,设计基于Android的运动状态识别分析系统。在硬件电路方面,本系统使用MPU6050加速度传感器采集数据,并做预处理。在软件方面,运动状态识别算法在手机APP的后台实时处理数据。首先对接收的6组数据进行预处理,检测并统计识别步数;其次运动周期提取,计算挥拍次数及平均挥拍速度;然后对运动周期内的数据进行标准化处理,调用个人特征数据库进行运动识别,实现越用越准;最后将结果通过基于Android的手机APP界面进行显示。在系统测试中,能够计算出挥拍次数、平均挥拍速度、步数,同时能够识别出羽毛球、乒乓球两种运动模式和高远球、弧旋球等8种运动动作,识别率达到90%以上。     

CIC滤波器在超声多普勒信号接收机中的应用

在医用超声多普勒信号接收机中,CIC滤波器(积分梳状滤波器)起到了高效滤波,同时降低采样速率的作用,是后续信号处理的先决条件.首先详细分析了CIC滤波器的原理以及构成.结合超声多普勒接收机中的实际设计要求,应用MATLAB对滤波器参数进行了设计与仿真.最后应用Verilog语言在FPGA上完成了滤波器以及片上验证系统的...     

基于高精度∑-△ADC的血氧饱和度检测研究

血氧饱和度是表征人体血液含氧量的重要指标,无创血氧饱和度检测通过采集光电容积脉搏波计算血氧饱和度,然而光电容积脉搏波的最大特点是其交流分量与直流分量的比值变化范围较大,一般为0.5％～40％,且极其微弱,针对目前广泛使用的前端分离、放大的手段,提出将24位高精度的∑-△AD(C引入血氧仪的设计中,采用内部集成有24位∑-△ADC的ARM7处理器ADuC7060,摒弃了前端复杂的模拟放大电路,并使用数字滤波等手段进行信号的处理、计算,降低了系统的复杂度,提高了系统的信噪比和抗干扰能力.     

Hilbert-Huang变换发展历程及其应用

Hilbert-huang(希尔伯特黄)变换是20世纪90年代末兴起的一种重要的非平稳信号处理方法,其中的经验模态分解(EMD)算法更是近年来的研究的热点之一。回顾了EMD算法近十余年来的发展历程,介绍了EMD算法的改进算法及其在工程领域中的运用,包括目前最新的演化算法BEMD、EEMD、CEEMD、MEMD、DEMD等,并结合作者的相关研究介绍了该算法在去噪及盲分离中的一些运用。讨论了EMD算法存在的不足和需要进一步研究的工作。     

缓进磨削的磨削温度、磨削烧伤及表面层元素变化

文中介绍了以高温合金和钛合金为对象的试验研究结果:工件表面温度较低,GH37和GH33在150℃以下,钛合金在120℃以下,烧伤时突增至1000℃以上。     

先心病心音CNN分类算法的硬件加速

为提高先心病心音分类算法的实时性,适用于资源有限的嵌入式设备,提出一种对FPGA进行流水线约束设计的硬件加速方法.将CNN内部计算的并行性与FPGA上的并行硬件对应起来,通过VIVADO高层次综合(HLS)映射CNN算法至FPGA上,在卷积层中的循环上采用流水线约束,子循环会默认展开的方式,提升循环的执行速度.实例仿真计算结果表明,该方法可以很好地利用硬件资源,极大降低计算延时,有效提升算法的实时性.     

缓进磨削变质层对M17高温合金疲劳寿命的影响

本文用缓进磨削、铣削、普通磨削三种不同工艺方法加工M17镍基铸造合金疲劳试件,进行对比疲劳试验,分析了表面粗糙度,冷作硬化,残余应力等疲劳寿命的影响。常温疲劳试验表明,试件表面残余压应力越大,疲劳寿命越长,冷作硬化有利于提高常温疲劳寿命,粗糙度对疲劳寿命影响不显著,缓精磨工艺加工的试件疲劳寿命最长。在高温疲劳试验中,冷作硬化层小的疲劳缓进寿命长,因此应采用缓进给精磨作为最后工序。本文是首次对M17材料在国内进行磨削表面完整性试验。     

MT8816模拟开关阵列电路在多路音频信号切换中的应用

介绍了应用集成模拟开关阵列芯片ＭＴ８８１６组成双６４×１６交换网络完成多路音频信号切换的方法及音频信号检测技术。具体介绍了软硬件设计方案和在信号路由方面采取的新方法：通道共用与扫描空闲通道。介绍的技术已在实用中获得了成功。     

一种基于AMI系统的无线三相智能电表的设计

介绍了一种基于高级计量系统(AMI)设计思路,并且详细描述了由STM32F103VDT、CC2530以及CS5463等芯片构成智能电表的设计方法。首先介绍了AMI及其对于未来智能电表的重要影响,然后提出了一种基于AMI系统的无线三相智能电表的设计方法。该三相智能电表设计包括:由新型高精度电能计量芯片CS5463构成的对电网电压、电流、功率等参数进行测量,并进一步实现电能计量功能的方法;使用ARM Cortex-M3内核的微控制器STM32F103VD,构成测量数据处理、存储和传输系统的方法;以及采用集成了协议栈的ZigBee芯片CC2530构建的无线数据传输通信系统,传递计量数据的方法。最后还展示了采用本方法构建的新一代无线三相智能电表设计的原型机及其测量结果。     

卷积神经网络应用于先心病心音信号分类研究

心脏听诊是先心病初诊和筛查的主要手段。传统心音分类算法普适性差，过程复杂，不利于将来实时化决策。采用1 800个心音信号对几种时间序列分类的主流深度学习网络进行训练，结果显示循环神经网络易出现过拟合；长短时记忆网络分类损失值0.257，准确率0.872；卷积神经网络损失值0.25，准确率0.896。实验表明卷积神经网络相比较其他两种网络具备更大的潜力。基于卷积神经网络的先心病分类算法，因训练样本量大，使网络普适性得到了保证。与其他分类器相比，CNN的另一个优势是其可自动提取特征。该研究有望用于机器辅助听诊。