二维心音图特征提取与识别方法的研究

针对心音的特征提取问题,将一维心音信号转换成二维心音图,采用图 像处理技术提取心音的图像特征。本文首先对一维心音信号进行小波降噪和幅值归一化,将 处理后的心音信号转换成具有统一性和可比性的二维心音图,并进行预处理;然后结合心音 生理意义和二维心音图的图像特征,对能表征二维心音图生理信息的图像特征进行分析研 究,重点研究二维心音图纵横坐标比和拐点序列码特征;最后,基于纵横坐标比、拐点序列 码、小波分解系数3 个特征,探讨利用欧氏距离和支持向量机（SVM）两种识别方法进行 二维心音图分类和身份识别的可行性。实验结果表明,3 种特征都可以实现二维心音图的分 类识别,其中拐点序列码识别率最高;这种基于图像处理的二维心音图分类和身份识别方法 具有明显的可行性和实用性,拥有广阔的应用前景。     

基于Hermite特征矢量的二维离散分数维变换

分数维变换（FRFT）是分析时变信号的强有力工具之一,它可实现信号在时频域中任何角度的旋转。由于分数维变换的重要性,实现离散分数维变换（DFRFT）则显得很重要。根据DFRFT具有DFT的Hermite特征矢量这一特性,对二维离散信号进行二维DFRFT分析,此方法即可满足旋转特性,具又可获得与连续FRFT相似的结果。     

基于胶囊内窥镜图像的肠胃道三维重建技术

为了改进胶囊内窥镜观测的准确性和真实性,提出了基于胶囊内窥镜序列图像的胃肠道三维重建的方法.首先利用SIFT算法提取前后两幅序列图像中尽可能多的对应特征点;计算获取各特征点在成像面上的二维坐标;进一步利用8点算法计算胶囊内镜运动变化的旋转矩阵和平移矢量.进而计算得到每个特征点的相对三维坐标和世界三维坐标;然后,采用Delaunay三角剖分算法对各三维点进行网格化,并完成场景的三维重建.实验表明相机与被测点距离在100 mm之内时,得到的深度误差小于1 mm;距离250 mm内时,相对误差在3％之内.说明所提出的算法是可行的.     

一种基于多特征签名的图像检索系统

针对以浮点矢量形式保存的图像特征存储开销大、距离计算复杂的缺点,提出了一种基于多特征签名的图像检索系统.该系统利用主分量分析和矢量量化技术,对多类浮点矢量特征降维后映射到多个特征签名中,并通过汉明距离表示特征签名之间的距离.实验结果表明,该系统相对于基于浮点矢量的图像检索系统能很好地实现图像的特征存储和签名匹配,在准确率保持不变的情况下能返回更多的检索结果,且具有较好的特征可扩展性.     

基于主分量分析的矢量量化数字水印算法

针对矢量量化过程中码书训练复杂的缺点,基于主分量分析方法对图像进行降维,根据降维后各主分量熵和标准差的差异性对其进行分类,采用非均匀矢量量化方法生成码书。在水印嵌入过程中,将水印图像嵌入降维后主分量能量适中的码书中以提高水印图像质量,利用EENNS算法代替完全搜索算法缩短编码时间。实验结果表明,该算法在提高码书质量的同时,能有效减少码书训练时间,对JPEG压缩、剪切、旋转等图像攻击也具有较强的鲁棒性。     

线性分组不等保护码的距离特性研究

线性不等保护码能够为分组码矢量中的特定信息位提供更高的纠错能力,这种性能与码空间的距离特性密切相关。该文借助近世代数理论,从分离矢量和特征距离矢量这两个重要参数来讨论码空间的距离特性,并给出了不等保护码保护能力和码空间距离的关系。此外,通过对距离特性的分析,可以从某些已知码构造出符合要求的不等保护码。     

单电磁矢量传感器DOA和极化的同时估计

针对单个电磁矢量传感器，提出基于四阶累积量的极化域虚拟ESPRIT二维波达方向(DOA)和极化参数同时估计算法。该方法借助累积量操作提取信号在极化域的旋转不变结构，并利用虚拟ESPRIT方法同时估计信号的二维DOA和极化参数，它可以分辨多个极化域可分的非高斯信号。给出的仿真结果验证了算法的可行性和有效性。     

面向识别未知旋转的3维网格模型的矢量型球面卷积网络

目的 3维目标分类是视觉领域的一个基本问题,3维目标的旋转变化给分类带来极大挑战。同时不规则3维网格模型难以运用传统2维卷积网络提取特征。针对这两个问题,提出一种基于矢量型球面卷积网络的分类方法,用于识别未知旋转的3维网格模型。方法 使用矢量型神经元作为网络的基础神经元,并提出一种新型矢量层间的卷积方式。首先,将3维模型规范化并映射到单位球上,获取球面的信号表示;然后,使用矢量型分类网络和重建网络学习等变的3维模型特征;最后,使用分类网络完成3维模型分类。结果 经过消融实验对比,使用本文提出的球面卷积模块和矢量卷积层,并在训练时加入重建模块。对原本未旋转（no rotation,NR）数据集进行任意旋转（arbitrary rotation,AR）,并设定NR/AR,AR/AR,NR/NR共3种训练/测试策略的分类任务,其中NR/AR任务衡量模型识别未知旋转的能力。在刚性数据集ModelNet40上,相比基于球面卷积网络（spherical convolutional neural network,SCNN）的分类方法,在3种任务上分别提高了7.7%,1.8%,3.1%。为验证本文方法...     

基于角度补偿的手机多传感器数据融合测距算法

在惯性测量领域,单纯利用加速度二次积分的方法并不能准确感知目标对象移动的距离.加速度传感器在感知呈线性运动的目标对象时较为准确和实用,但在三维空间运动时它的坐标轴会随物体发生方向的改变而不断漂移.为解决该问题,提出了一种基于角度补偿的手机多传感器数据融合测距算法(ADC-R),使用加速度传感器测量物体运动的加速度,作为计算位移的原始数据;采用手机陀螺仪传感器测量运动物体的角速度,并以旋转矢量传感器输出的数据作为参数把手机动态坐标系下测得的加速度值空间坐标转换到静态的参考坐标系下,然后进行数据融合完成角度补偿计算;最后根据物理学加速度和位移的关系运用数学积分方法和进一步修正误差的技术得到最终移动的距离.实验结果表明此方法在近距离测距方面精度较高,优于加速度积分算法和加速度与陀螺仪融合算法.     

行为识别中基于GA优化的加速度特征选择方法

在基于加速度信号的人体行为识别中,LDA是较常用的特征降维方法之一,然而LDA并不直接以训练误差作为目标函数,无法保证获得训练误差最小的投影空间。针对这一情况,采用基于GA优化的LDA进行特征选择。提取加速度信号特征,利用PCA方法解决“小样本问题”,通过GA调整LDA中类间离散度矩阵的特征值矢量,使获得的投影空间训练误差最小。采用SVM对7种日常行为进行分类。实验结果表明,与单独采用PCA和采用PCA+LDA方法相比,基于GA优化的LDA算法在保证较高识别率的同时能有效降低特征维数并减小分类误差,最终测试样本的识别率可达95.96%。