<rt id="qaiok"></rt>
心音信號是人體最重要的生理信號之一，包含心臟各個部分如心房、心室、大血管、心血管及各個瓣膜功能狀態(tài)的大量生理病理信息。心音信號分析與識別是了解心臟和血管狀態(tài)的一種不可缺少的手段。本文針對目前該研究領(lǐng)域中存在的分析方法問題和分類識別技術(shù)難點展開了深入的研究，內(nèi)容涉及心音構(gòu)成的分析、心音信號特征向量的提取、正常心音信號（NM）和房顫（AF）、主動脈回流（AR）、主動脈狹窄（AS）、二尖瓣回流（MR）4種心臟雜音信號的分類識別。本文的工作內(nèi)容包括以下5個方面： a）心音信號采集與預(yù)處理。本文采用自行研制的帶有錄音機功能的聽診器實現(xiàn)對心音信號的采集。通過對心音信號噪聲分析，選用小波降噪作為心音信號的濾波方法。根據(jù)實驗分析，選擇Donoho閾值函數(shù)結(jié)合多級閾值的方法作為心音信號預(yù)處理方案。 b）心音信號時頻分析方法。文中采用5種時頻分析方法分別對心音信號進行了時頻譜特性分析，結(jié)果表明：不同的時頻分析方法與待分析心音信號的特性有密切關(guān)系，即需要在小的交叉項干擾與高的時頻分辨率之間作綜合的考慮。鑒于此，本文提出了一種自適應(yīng)錐形核時頻（ATF）分析方法，通過實驗驗證該分布能較好地反映心音信號的時頻結(jié)構(gòu)，其性能優(yōu)于一般錐形核分布（CKD）以及Choi-Williams分布（CWD）、譜圖（SPEC）等固定核時頻分析方法，從而選擇自應(yīng)錐形核時頻分析方法進行心音信號分析。 c）心音信號特征向量提取。根據(jù)對3M Littmann（） Stethoscopes[31]數(shù)據(jù)庫中標(biāo)準(zhǔn)心音信號的時頻分析結(jié)果，提取8組特征數(shù)據(jù)，通過Fihser降維處理方法提取出了實現(xiàn)分類可視化，且最易于分類的心音信號的2維特征向量，作為心音信號分類的特征向量。 d）心音信號分類方法。根據(jù)心音信號特征向量組成的散點圖，研究了支持向量機核函數(shù)、多分類支持向量機的選取方法，同時，基于分類的目的 性和可信性，本文提出以分類精度最大為判斷準(zhǔn)則的核函數(shù)參數(shù)與松弛變量的優(yōu)化方法，建立了心音信號分類的支持向量機模型，選取標(biāo)準(zhǔn)數(shù)據(jù)庫中NM、AF、AR、AS、MR每類心音信號的80組2維特征向量中每類60組數(shù)據(jù)作為支持向量機的學(xué)習(xí)樣本，對余下的每類20組數(shù)據(jù)進行測試，得到每類的分類精度（Ar）均為100％，同時對臨床上采集的與上述4種同類心臟雜音信號和正常心音信號中每類24個心動周期進行分類實測，分類精度分別為：NM、AF、MR的分類精度均為100％，而AR、AS均為95．83％，驗證了該方法的分類有效性。 e）心音信號分析與識別的軟件系統(tǒng)。本文以MATLAB語言的可視化功能實現(xiàn)了心音信號分析與識別的軟件運行平臺構(gòu)建，可完成對心音信號的讀取、預(yù)處理，繪制時-頻、能量特性的三維圖及兩維等高線圖；同時，利用MATLAB與EXCEL的動態(tài)鏈接，實現(xiàn)對心音信號分析數(shù)據(jù)的存儲以及統(tǒng)計功能；最后，通過對心音信號2維特征向量的分析，實現(xiàn)心音信號的自動識別功能。 本文的研究特色主要體現(xiàn)在心音信號特征向量提取的方法以及多分類支持向量機模型的建立兩方面。 綜上所述，本文從理論與實踐兩方面對心音信號進行了深入的研究，主要是采用自適應(yīng)錐形核時頻分析方法提取心音信號特征向量，根據(jù)心音信號特征向量組成的散點圖，建立心音信號分類的支持向量機模型，并對正常心音信號和4種心臟雜音信號進行了分類研究，取得了較為滿意的分類結(jié)果，但由于用于分類的心臟雜音信號種類及數(shù)據(jù)量尚不足，因此，今后的工作重點是采集更多種類的心臟雜音信號，進一步提高心音信號分類精度，使本文研究成果能最終應(yīng)用于臨床心臟量化聽診。 關(guān)鍵詞：心音信號，小波降噪，非平穩(wěn)信號，心臟雜音，信號處理，時頻分析，自適應(yīng)，支持向量機
