检索结果-内蒙古大学图书馆

计算机科学 2009年第12期36卷 50-54页

作者：潘成胜刘芳冯永新南京理工大学控制科学与工程系南京210094 沈阳理工大学沈阳110168 大连大学大连116622

考虑新扩频方式、新调制方式以及频率共享等特性要求,单用途的同步接收已不能满足需要。以GPS系统及Galileo系统中的L1,L5频段信号为例,在对其信号机理、特性进行研究的基础上,重点通过相应的控制策略及数据处理方法,对通道、积累时间... 详细信息

考虑新扩频方式、新调制方式以及频率共享等特性要求,单用途的同步接收已不能满足需要。以GPS系统及Galileo系统中的L1,L5频段信号为例,在对其信号机理、特性进行研究的基础上,重点通过相应的控制策略及数据处理方法,对通道、积累时间、处理方式等进行合理选取,从而达到对多模信号同步接收的目的。进一步的仿真实验表明了此方法的可行性、合理性及有效性。

关键词：多模态信号 L1 L5 同步仿真

来源：评论

学校读者我要写书评

暂无评论

融合多模态信号特征的下肢行为识别算法研究

融合多模态信号特征的下肢行为识别算法研究

引用

作者：胡佛东北大学

学位级别：博士

人类下肢行为识别技术在下肢外骨骼机器人等人机交互系统中发挥着重要作用,如康复助行,负重助力和避免运动损伤等。为了保证人机交互系统能够人机和谐地实时有效运行,需要对人体下肢行为进行精确识别,并将行为动作识别结果实时反馈给人... 详细信息

人类下肢行为识别技术在下肢外骨骼机器人等人机交互系统中发挥着重要作用,如康复助行,负重助力和避免运动损伤等。为了保证人机交互系统能够人机和谐地实时有效运行,需要对人体下肢行为进行精确识别,并将行为动作识别结果实时反馈给人机交互系统,增加人机交互系统的协同性和协调性。本文着重对4种步态动作及子相位和8种跳跃动作及子相位进行分析和识别。一方面,步态识别技术与下肢外骨骼机器人结合既能帮助残障和年老人群恢复部分行走能力,又能增强健康人群体能,达到助力助行目的。另一方面,健康人群体育运动或士兵在军事训练中需要进行跳跃,跳伞和跨越障碍等危险系数较高的动作,这些跳跃动作也是导致人体受伤机率最高的行为动作之一。跳跃动作识别技术研究能辅助缓冲设备发挥有效作用,可大幅降低人体下落受伤程度和几率。实时、精确和鲁棒性强的人体下肢行为识别技术是人机交互系统走向精准、智能控制的重要基础,也是人机交互技术迈向实际应用的关键一步。本文的研究重点是基于可穿戴式传感器的人体下肢行为识别算法研究。因此,传感器的优化选择,多模态信号特征数据融合方法和在线识别优化算法是本文的重点研究内容。摒弃了以往对人体下肢行为识别基于单一模态信号的方法,本文对传感器进行优化选择以构建不同的数据形式,并基于多种深度学习和特征融合技术,充分利用和挖掘了多模态信号中蕴藏着的多源信息,从融合运动生理特征信息、骨架图各节点特征信息和长时间依赖信息等角度进行建模,最终实现对人体下肢行为的精准识别。本文提出的在线识别优化算法能极大地提高系统的在线识别准确率和鲁棒性。因此,本文的研究工作能对建立更精密的便携式人体下肢行为识别系统提供良好的借鉴和指导作用。本文的主要研究内容和创新性工作如下: (1)提出了使用可穿戴式传感器设备来实现人体下肢行为数据采集与处理工作。本文首先阐述了与步态和跳跃动作相关的生理学和运动学知识基础,进而确定了可穿戴式传感器的布局方案。设计多运动任务的步态和跳跃动作实验方案,并使用可穿戴式传感器设备同步记录表面肌电(Surface electromyography,sEMG)信号,惯性传感器(Inertial measurement unit,IMU)信号和脚踏开关信号,完成人体下肢行为数据采集工作。使用时频分析方法分别为sEMG信号和IMU信号设计预处理方案,以去除信号噪声和伪迹,保留信号中的有效成分。使用样本熵双阈值参数法对信号进行活动段端点检测,并截取出各下肢行为的活动段数据。使用非负矩阵分解和一致性分析方法研究步态和跳跃动作下各肌肉对的肌间协同性和耦合强度。根据肌间协同性和耦合强分析结果,完成对sEMG传感器的筛选工作。 (2)提出了使用机器学习和遗传算法来探究人体下肢行为数据的可分离性。该部分内容着重于研究人体下肢行为数据的可分离性以及特征冗余度对模型识别结果的影响,为后续设计和优化下肢行为识别模型建立指导方向。本文基于角度和脚踏开关信号对各下肢行为的子相位进行划分,根据下肢行为活动段检测和子相位划分结果截取各行为及子相位数据段。基于数据段提取时频域特征,并使用t分布随机邻域嵌入(t-Distributed stochastic neighbor embedding,t-SNE)算法进行特征分布可视化分析,发现各下肢行为及子相位的特征分布具有一定可区分性,但同类特征的聚拢性较差。因此,本文基于遗传算法和机器学习算法对特征组合进行优化选择,发现优化后的特征组合能进一步增强各下肢行为数据的可区分性,其中基于遗传算法和Back propagation(BP)神经元网络优化后的特征组合的识别准确率表现要比未优化的特征组合在下肢行为分类任务,步态子相位分类任务和跳跃子相位分类任务分别提高1.91%,2.04%和1.66%。证实了本研究所采集的多模态信号中的特征信息可以有效识别各下肢行为动作及子相位,而识别结果与特征的冗余度相关。此外,本研究分别使用sEMG信号特征、角速度信号特征和融合信号特征进行下肢行为及子相位识别,发现sEMG和角速度两种信号特征存在一定的差异性和互补性,两种信号特征结合能提升模型的分类性能。 (3)建立了融合运动生理信息和深度学习技术的步态动作及子相位识别模型。从结合深度学习和多模态信号特征融合方法角度进行步态动作及子相位识别。本文分别提取sEMG和角速度信号的频谱特征图,并基于融合卷积神经网络,典型相关分析和长短时记忆循环网络三种算法构建了步态及子相位识别模型,平均识别准确率达到97.33±1.05%。发现双分支模型方法能挖掘更高效的多模态信号特征信息,不论从识别效果还是稳定性,都优于单分支模型方法。此外,本文创新性地将典型相关分析引入到深度学习模型中,该方法要明显优于拼接方式的特征融合方法,能极大提高模型的识别性能。 (4)构建了基于卷

