基于融合聚类的蓝牙室内定位系统算法优化

K-means聚类算法可以实现对指纹库的软划分,提高定位系统的查询效率和定位精度。由于K-means算法聚类中心选择和聚类数设定的随机性,使其稳定性较差,影响定位系统的性能,在此提出采用融合聚类的方式对K-means算法进行优化。采用基于密度峰值的聚类算法得到指纹库中每一个指纹点的局部密度和局部距离,然后计算综合决策量γ;选取跳跃点前的前k个点作为K-means算法的初始聚类中心,同时确定最佳聚类数k。试验结果表明,融合聚类算法相较于传统K-means算法定位误差在1.5 m内的概率提高了约9%,定位系统的定位精度得到明显提高。     

一种改进的交互式多模型粒子滤波算法

在实际的目标跟踪与识别的过程中,机动目标的跟踪不仅受非线性和非高斯现象的影响,而且它所采用的交互式多模型粒子滤波算法还存在着粒子权值退化和重要性密度函数选择的问题,导致跟踪误差较大。针对这一问题,提出了一种交互式的多模型的迭代容积粒子算法。该算法通过融合最新量测值产生更加接近系统的真实值,从而使粒子利用率得到进一步的提高。此外为了解决粒子的多样性减少的问题,还引入了MCMC重采样方法。仿真的结果表明,对于机动目标的跟踪与识别,改进的算法的精度要比IMM-PF算法的精度高、误差小,且通过改进的算法得到的重要性密度函数更加接近系统的后验概率分布。     

小型化心电信号检测系统设计

为了克服心脏疫病突发就医不及的安全隐患,早期心脏疾病早发现、早治疗,开发了一种基于嵌入式微控制器的小型化心电信号检测系统,该系统包含心电信号采集硬件、控制系统软件以及心率转换算法设计,实现对被测者心电图、呼吸波及心率的获取,利用串口通信方式,上传给串口屏显示模块,并且设计了一套基于心电信号检测的Qt上位机软件系统,可实...     

基于卷积神经网络视觉成像可见光室内位置感知模型与光源布局

针对基于接收信号强度（RSS）的可见光室内位置感知系统部署复杂、稳健性差、定位精度低的问题,提出一种基于卷积神经网络（CNN）视觉成像的可见光室内位置感知模型,并研究了光源布局方式。首先,基于环境光和普通发光二极管光源进行了可见光视觉成像位置感知模型的设计和搭建;然后,通过CNN预训练模型提取图像深度特征;在此基础上通过研究不同光源布局模型中定位精度与光源数量、光源间距之间的关系,优化基于CNN视觉成像的室内位置感知模型的定位精度模型。实验结果表明：与基于RSS的室内位置感知模型相比,当定位误差分别小于2.1 cm和3.9 cm时,所提模型的置信概率分别提高了10%和6.7%;同时,与矩形布局方式和三角布局方式相比,十字布局方式的定位精度分别提高了9.5%和16%。     

高压密闭消解-电感耦合等离子体质谱法测定锰矿石中钛钒锶

采用高压密闭消解系统,以6 mL HNO₃-1 mL HF-3 mLHCl酸体系消解锰矿石,建立了电感耦合等离子体质谱法(ICP-MS)测定锰矿石中钛、钒、锶3种金属元素的方法。选择⁴⁸Ti、⁵¹V和⁸⁸Sr为待测同位素,以钪(⁴⁵Sc)和铟(¹¹⁵In)为内标校正了基体效应与信号漂移。钛、钒和锶校准曲线的线性相关系数均为0.999 9,检出限分别为0.12、0.003 0和0.014 ng/mL。将方法用于锰矿石实际样品分析,结果与电感耦合等离子体原子发射光谱法(ICP-AES)基本一致,相对标准偏差(RSD, n=11)不大于2.0%,加标回收率在99%~102%之间。     

小型便携式显微成像系统设计

显微成像系统在医学领域应用非常广泛,比如：细胞研究、病菌检测等方面。如今的商业化显微成像系统已经可以满足大多数医学研究和教学的需求,但这些设备普遍体积大、造价高。针对以上这些问题进行研究,设计一款小型化便携式的显微成像系统,采用LED作为光源,CMOS图像采集模块,ESP8266无线传输模块等,设计出一款可以实现平移台三维移动和远距离无线传输图片的明场显微成像系统。该系统具有体积小、造价便宜、无线传输、设计模型开源化等特点。经USAF 1951分辨率板进行性能测试,证明了系统的成像分辨率可达到2.19μm,可以满足采集细胞图像的要求。经实验证,证明了本系统可以实现对生物样本的采集。     

基于改进U型网络的细胞核分割方法

乳腺癌核分裂象细胞核检测分割是病理专家对患者进行病理分级的重要依据之一。由于核分裂象细胞核形态表现为细胞核轮廓边缘出现毛刺,与非核分裂象细胞形态接近,且U＿net网络对于图像轮廓边缘特征以及非显著特征信息敏感度不足。首先在原有的网络结构特征编码部分添加残差结构间接增强原始网络对图像边缘轮廓特征以及非显著特征提取;其次,在特征重构部分添加混合注意力机制加强对提取特征的融合从而实现核分裂象细胞核精准分割;最后,通过实验验证算法平均像素准确率和Mean＿dice指标分别为0.73和0.81,较原始网络分别提升了10%和8%。结果表明,该方法对核分裂象细胞核分割有更好的效果。     

基于迭代平方根容积粒子滤波目标跟踪算法

针对粒子滤波目标跟踪算法粒子退化及跟踪精度问题,提出了一种基于马尔可夫链-蒙特卡罗(MCMC,Markov Chain Monte Carlo)的迭代平方根容积粒子滤波(ISRCPF,iterated square root cubature Kalman particle filter)算法(ISRCPF-MCMC).在该滤波算法中,利用容积数值积分原则计算非线性随机函数的均值和方差,通过正交矩阵分解代替矩阵开方,在生成的粒子滤波建议分布中融入当前量测值,提高对系统后验概率的逼近程度.然后在此基础上融合MCMC抽样算法(MH,Metropolis Hasting)对所选建议分布进行优化,增加粒子多样性,以提高跟踪精度.仿真试验结果表明,ISRCPF-MCMC算法的估计误差与其他算法相比降低至0.403％.     

基于注意力机制和残差结构的细胞核分割方法

病理细胞核的精准分割是病理学诊断的基础,然而当前算法针对带有核分裂象的乳腺癌细胞核自动分割效果差强人意。本文针对当前细胞核分割算法展开分析研究,并提出了一种基于注意力机制和残差结构相结合的U型网络(U＿net)用于解决因核分裂象和非核分裂象细胞形态特征十分接近造成细胞核分割精度不足的问题。通过实验表明本文提出算法的平均像素准确率(mean pixel accuracy,MPA)和Mean＿dice指标系数分别为0.74和0.82。与原有算法相比,训练指标分别提升了11%和9%,证明本文算法的可行性。