脑血流信号的采集与处理

脑血流信号可提供人体血管的弹性度，血流量等指标，文章给出了对脑血流信号进行提取及对脑血流信号进行处理的方法。给出了系统的硬件和软件框图。     

一种自动控制中正弦信号同步采集与处理的方法

介绍一种用于微型计算机控制的正弦信号同步采集和处理的方法，这种方法采用锁相环技术实现采样控制信号与测试信号的频率完全相同，从而克服了用软件设定采样时间间隔而造成的由于被测信号频率波动所引起的误差，同时，采用ＦＦＴ方法，可实现对被测信号的快速处理及谐波分析。     

近区标回波信号的测试,采集与处理

阐述了甘近程雷达系统的近区目标回波信号的测试、记录，数字化存储及其处理方法，重点讨论了近区场体目标之中电磁散射信号与近程雷达引信相对姿态的样本曲线获取方法，并对回波测试、接收、采集处理及噪声抑制等环节作了分析，最后介绍了实测回波的数字化信号的典型应用。     

基于单片机的脉冲信号采集与处理

为了提高脉冲信号采集与处理的精度，从硬件、软件、采集与处理方法三个方面，探讨了采用单片机技术采集与处理三种脉冲信号的技术途径。设计了以主机板为核心配以三块接口板的硬件子系统和采用模块化分区结构的软件子系统。提出了显示功能子程序、加源刻度子程序、测井子程序的编制技术，以及三种脉冲信号采集与处理的方法。     

基于DSP的高速信号采集与处理系统的设计

高速信号采集与处理系统广泛应用在通信、控制、仪器仪表、医疗等领域。基于数字信号处理器TMS320VC5402与拥有微控制器内核的AD、DA转换器ADuC812的信号采集与处理系统，可以智能化、高速地采集多路信号．并通过软件对信号实时地进行各种变换及处理。     

嵌入式实时信号采集与处理系统实现方案

本文分析了测试诊断系统中对信号采集的功能需求和应用特点,提出了基于DSP的嵌入式实现方案.详细介绍了设计的嵌入式系统总体功能框架,给出了合成均值采样算法的DSP具体实现方案,重点介绍了在具体实现时的数据空间划分,缓冲区设置等关键技术点.最后对设计的系统进行了性能测试,测试结果表明系统在实时性和同步性方面符合预期要求.     

基于LabVIEW的旋转机械振动信号的采集与处理

在分析旋转机械故障易造成重大损失的基础上 ,阐述了在工业生产中利用虚拟仪器构建状态监测与诊断系统的优越性。提出了基于LabVIEW的振动信号的采集与处理的硬件及软件解决方案 ,并给出了实例 ,完全可以满足方便地监测各类转子工况的要求。     

基于LED-89C52的无人机动态信号采集处理系统设计

无人机动态信号采集与处理,是对无人机控制的关键;设计并实现了一种基于LED-89C52的无人机动态信号采集与处理系统,该系统以89C52单片机为核心,使用高质量的信号采集终端模块以及信号处理调理模块增强检测精度,提高无人机大气信号检测的动态性能,系统的硬件设计,主要包括89C52单片机、信号采集终端、信号处理板模块、信号调理模块以及传感器信号放大与A/D转换模块和显示译码驱动模块、LED数码管显示模块等,给出了系统实现动态信号采集与处理的流程图以及程序代码,实现无人机中动态信号有效采集与处理;实验结果表明,所提系统可准确获取无人机中动态信号,完成信号的有效处理,具有较高的准确率,应用前景广阔。     

TMS320C30信号采集系统

TMS320信号处理器族具有特别适合信号处理的硬件结构和指令系统。而该信号处理器族的高性能浮点处理器系列TMS320C3X又增加了许多浮点处理功能。高速数字信号处理芯片TMS320C30不仅运算速度快,而且接口功能强,广泛应用于语音图像压缩处理和通信及工业自动化等领域,本文以信号采集处理系统为例,介绍高速数字信号处理芯片TMS320C30在数据采集中的应用。     

离子迁移信号的测量与处理

扼要介绍了离子迁移谱法在基本原理及离子迁移信号的特点，提出了对其进行测量及处理的具体方法。     

浅谈BP神经网络在模式识别中的应用

模式识别技术在各行各业都有广泛的应用。在工业检测、医疗仪器的样本检查分析、军事卫星侦察、人工智能方面有着举足轻重的作用。该文介绍基于BP神经网络的模式识别方法。运用一种基于BP神经网络的改进算法,将基于学习的思想引入到模式识别中,对样本数据进行学习和训练,形成良好的网络,最后对与已训练好的网络进行检验的整个过程,由于达到了一定的准确度,避开了传统方法计算属性权重的问题。     

基于仿生模式识别理论的高阶神经网络说话人识别方法

根据一种全新的仿生模式识别理论,提出了采用神经网络实现并完成说话人识别的新方法。该方法利用高阶神经网络形成的复杂包络在特征空间中构造不同说话人的覆盖区域达到识别目的。相关实验证明,这种新的说话人识别方法只要通过少量样本的训练即可达到比传统方法更高的识别率。     

用于模式识别的ART-2神经网络算法的改进

针对模式识别中模式有序输出的要求,对ＡＲＴ－２神经网络的算法进行了改进和调整,提出了ＡＲＴ－２神经网络的改进算法,通过对改进算法与原算法的识别试验结果进行比较,表明该改进算法对模式的有序输出是可行的和有效的。     

