f2812 spi初始化及自測(cè)程序，測(cè)試時(shí)將MISO和MOSI短接
上傳時(shí)間： 2014-07-13
上傳用戶：gaojiao1999
數(shù)值微分和數(shù)值積分:Newton-Cotes公式、復(fù)化公式和區(qū)間逐次半分法、外推法和Romberg積分、自適應(yīng)Simpson積分法 [ReMap.rar] - EASYARM2200教學(xué)實(shí)驗(yàn)平臺(tái)上的存儲(chǔ)器映射
標(biāo)簽： Newton-Cotes EASYARM Romberg Simpson
上傳時(shí)間： 2013-12-17
上傳用戶：685
WDM驅(qū)動(dòng)程序設(shè)計(jì) 一個(gè)同步問(wèn)題的例子 中斷請(qǐng)求級(jí) 自旋鎖 內(nèi)核同步對(duì)象 其它內(nèi)核同步原語(yǔ)
標(biāo)簽： WDM 內(nèi)核 驅(qū)動(dòng) 程序
上傳時(shí)間： 2014-10-10
上傳用戶：frank1234
歸一化最小均方（LMS）自適應(yīng)數(shù)字濾波，帶測(cè)試主程序。
上傳時(shí)間： 2016-12-29
上傳用戶：athjac
注冊(cè)成為自啟動(dòng)項(xiàng)目 提醒近期工作. 沒(méi)有提醒項(xiàng)目時(shí)最小化到系統(tǒng)托盤
上傳時(shí)間： 2013-12-02
上傳用戶：lht618
全國(guó)計(jì)算機(jī)三級(jí)考試上機(jī)考試題目大全,歷年題目都選自其中.
標(biāo)簽： 計(jì)算機(jī)三級(jí) 上機(jī)考試
上傳時(shí)間： 2013-12-20
上傳用戶：sardinescn
編程中經(jīng)常用到的一些算法,算法已模塊化,來(lái)自于<科學(xué)工程與數(shù)值算法大全>
上傳時(shí)間： 2017-07-17
上傳用戶：waitingfy
根據(jù)汽車內(nèi)飾等行業(yè)需求,對(duì)皮制品加工的優(yōu)化排樣問(wèn)題進(jìn)行了研究.創(chuàng)新地采用離散化處理方式,同時(shí)引進(jìn)邊界約束,使排樣過(guò)程與皮料和樣片的幾何信息無(wú)關(guān),使用基于順序的啟發(fā)式底左布局將樣片順次布置到皮料上
標(biāo)簽： 汽車 加工 創(chuàng)新 幾何
上傳時(shí)間： 2014-01-12
上傳用戶：英雄
實(shí)用電子技術(shù)專輯 385冊(cè) 3.609G新型智慧驅(qū)動(dòng)器可簡(jiǎn)化開關(guān)電源隔離拓樸結(jié)構(gòu)中同步整流器.pdf
標(biāo)簽：
上傳時(shí)間： 2014-05-05
上傳用戶：時(shí)代將軍
心音信號(hào)是人體最重要的生理信號(hào)之一，包含心臟各個(gè)部分如心房、心室、大血管、心血管及各個(gè)瓣膜功能狀態(tài)的大量生理病理信息。心音信號(hào)分析與識(shí)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(duì)目前該研究領(lǐng)域中存在的分析方法問(wèn)題和分類識(shí)別技術(shù)難點(diǎn)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(hào)特征向量的提取、正常心音信號(hào)（NM）和房顫（AF）、主動(dòng)脈回流（AR）、主動(dòng)脈狹窄（AS）、二尖瓣回流（MR）4種心臟雜音信號(hào)的分類識(shí)別。本文的工作內(nèi)容包括以下5個(gè)方面： a）心音信號(hào)采集與預(yù)處理。本文采用自行研制的帶有錄音機(jī)功能的聽診器實(shí)現(xiàn)對(duì)心音信號(hào)的采集。通過(guò)對(duì)心音信號(hào)噪聲分析，選用小波降噪作為心音信號(hào)的濾波方法。根據(jù)實(shí)驗(yàn)分析，選擇Donoho閾值函數(shù)結(jié)合多級(jí)閾值的方法作為心音信號(hào)預(yù)處理方案。 b）心音信號(hào)時(shí)頻分析方法。