上傳時間： 2013-04-24
上傳用戶：weixiao99
高性能ADC產(chǎn)品的出現(xiàn)，給混合信號測試領(lǐng)域帶來前所未有的挑戰(zhàn)。并行ADC測試方案實現(xiàn)了多個ADC測試過程的并行化和實時化，減少了單個ADC的平均測試時間，從而降低ADC測試成本。 本文實現(xiàn)了基于FPGA的ADC并行測試方法。在閱讀相關(guān)文獻的基礎(chǔ)上，總結(jié)了常用ADC參數(shù)測試方法和測試流程。使用FPGA實現(xiàn)時域參數(shù)評估算法和頻域參數(shù)評估算法，并對2個ADC在不同樣本數(shù)條件下進行并行測試。 通過在FPGA內(nèi)部實現(xiàn)ADC測試時域算法和頻域算法相結(jié)合的方法來搭建測試系統(tǒng)，完成音頻編解碼器WM8731L的控制模式接口、音頻數(shù)據(jù)接口、ADC測試時域算法和頻域算法的FPGA實現(xiàn)。整個測試系統(tǒng)使用Angilent 33220A任意信號發(fā)生器提供模擬激勵信號，共用一個FPGA內(nèi)部實現(xiàn)的采樣時鐘控制模塊。并行測試系統(tǒng)將WM8731.L片內(nèi)的兩個獨立ADC的串行輸出數(shù)據(jù)分流成左右兩通道，并對其進行串并轉(zhuǎn)換。然后對左右兩個通道分別配置一個FFT算法模塊和時域算法模塊，并行地實現(xiàn)了ADC參數(shù)的評估算法。 在樣本數(shù)分別為128和4096的實驗條件下，對WM8731L片內(nèi)2個被測.ADC并行地進行參數(shù)評估，被測參數(shù)包括增益GAIN、偏移量OFFSET、信噪比SNR、信號與噪聲諧波失真比SINAD、總諧波失真THD等5個常用參數(shù)。實驗結(jié)果表明，通過在FPGA內(nèi)配置2個獨立的參數(shù)計算模塊，可并行地實現(xiàn)對2個相同ADC的參數(shù)評估，減小單個ADC的平均測試時間。 FPGA片內(nèi)實時評估算法的實現(xiàn)節(jié)省了測試樣本傳輸至自動測試機PC端的時間。而且只需將HDL代碼多次復(fù)制，就可實現(xiàn)多個被測ADC在同一時刻并行地被評估，配置靈活。基于FPGA的ADC并行測試方法易于實現(xiàn)，具有可行性，但由于噪聲的影響，測試精度有待進一步提高。該方法可用于自動測試機的混合信號選項卡或測試子系統(tǒng)。 關(guān)鍵詞：ADC測試；并行；參數(shù)評估；FPGA；FFT
上傳時間： 2013-07-11
上傳用戶：tdyoung
磁共振成像（MRI）由于自身獨特的成像特點，使得其處理方法不同于一般圖像.根據(jù)不同的應(yīng)用目的，該文分別提出了MRI圖像去噪和分割兩個算法.首先，該文針對MRI重建后圖像噪聲分布的實際特點，提出了基于小波變換的MRI圖像去噪算法.該算法詳細闡明了MRI圖像Rician噪聲的特點，首先對與噪聲和邊緣相關(guān)的小波系數(shù)進行建模，然后利用最大似然估計來進行參數(shù)估計，同時利用連續(xù)尺度間的尺度相關(guān)性特點來進行函數(shù)升級，以便獲得最佳萎縮函數(shù)，進一步提高圖像的質(zhì)量，最終取得了一定的效果.與此同時，該文對MRI圖像的進一步的分析與應(yīng)用展開了一定研究，提出了一種改進的快速模糊C均值聚類魯棒分割算法.該算法先用K均值聚類方法得到初始聚類中心點，同時考慮鄰域?qū)Ψ指罱Y(jié)果的影響，對目標(biāo)函數(shù)加以改進，用來克服噪聲和非均勻場對MRI圖像分割的影響，達到魯棒分割的目的，為進一步圖像處理和分析打下基礎(chǔ).通過實驗，我們發(fā)現(xiàn)，無論是針對模擬圖像還是實際圖像，該文所提出的兩個算法都取得了較好的效果，達到了預(yù)期的目的.