Pattern Recognition Theory in Nonlinear Signal Processing

A body of research has developed within the context of nonlinear signal and image processing that deals with the automatic, statistical design of digital window-based filters. Based on pairs of ideal and observed signals, a filter is designed in an effort to minimize the error between the ideal and filtered signals. The goodness of an optimal filter depends on the relation between the ideal and observed signals, but the goodness of a designed filter also depends on the amount of sample data from which it is designed. In order to lessen the design cost, a filter is often chosen from a given class of filters, thereby constraining the optimization and increasing the error of the optimal filter. To a great extent, the problem of filter design concerns striking the correct balance between the degree of constraint and the design cost. From a different perspective and in a different context, the problem of constraint versus sample size has been a major focus of study within the theory of pattern recognition. This paper discusses the design problem for nonlinear signal processing, shows how the issue naturally transitions into pattern recognition, and then provides a review of salient related pattern-recognition theory. In particular, it discusses classification rules, constrained classification, the Vapnik-Chervonenkis theory, and implications of that theory for morphological classifiers and neural networks. The paper closes by discussing some design approaches developed for nonlinear signal processing, and how the nature of these naturally lead to a decomposition of the error of a designed filter into a sum of the following components: the Bayes error of the unconstrained optimal filter, the cost of constraint, the cost of reducing complexity by compressing the original signal distribution, the design cost, and the contribution of prior knowledge to a decrease in the error. The main purpose of the paper is to present fundamental principles of pattern recognition theory within the framework of active research in nonlinear signal processing.     

基于无监督神经网络的故障模式识别

无监督学习的竞争式神经网络是一种数据聚类方法,能保持输入空间的拓扑关系不变,借助于一维或二维输出平面的一组有序的向量,实现高维数据的聚类和可视化;探讨了一种无监督神经网络--SOFM网络原理、思想和算法步骤,研究了无监督网络在模式识别中的应用,提出了基于SOFM网络的故障模式识别和状态监测方法;通过实例研究了SOFM网络在机械设备故障模式识别和状态监测中的应用.     

基于MATLAB神经网络工具箱的字母模式识别

以设计识别26个英文字母的神经网络为例,介绍了利用MATLAB神经网络工具箱进行模式识别的基本步骤,并对训练的结果进行了分析,说明了在解决此类问题时要充分考虑噪声对辨识率的影响。     

基于信号处理的声音模式识别过程及方法研究

基于信号处理的声音特征提取和模式识别技术近些年发展较快,声信号具有精确性和稳定性等特点,借助计算机技术运用信号处理的方法对物体发出的声音进行分析,提取其振动特征量,可以为物体运转情况的预测提供精准的数据分析依据。声音模式识别在无人职守、故障检测、灾害预防等方面具有很广阔的应用前景。该文主要介绍了在声音模式识别的一般过程,其中包括声信号预处理、特征提取、模式分类过程的方法。基于信号处理的声音模式识别,主要是利用信号处理的方法手段,对信号进行分析,提取频域、时域、幅域特征,对这些特征进行统计分类,应用数学方法,设计合理的分类器．达到分类识别的目的。文章中主要对在信号处理的过程中所涉及到的方法进行了研究。     

模拟生物嗅觉神经系统的混沌神经网络及应用

以神经生物学实验结果为基础，根据生物嗅觉神经系统的信息处理机制，Freeman建立了非线性神经网络模型-K系列模型。KIII模型在模拟神经系统方面具有突出的优点，同时也具有一定的模式识别的能力，它的仿生特点代表了一种新型的神经网络模型。因此，KIII模型在解释人脑的认知机制和处理比较复杂的模式识别问题中有着广泛的实际应用价值。该文应用KIII模型在图像模式识别方面的应用做了初步探索，并将该模型应用于具体的简单图像模式识别中，取得了良好的效果。这一探索拓展了KIII模型模式识别应用范围，为该模型在图像模式识别方面的广泛应用建立了基础。     

一种用于大规模模式识别问题的神经网络算法

许多实际的模式识别问题如对手写体汉字的识别,都属于大规模的模式识别问题.目前,传统的神经网络算法对这类问题尚无有效的解决办法.在球邻域模型的基础上提出一种可用于大规模模式识别问题的神经网络训练算法,试图加强神经网络解决大规模问题的能力,并用手写体汉字识别问题检验其效果.实验结果揭示了所提算法是解决大规模模式识别问题的一个有效且具有良好前景的方法.     

基于小波分析和BP神经网络识别的中医脉象信号辨识系统

讨论基于小波分析的脉象信号分解与重构、信号除噪、脉象信号时频特征值的提取和分析,构建合理的神经网络结构,各层神经元数量的确定,选择合理的学习速率,脉象信号特征值的选取,神经网络的训练等必须解决的关键问题。构建了一种比较实用的基于小波分析BP神经网络的中医脉象信号辨识系统。经1456例临床脉象检测,准确率〉90％,不仅极大地提高对平、浮、沉、迟、数、虚、实、滑、涩、洪、弦、促、结、代等基本脉的识别率,对于由上述基本脉构成的临床常见的相兼脉也有相当高的识别能力。