关键词：人体下肢行为识别多模态信号特征融合深度学习在线识别优化算法

来源：评论

学校读者我要写书评

暂无评论

基于统计方法的多模态信号处理在语音-视觉信号上的应用

基于统计方法的多模态信号处理在语音-视觉信号上的应用

引用

作者：韩玮上海交通大学

学位级别：硕士

这篇论文主要研究多模态信号的推测问题:如果两个信号在自然现象中总是同时发生,那么在只能获得一个信号情况下,如何用推测得到另一个缺失的信号。本文基于高斯混合模型,使用统计方法进行推测。这个问题又主要分为使用模型的推测以及对... 详细信息

这篇论文主要研究多模态信号的推测问题:如果两个信号在自然现象中总是同时发生,那么在只能获得一个信号情况下,如何用推测得到另一个缺失的信号。本文基于高斯混合模型,使用统计方法进行推测。这个问题又主要分为使用模型的推测以及对模型的训练两部分。对于使用模型进行推测,文中讨论了直接应用条件概率、使用动态特征、以及使用滑动窗口三种方法,并且从性能和实时性两方面进行了分析对比。对于模型的训练,文中介绍了生成式训练和判别式训练两种截然不同的训练法则,以及相应的优化算法。由于判别式训练依赖于模型推测方法,文中又为动态特征推测和滑动窗口推测分别推导出了判别式训练法则。最后文中的方法被应用在语音-视觉信号的推测上,并且在一个公开的数据集上对不同方法进行了测试。在实验结果中判别式训练法则显著地提高了高斯混合模型在推测当中的性能。

关键词：多模态信号高斯混合模型时间序列推测判别式训练语音-视觉信号

来源：评论

学校读者我要写书评

暂无评论

基于多模态信号的金属材料缺陷无损检测方法研究

基于多模态信号的金属材料缺陷无损检测方法研究

引用

作者：程星振哈尔滨工业大学

学位级别：硕士

随着生产力的飞速发展以及工业技术与工艺水平的进步,金属材料已经广泛应用在了各行各业中,并发挥着至关重要的作用。在金属材料的加工过程中,以及使用周期中,出于多种方面的原因,难免会产生一些缺陷。这些缺陷会对材料的使用寿命、力... 详细信息