文中采用5種時(shí)頻分析方法分別對(duì)心音信號(hào)進(jìn)行了時(shí)頻譜特性分析，結(jié)果表明：不同的時(shí)頻分析方法與待分析心音信號(hào)的特性有密切關(guān)系，即需要在小的交叉項(xiàng)干擾與高的時(shí)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(shí)頻（ATF）分析方法，通過(guò)實(shí)驗(yàn)驗(yàn)證該分布能較好地反映心音信號(hào)的時(shí)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(shí)頻分析方法，從而選擇自應(yīng)錐形核時(shí)頻分析方法進(jìn)行心音信號(hào)分析。 c）心音信號(hào)特征向量提取。根據(jù)對(duì)3M Littmann（） Stethoscopes[31]數(shù)據(jù)庫(kù)中標(biāo)準(zhǔn)心音信號(hào)的時(shí)頻分析結(jié)果，提取8組特征數(shù)據(jù)，通過(guò)Fihser降維處理方法提取出了實(shí)現(xiàn)分類可視化，且最易于分類的心音信號(hào)的2維特征向量，作為心音信號(hào)分類的特征向量。 d）心音信號(hào)分類方法。根據(jù)心音信號(hào)特征向量組成的散點(diǎn)圖，研究了支持向量機(jī)核函數(shù)、多分類支持向量機(jī)的選取方法，同時(shí)，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(hào)分類的支持向量機(jī)模型，選取標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)中NM、AF、AR、AS、MR每類心音信號(hào)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(jī)的學(xué)習(xí)樣本，對(duì)余下的每類20組數(shù)據(jù)進(jìn)行測(cè)試，得到每類的分類精度（Ar）均為100％，同時(shí)對(duì)臨床上采集的與上述4種同類心臟雜音信號(hào)和正常心音信號(hào)中每類24個(gè)心動(dòng)周期進(jìn)行分類實(shí)測(cè)，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(yàn)證了該方法的分類有效性。 e）心音信號(hào)分析與識(shí)別的軟件系統(tǒng)。本文以MATLAB語(yǔ)言的可視化功能實(shí)現(xiàn)了心音信號(hào)分析與識(shí)別的軟件運(yùn)行平臺(tái)構(gòu)建，可完成對(duì)心音信號(hào)的讀取、預(yù)處理，繪制時(shí)-頻、能量特性的三維圖及兩維等高線圖；同時(shí)，利用MATLAB與EXCEL的動(dòng)態(tài)鏈接，實(shí)現(xiàn)對(duì)心音信號(hào)分析數(shù)據(jù)的存儲(chǔ)以及統(tǒng)計(jì)功能；最后，通過(guò)對(duì)心音信號(hào)2維特征向量的分析，實(shí)現(xiàn)心音信號(hào)的自動(dòng)識(shí)別功能。 本文的研究特色主要體現(xiàn)在心音信號(hào)特征向量提取的方法以及多分類支持向量機(jī)模型的建立兩方面。 綜上所述，本文從理論與實(shí)踐兩方面對(duì)心音信號(hào)進(jìn)行了深入的研究，主要是采用自適應(yīng)錐形核時(shí)頻分析方法提取心音信號(hào)特征向量，根據(jù)心音信號(hào)特征向量組成的散點(diǎn)圖，建立心音信號(hào)分類的支持向量機(jī)模型，并對(duì)正常心音信號(hào)和4種心臟雜音信號(hào)進(jìn)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(hào)種類及數(shù)據(jù)量尚不足，因此，今后的工作重點(diǎn)是采集更多種類的心臟雜音信號(hào)，進(jìn)一步提高心音信號(hào)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(hào)，小波降噪，非平穩(wěn)信號(hào)，心臟雜音，信號(hào)處理，時(shí)頻分析，自適應(yīng)，支持向量機(jī)
上傳時(shí)間： 2013-04-24
上傳用戶：weixiao99
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