上傳時間： 2013-04-24
上傳用戶：zhichenglu
39839電感量計算小巧實用的綠色軟件，根據(jù)輸入的線圈長度、線圈直徑、導(dǎo)線直徑、線圈匝數(shù)及工作頻率快速計算出電感量、自分布電容、空載Q值、自諧振頻率
上傳時間： 2013-06-03
上傳用戶：夜月十二橋
SK6281量產(chǎn)工具20080409版SK6281_PDT_20080409
標(biāo)簽： 20080409 6281 SK PDT
上傳時間： 2013-07-26
上傳用戶：szchen2006
成功量產(chǎn)金士頓4G工具SK6281PDT20080123[1]
標(biāo)簽： 20080123 6281 PDT SK
上傳時間： 2013-04-24
上傳用戶：唐僧他不信佛
語音識別技術(shù)是信息技術(shù)領(lǐng)域的重要發(fā)展方向之一,小詞匯量非特定人孤立詞語音識別是語音識別領(lǐng)域中一個具有廣泛應(yīng)用背景的分支,在家電遙控、智能玩具、人機交互等領(lǐng)域有著重要的應(yīng)用價值.語音識別芯片從20世紀(jì)90年代開始出現(xiàn),目前的語音識別芯片都是以DSP為核心集成的語音識別系統(tǒng),算法主要通過軟件實現(xiàn),為了提高速度和降低成本,下一代語音識別芯片將設(shè)計成軟硬件協(xié)同實現(xiàn),本文的目的是使用全硬件方法實現(xiàn)語音識別算法,為軟硬件協(xié)同實現(xiàn)的方案提供參考.本論文主要完成了以下工作:(1)在選定的FPGA平臺上,完成了整個系統(tǒng)的硬件設(shè)計.(2)對于硬件中難于實現(xiàn)而且占用較多資源的乘法器、求對數(shù)、求平方根以及快速傅立葉變換等關(guān)鍵模塊,本文都根據(jù)電路的具體特點,給出了巧妙的實現(xiàn)方案,完成了算法需要的功能.(3)設(shè)計中使用了模塊復(fù)用和流水線技術(shù).(4)根據(jù)設(shè)計結(jié)果,給出了各個模塊占用的硬件資源和運行速度.實驗結(jié)果表明,本文所設(shè)計的硬件系統(tǒng)能夠正常工作,在速度和面積方面都達到了設(shè)計要求.
上傳時間： 2013-06-12
上傳用戶：01010101
人體血液成份的無創(chuàng)檢測是生物醫(yī)學(xué)領(lǐng)域尚未攻克的前沿課題之一，動態(tài)光譜法在理論上克服了其它檢測方法難以逾越的障礙——個體差異和測量條件對檢測結(jié)果的影響。實現(xiàn)動態(tài)光譜檢測，其關(guān)鍵在于采集多波長的光電容積脈搏波信號，并對其進行處理。針對動態(tài)光譜檢測中信號微弱、信噪比低、處理數(shù)據(jù)量大的特點，本文設(shè)計了基于FPGA和面陣CCD攝像頭的動態(tài)光譜數(shù)據(jù)采集與預(yù)處理系統(tǒng)，提高檢測精度，采集出滿足動態(tài)光譜信號提取要求的光電脈搏波；并對動態(tài)光譜頻域提取法的核心算法FFT的FPGA實現(xiàn)進行研究。 課題提出用高靈敏度的面陣CCD攝像頭替代常規(guī)光柵光譜儀中的光電接收器，實現(xiàn)對多波長的光電容積脈搏波的檢測。結(jié)合面陣CCD的二維圖像特點，采用信號累加法去除噪聲，提高信號的信噪比。 創(chuàng)新性的提出一種不同于以往的信號累加方法——將處于同一行的視頻信號在采樣過程中直接累加，然后再進行傳輸和存儲。不同于幀累加和異行累加，這種同行累加方式不但大大的提高了信號的信噪比，同時減小了數(shù)據(jù)的傳輸速度和傳輸量，降低了對存儲器容量的要求，改善了動態(tài)光譜信號檢測系統(tǒng)的性能。 針對面陣CCD攝像頭輸出的復(fù)合視頻信號的特點，設(shè)計視頻信號解調(diào)電路，得到高速、高精度的數(shù)字視頻信號和準(zhǔn)確的視頻同步信號，用于后續(xù)的視頻信號采集與處理。 根據(jù)動態(tài)光譜信號檢測和視頻信號采集的要求，選擇可編程邏輯器件FPGA作為硬件平臺，設(shè)計并實現(xiàn)了基于FPGA和面陣CCD攝像頭的光電脈搏波采集與預(yù)處理系統(tǒng)。