随着生产力的飞速发展以及工业技术与工艺水平的进步,金属材料已经广泛应用在了各行各业中,并发挥着至关重要的作用。在金属材料的加工过程中,以及使用周期中,出于多种方面的原因,难免会产生一些缺陷。这些缺陷会对材料的使用寿命、力学性能等产生直接影响,并会逐渐发展、恶化,最终将导致材料失效并发生断裂,还可能造成生命或财产的巨大损失。因此,对于金属材料缺陷无损检测技术的研究具有重要意义。本课题研究了一种以光声信号为主体,结合光学信号和超声信号的金属材料缺陷多模态无损检测方法,主要包括如下几点:首先,介绍了金属材料缺陷的种类和分布特征,指出了缺陷可能出现在材料各个位置的事实;并介绍了光学信号、光声信号和超声信号在缺陷无损检测的原理,通过分析三者在表面、浅表层和内部缺陷检测方面优势互补的关系,阐述了多模态无损检测方法的合理性,进而提出以光声信号为主体,结合光学信号和超声信号的金属材料缺陷多模态无损检测方法。其次,利用有限元方法对金属材料上的光声效应过程进行了仿真分析。建立了金属材料表面杂质缺陷和不同尺寸的浅表面裂纹缺陷的有限元模型,通过分析激光在表面杂质和金属材料上分别激发出的初始声压差异,以及激光在表面激发的反射波和透射波与裂纹深度和倾角的关系,提出并验证了基于激光能量吸收量的表面杂质检测方法和基于光声表面波的金属浅表面裂纹尺寸检测方法。最后,根据多模态无损检测方法对光学信号、光声信号和超声信号的要求,搭建了金属材料缺陷多模态无损检测系统。利用多模态无损检测系统采集了带裂纹仿体的光学、光声和超声信号,通过处理和分析获得了缺陷的完整信息,包括裂纹在表面分布、尺寸和种类、在内部的延伸状况以及深度等,并利用小波图像融合获得了更加精确可靠的检测结果。本课题从仿真和实验两个方面,阐述并验证了基于金属材料缺陷多模态信号的无损检测方法的合理性和可行性,实现了对缺陷的全面、定量检测,为材料缺陷无损检测提供了一个新的方法和思路。

关键词：无损检测金属材料多模态信号有限元分析

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的多模态信号调制识别

基于深度学习的多模态信号调制识别

引用

作者：马圣雨河南理工大学

学位级别：硕士

调制识别是通信系统监测、管理和控制的关键任务之一,用于正确地识别未知信号,该技术在军事和民用领域均有应用前景。由于传统技术复杂度高且依赖先验知识,基于深度学习的调制识别因其在特征提取和识别准确度方面的优势而引起了极大的关... 详细信息

调制识别是通信系统监测、管理和控制的关键任务之一,用于正确地识别未知信号,该技术在军事和民用领域均有应用前景。由于传统技术复杂度高且依赖先验知识,基于深度学习的调制识别因其在特征提取和识别准确度方面的优势而引起了极大的关注,其能够在自动提取信号的前提下识别信号调制方式,但识别精度与鲁棒性方面仍存在缺陷。本文基于深度学习的方法,研究了如何优化神经网络模型,并探讨了不同模态数据对模型训练的影响。本文主要研究内容如下: (1)针对现有自动调制识别方法识别准确度欠佳的问题,通过结合改进的残差网络模型与双向门控循环模型,构建一种双模态混合神经网络,利用提取到的信号时间与空间特征,丰富特征维度。采用并行连接方式降低网络深度,加快模型收敛速度,提高调制信号的识别效果。将Drop Block正则化算法引入卷积层,抑制网络训练期间出现的过拟合、梯度爆炸与消失等问题。实验结果显示,基于两个公开数据集测试时,BHNN模型的最高识别准确度分别能够达到89%和93.63%,相同仿真条件下分类性能优于其他网络模型。 (2)针对当前无线通信自动调制识别算法难以区分高阶调制信号,使用时域或频域的单峰信息,忽略其他信号增益信息的问题,构建一种结合卷积神经网络与长短期记忆网络的集成学习协作框架。利用同相正交、振幅与相位两种模态信息训练不同模型以补充特征信息。通过集成学习方法补充异构模型的不同特征提取能力,增加并优化单个模型以提高框架整体识别性能。实验结果表明,基于Radio ML2018.01A数据集测试时,所提框架可以有效区分128QAM、256QAM等高阶调制方式,识别准确度最高能够达到96.71%。图39幅,表12个,参考文献63篇。

