小波变换提取的胎动信号的神经网络识别

胎动监护是预防围产期胎死的一项重要手段。本文介绍了一种用小波变换实现胎动信号滤波并利用BP神经网络识别胎动以实现胎动自动监护的方法,其中胎动信号利用压力传感器从孕妇腹部获取。通过使用所设计的分类系统对13例共260min的腹部胎动信号进行识别,总的正确率达90．05％。从实验结果看,本方法效果令人满意。     

基于震动信号的神经网络目标识别

随着传感器技术的发展和信息融合技术的应用,信息的获取和处理进入一个全新的时期。在利用地面传感器获取目标地震信号特征的基础上,借助神经网络理论,解决基于地震动信号的典型目标的模式识别问题。并设计了一种带偏差单元的回归网络用于目标识别,通过实验仿真证明了带偏差单元的回归网络在模式识别中的优越性。     

基于BP网络的字母识别

介绍了用BP神经网络方法对英文字母进行识别,并在识别过程中考虑了噪声干扰及非线性因素的存在,使网络具有一定的容错能力,并用MATLAB完成了对字母识别的模拟.     

基于多层BP神经网络的扑克牌识别

实现了多层BP神经网络识别扑克牌图像的方法，首先使用C语言来编写BP神经网络的算法以及用VC＋＋来实现对扑克牌图像的分析，然后再使用大量已知花色和牌点的扑克牌输入，作网络训练，训练完成后，利用网络识别样本扑克牌和带噪声的扑克牌。结果表明，该方法能够较准确地识别GIF扑克牌图像。     

基于LSTM神经网络的声发射信号识别研究

声发射检测不需要进入被检对象中进行检测,与其他无损检测技术相比具有实时性、整体性和高灵敏度等独特优势.早期参数分析、小波分析等方法在声发射信号特征提取上缺乏理论指导,具有一定主观性,BP神经网络应用于声发射信号识别中时网络训练容易陷入局部极值,LSTM神经网络可以对输入序列数据进行逐层学习并自适应提取特征,避免了特征的人工选择和提取,较好地解决了存在的问题.文中提出一种基于LSTM的声发射信号识别模型,在声发射信号z-score标准化基础上,对比不同学习算法、隐层神经元数、正则化dropout rate下的测试集正确识别率,优化声发射信号识别模型,与BP神经网络的声发射信号识别准确率进行对比,实验结果表明,LSTM神经网络在Adam算法中,当隐层神经元数为250,dropout rate为0.5时,声发射信号识别率最高且为76.51％,优于BP神经网络53.9％的最高识别率.     

基于D-S理论的震动信号目标识别研究

为了解决干扰情况下地震动信号发射源的定性问题,提出了在决策层上的多传感器数据融合的识别方法。利用定位传感器组中各个传感器得到的数据,同时考虑在同一个定位组中各个传感器所得数据的置信度不同,来对地震动信号发射源性质进行识别。实验结果证明了基于D-S证据理论的目标识别数据融合后,地震动信号发射源特性识别的可靠性明显大于单个传感器的识别效果,这也表明了多传感器融合识别的可能性和有效性。     

基于负熵的人员脚步震动信号检测识别算法

提出一种基于震动信号的人员脚步检测识别算法,该算法根据信息论中的负熵概念,采用高阶累积量的负熵近似计算方法.仿真与实测结果证明,与一般的模式识别算法相比,该算法具有三个重要的优点,包括环境适应性强、识别准确率高和运算量小.这些优点使得该算法更适用于能量受限、随机自组的无线传感器网络,能够在野外环境下准确、简单的检测识别人员脚步震动信号.     

一种快速识别传感器信号的新方法

介绍了一种快速识别传感器信号的新方法，即尝试对模拟信号直接进行数字化处理，用门限电平采样记数法快速、准确地识别传感器发出的信号，目的在于提高计算机控制系统对传感器信号的检测及识别速度，排除各种干扰信号，及时进行决策处理。实践证明该方法切实可行，效果理想。     

一种超低功耗无线震动传感器设计

为实现长期无人值守的震动测量与目标识别,设计了一种超低功耗无线震动传感器.该传感器采用磁电式敏感元件来获取震动信号,通过信号调理、数据采集、数据分析、数据存储和无线通信的软硬件设计,完成目标识别和数据传输.通过免供电传感和双处理器设计实现超低功耗工作,利用无线传感器网络监测模式构建无线、分布式震动监测网络.试验结果表明:该传感器能够完成震动信号测量并识别履带车和行人这两种典型目标,电流仅有30μA,预计可连续工作200天以上.     