該系統(tǒng)實現(xiàn)了視頻信號的精確定位，通過光譜信號的高速同行累加，實現(xiàn)了光電脈搏波信號的高精度檢測。系統(tǒng)采用基于FPGA的Nios II嵌入式處理器系統(tǒng)，通過對其應(yīng)用程序的開發(fā)，可靠的實現(xiàn)了數(shù)據(jù)的采集、傳輸和存儲，提高了系統(tǒng)的集成度，降低了開發(fā)成本。 為實現(xiàn)動態(tài)光譜信號的頻域提取，研究了基于FPGA的FFT實現(xiàn)方案，對各關(guān)鍵模塊進行設(shè)計，為動態(tài)光譜信號的進一步處理打下良好的基礎(chǔ)。 最后，通過實驗證明了系統(tǒng)數(shù)據(jù)采集的正確性和信號預(yù)處理的可行性，得到了符合動態(tài)光譜信號提取要求的脈搏波信號。
標(biāo)簽： 動態(tài) 光譜數(shù)據(jù)采集 預(yù)處理
上傳時間： 2013-04-24
上傳用戶：cknck
高性能ADC產(chǎn)品的出現(xiàn)，給混合信號測試領(lǐng)域帶來前所未有的挑戰(zhàn)。并行ADC測試方案實現(xiàn)了多個ADC測試過程的并行化和實時化，減少了單個ADC的平均測試時間，從而降低ADC測試成本。本文實現(xiàn)了基于FPGA的ADC并行測試方法。在閱讀相關(guān)文獻的基礎(chǔ)上，總結(jié)了常用ADC參數(shù)測試方法和測試流程。使用FPGA實現(xiàn)時域參數(shù)評估算法和頻域參數(shù)評估算法，并對2個ADC在不同樣本數(shù)條件下進行并行測試。 本研究通過在FPGA內(nèi)部實現(xiàn)ADC測試時域算法和頻域算法相結(jié)合的方法來搭建測試系統(tǒng)，完成了音頻編解碼器WM8731L的控制模式接口、音頻數(shù)據(jù)接口、ADC測試時域算法和頻域算法的FPGA實現(xiàn)。整個測試系統(tǒng)使用Angilent33220A任意信號發(fā)生器提供模擬激勵信號，共用一個FPGA內(nèi)部實現(xiàn)的采樣時鐘控制模塊。并行測試系統(tǒng)將WM8731.L片內(nèi)的兩個獨立ADC的串行輸出數(shù)據(jù)分流成左右兩通道，并對其進行串并轉(zhuǎn)換。然后對左右兩個通道分別配置一個FFT算法模塊和時域算法模塊，并行地實現(xiàn)了ADC參數(shù)的評估算法。在樣本數(shù)分別為128和4096的實驗條件下，對WM8731L片內(nèi)2個被測.ADC并行地進行參數(shù)評估，被測參數(shù)包括增益GAIN、偏移量OFFSET、信噪比SNR、信號與噪聲諧波失真比SINAD、總諧波失真THD等5個常用參數(shù)。實驗結(jié)果表明，通過在FPGA內(nèi)配置2個獨立的參數(shù)計算模塊，可并行地實現(xiàn)對2個相同ADC的參數(shù)評估，減小單個ADC的平均測試時間。FPGA片內(nèi)實時評估算法的實現(xiàn)節(jié)省了測試樣本傳輸至自動測試機PC端的時間。而且只需將HDL代碼多次復(fù)制，就可實現(xiàn)多個被測ADC在同一時刻并行地被評估，配置靈活。基于FPGA的ADC并行測試方法易于實現(xiàn)，具有可行性，但由于噪聲的影響，測試精度有待進一步提高。該方法可用于自動測試機的混合信號選項卡或測試子系統(tǒng)。
上傳時間： 2013-06-07
上傳用戶：gps6888
· 摘要： 通過分析小波分析法中的閾值去噪算法的原理,根據(jù)MEMS陀螺儀信號漂移的數(shù)學(xué)模型,采用了基于小波閾值去噪法對MEMS陀螺儀的輸出進行實時消噪處理.并將該算法應(yīng)用到基于DSP的某MEMS陀螺捷聯(lián)慣導(dǎo)系統(tǒng)后對系統(tǒng)的MEMS陀螺儀進行零漂試驗.通過整個系統(tǒng)試驗結(jié)果分析,使用小波閾值去噪法對抑制MEMS陀螺儀零漂,改善MEMS陀螺儀的零偏穩(wěn)定性具有很好的效果,肯定了小波閾值去
上傳時間： 2013-04-24
上傳用戶：xiehao13
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
<li id="sc0c0"></li>