应用复合加权偏微分方程求解的磁共振水脂分离成像算法

提出采用加权多网格方法来求基于相位矩阵的离散偏微分方程的展开解,由最大相位梯度矩阵和相位导数偏差矩阵生成复合标记矩阵,利用标记矩阵标记出相位矩阵中的不连续点和残差点,由此生成加权矩阵来抑制噪声和残差点在偏微分方程求解过程中的误差传播.通过求偏微分方程的加权最小二乘解,引导相位展开从相位质量高的点开始,有效避开低质量区域,不仅提高了相位展开的可靠性,而且能够正确地实现噪声条件下的相位展开.通过仿真数据和临床常见的头部磁共振成像,以及在0.3 T低场永磁型磁共振系统上的实验结果,证明了该算法的有效性.     

基于RLS-SVM的OFDM信道估计算法

为了提高OFDM系统的传输效率,提出了一种新的信道估计算法.通过改变导频模式,在一个OFDM符号的前若干子载波处插入导频,并在导频处进行信道估计,在此基础之上,采用递归最小二乘支持向量机(RLS-SVM)测后续子载波处的信道频率响应.仿真结果表明,在违反采样定律的情况下,与传统的信道估计算法相比,基于RLS-SVM的信道估计算法获得了较好的性能,在同样的传输速率下,减少了导频个数,提高了系统的传输效率.     

基于自适应多尺度的血液细胞图像阈值分割方法研究

提出一个基于自适应多尺度滤波的阈值分割方法,对血液细胞图像进行了自动分割。首先,对图像原始直方图进行多尺度滤波,根据它的尺度空间图特性,确定合适的滤波尺度,然后完成对谷点由“粗”到“精”的定位,并作为阈值对原始图像进行分割;其次,利用松驰方法对分割图像作后处理;最后,将该方法与其他阈值分割方法做了分割性能的比较,证明了算法的有效性。     

基于时频分析自动识别睡眠脑电的梭形波

为了识别睡眠脑电图（EEG）中出现的梭形波，使用Choi-Williams分布对EEG信号进行时频变换，根据瞬时频谱估计局部范围里EEG的波形特征，在此基础上设计了一个自动识别睡眠EEG梭形波的方法，对实际睡眠EEG中的梭形波进行识别，识别正确率为85．04％，并且能够提供梭形波的定量指标。实验结果表明，经过进一步完善，这种方法可以作为神经内科专家用于研究睡眠生理变化的一种辅助工具。     

任意可分负载的多轮调度算法

为了提高并行计算中具有负载任意可分特性的大规模应用的任务响应速度,提出了一种针对带传输和计算延迟的三阶段多轮调度模型求解近似最优调度轮数的算法(DCMR).通过对特定的调度时序分析,得出闭合式方程组,然后利用二分法快速搜索并结合回溯调整法求解近似最优调度轮数,使计算时间尽可能多地与传输时间重叠,从而缩短了整个应用的执行时间.算法经仿真表明:在多种参数变化的情况下,可以求解出近似最优的调度方案;与经典的FIFO和LIFO算法相比具有更强的自适应能力;在计算时间明显大于传输时间的情况下,能够稳定地保持任务响应时间为理想时间的1.1倍左右.     

基于多导脑电复杂性测度的脑疲劳分析

通过对连续长时间脑力劳动前后状态下的脑电信号进行分析,提取了脑电信号的基本尺度熵和排列熵两种复杂性测度,研究了它们与脑疲劳程度之间的关系,以及它们在不同脑疲劳状态下的变化规律及其相关性.实验结果表明,基本尺度熵和排列熵与脑疲劳程度之间存在很强的关联性,对于不同的脑疲劳状态,随着脑疲劳程度的增加,其alpha(8～12 Hz)、beta(13～30 Hz)频率段和total频率段(0.5～30 Hz)脑电信号的基本尺度熵和排列熵逐渐降低.相对于Tsallis熵算法,基本尺度熵和排列熵可以更好地反映疲劳前后脑电信号复杂度的变化特性.同时,由于基本尺度熵和排列熵算法概念简单,运算量小,因而它们的计算复杂度大大降低,运算速度更快,使得实时分析与监测脑疲劳成为可能.脑电信号的基本尺度熵和排列熵有望成为衡量脑疲劳程度的指标.     

基于近似熵的认知能力对事件相关电位的影响研究

选择青年组、血管性痴呆(VD))组以及与VD同一年龄段的正常老年组作为被试人群,其中VD组又依据简易智能量表的测试结果细分为轻度和重度VD组.采用视觉通道诱发的oddball实验模式,并对事件相关电位(ERP)信号进行近似熵分析.通过对不同被试组的近似熵对比发现,重度VD患者近似熵在整个实验过程中基本保持稳定,没有显著变化,而其余被试组随着刺激任务的开始,近似熵下降,随着任务的结束,近似熵升高.其次,轻度VD组的近似熵值明显高于老年组和青年组,尤其是在任务反应阶段其差异程度更为显著.ERP的近似熵分析较为清晰地展现出具有不同程度认知能力的被试者在执行认知任务过程中脑活动的变化,有效地反映了其大脑认知加工的过程和能力的大小.因此,近似熵为VD的早期诊断及程度分级提供了一个有效的途径.