基于多层BP神经网络的扑克牌识别

实现了多层BP神经网络识别扑克牌图像的方法,首先使用C语言来编写BP神经网络的算法以及用VC++来实现对扑克牌图像的分析,然后再使用大量已知花色和牌点的扑克牌输入,作网络训练,训练完成后,利用网络识别样本扑克牌和带噪声的扑克牌。结果表明,该方法能够较准确地识别GIF扑克牌图像。     

基于振动信号的传感器节点性能测试系统设计

传感器节点用于采集轮轨作用下钢轨的振动信号以分析钢轨振动特性。为了测试传感器节点的工作性能,设计并实现了能提供稳定振动信号的测试系统。测试系统基于MSP430单片机,由控制单元、激振器、简支梁结构以及监控软件组成。实验表明：在给定加载条件下测试系统可稳定提供10N的激振力,产生峰值为93×10－6的动态应变和97 gn 的振动加速度。通过分析采集数据的时频特性,可以有效发现故障节点。     

压电式加速度传感器振动信号采集系统

针对变压器产生的振动信号的特征,设计了一种基于压电式加速度传感器的变压器振动信号采集系统。以振动控制台为试验对象,利用此系统对控制台输出的振动信号进行采集,并用快速傅里叶变换对采集到的振动信号进行分析。实验结果表明：该系统将压电式加速度传感器输出的电荷信号转换成了标准的电压信号,能够准确、实时地采集振动信号,为变压器故障在线监测奠定了基础。     

基于字符识别的实验报告自动打分系统的设计

针对实验教学中实验报告成绩的录入耗时耗力以及出错率高的问题,开发了基于字符识别［1］的实验报告自动打分系统,大幅提高了数据输入的工作效率和准确率。根据图像识别原理对成绩进行特征提取,采用BP神经网络系统,改进BP算法,识别出成绩,并利用Access数据库进行存储。系统经过测试,可以应用到实验报告中学号、成绩的快速录入与存储。     

一个人脸识别系统的设计与实现

设计了一个在区分人脸朝向的基础上,再进行人脸辨别的识别系统。把BP网络用于人脸朝向的识别,并且用一组单输出的子网络代替原来的BP网络,提高了人脸朝向的识别率。在人脸朝向的分类基础上,用主元分析法进行人脸识别。实验结果表明此系统提高了人脸的识别率。     

一种便携式工程机械振动信号采集系统的设计

设计了一种工程机械振动信号采集与分析系统,系统由加速度传感器、HS801虚拟测试仪、笔记本电脑等组成,通过用自带电源工作,携带方便,可以高精度、低成本地完成信号的实时采集分析,特别适用于机动测量;最后,给出一个利用该系统采集与分析工程机械振动信号的应用实例,获得ZL50型装载机操纵台的振动信号及频谱、功率谱。     

基于BP神经网络的手势识别系统

给出了采用ADXL335加速度传感器来采集五个手指和手背的加速度三轴信息,并通过ZigBee无线网络传输来提取手势特征量,同时利用BP神经网络算法进行误差分析来实现手势识别的设计方法。最后,通过Matlab验证,结果表明,该系统在测试中识别率较高,系统稳定。     

基于样本熵和模式识别的脑电信号识别算法研究

脑-机接口BCI是一种实现人脑和外部设备通信的新兴技术。基于时频特性进行特征提取的传统方法无法体现EEG信号的非线性特征。为了进一步提高分类的准确率,首先采用小波阈值降噪的预处理方法提高了EEG信号的信噪比。然后结合非线性动力学的样本熵参数,对3种想象运动的脑电信号进行特征提取,保留了脑电信号的非线性特征。其中,运动想象MI脑电信号的研究一直都是BCI这一高速发展领域的重点目标。还研究了支持向量机、LVQ神经网络和BP神经网络3种分类器。通过实验结果对比发现,BP神经网络具有较高的识别率,更适用于脑电信号的分类识别。     

基于小波和支持向量机的光纤微振动传感器模式识别

为实现对双M-Z型光纤传感器的振动信号进行识别,提出一种基于小波能熵和支持向量机(SVM)的光纤传感信号模式识别方法。该方法对小波分解得到的各频段系数求解其能量信息熵,归一化后得到特征向量。其作为SVM的输入,通过选用合适的核函数和多类的分类方法,对SVM多类分类器进行建模。在多种振动信号的条件下,用测试样本对SVM分类器模型进行测试,测试结果表明:该方法对双M-Z型光纤微振动传感器的振动信号的分类达到了较高的识别率。     

基于CS和神经网络的传感器网络模式识别研究

当前,传感器网络快速地发展,其节点不断增多,需要传输和储存的数据量也就不断增大,同时现有传感器节点尺寸与复杂度限制了传感器网络的数据存储、数据的计算速度及频宽.针对此类问题,将压缩感知技术应用于传感器网络,对传感器网络中传输的数据进行压缩,降低传输数据量,然后在接收端重构数据,将该数据样本作为BP网络的输入进行识别.实...     

多通道光纤振动传感器系统

介绍了一种多通道光纤振动传感器的原理和设计,它使用悬臂梁来遮挡反射回光纤的光，用光强度调制来实现振动信号的测量。这种传感探头只需一根光纤引出，紧凑小巧，易于安装调试。详细地介绍了系统的设计和制作方法。