关键词：无线通信自动调制识别多模态信号深度学习集成学习

来源：评论

学校读者我要写书评

暂无评论

基于改进型生成式对抗网络的EEG-fNIRS多模态信号数据增广研究

引用

北京生物医学工程 2024年第3期43卷 250-258页

作者：王鹏举李明爱北京工业大学信息学部北京100124 计算智能与智能系统北京市重点实验室北京100124 教育部数字社区教育工程中心北京100124

目的基于深度学习的脑电图-功能性近红外光谱技术(electroencephalogram-functional near-infrared spectroscopy,EEG-fNIRS)多模态脑机接口在康复工程中具有广泛的应用前景,但存在数据量不足的问题。为此,本文提出一种基于改进条件生... 详细信息

目的基于深度学习的脑电图-功能性近红外光谱技术(electroencephalogram-functional near-infrared spectroscopy,EEG-fNIRS)多模态脑机接口在康复工程中具有广泛的应用前景,但存在数据量不足的问题。为此,本文提出一种基于改进条件生成式对抗网络(conditional generative adversarial network,CGAN)的EEG-fNIRS多模态信号数据增广方法,以解决EEG-fNIRS多模态脑机接口与深度学习结合时面临的数据量匮乏的问题。方法首先,对EEG和fNIRS数据进行滤波、归一化和下采样等预处理。然后,针对EEG的非平稳特点,在CGAN生成器和判别器中增加自注意力机制,获得EEG数据增广模型CGAN_(E),加强捕捉和学习时变关键信息的能力。同时,针对fNIRS采样率低、信息量不充分问题,在CGAN生成器和判别器中增加上采样卷积层,获得fNIRS数据增广模型CGAN_(f),加强模型的信息挖掘能力,并将CGAN_(E)和CGAN_(f)的条件信息设置为类标签;进而,利用CGAN_(E)和CGAN_(f)对每导EEG和fNIRS分别进行增广,并将多导EEG扩增数据和多导fNIRS[包括氧合血红蛋白浓度(oxyhemoglobin concentration,HbO)和脱氧血红蛋白浓度(deoxyhemoglobin concentration,HbR)两种]扩增数据串接融合,获得EEG-fNIRS多模态增广数据。最后,对公开的EEG-fNIRS多模态信号数据集TU-Berlin-A前6名受试者数据进行增广实验,并设计一维卷积神经网络分类器评估增广数据的质量。结果基于EEG-fNIRS多模态信号公开数据集TU-Berlin-A前6名受试者的左右手运动想象数据进行实验研究表明,当数据扩增5倍时,本文方法取得94.81%的平均分类准确率。结论CGAN_(E)和CGAN_(f)能够生成接近真实数据分布的EEG和fNIRS信号,验证了对CGAN改进和本文所提EEG-fNIRS多模态数据增广方法的有效性。

关键词：脑电图功能性近红外光成像技术多模态信号条件生成式对抗网络数据增广

来源：评论

学校读者我要写书评

暂无评论

基于多模态融合策略和注意力机制的睡眠自动分期模型

引用

生物医学工程研究 2025年第1期44卷 24-30页

作者：陈丽娟王磊沙宪政常世杰陈勇南通市第一人民医院南通226001 辽宁省检验检测认证中心辽宁省医疗器械检验检测院沈阳110036 中国医科大学智能医学学院沈阳110122

针对现有睡眠分期研究仅围绕单通道脑电(EEG)数据,无法有效利用睡眠状态转换规则的问题,本研究基于多模态融合策略与注意力机制,提出了一种自动睡眠分期模型。首先,构建表征学习模块捕捉多模态睡眠信号特征,挖掘特征通道间的关系;然后,... 详细信息

针对现有睡眠分期研究仅围绕单通道脑电(EEG)数据,无法有效利用睡眠状态转换规则的问题,本研究基于多模态融合策略与注意力机制,提出了一种自动睡眠分期模型。首先,构建表征学习模块捕捉多模态睡眠信号特征,挖掘特征通道间的关系;然后,设计多通道融合策略加强对特征的校准学习,并融合多模态信号间的互补信息;最后,将融合后的特征输入上下文通道依赖学习模块,利用注意力机制学习睡眠信号的上下文关系,以获得精准的睡眠分期结果。结果表明,该模型在Sleep-EDF-20、Sleep-EDF-78和蒙特利尔睡眠研究档案(MASS)三个公共数据集上的准确率分别为85.9%、85.2%和88.5%,宏平均F1分数(MF1)分别为80.8%、80.0%和82.1%。本研究模型的准确率和鲁棒性优于其他模型,可为睡眠分期提供技术参考。

关键词：睡眠分期多模态信号深度学习特征融合编码器分类网络

来源：评论

学校读者我要写书评

暂无评论

针对脑电信号情感识别的对抗攻击和防御研究

针对脑电信号情感识别的对抗攻击和防御研究

引用

作者：张丹懿电子科技大学

学位级别：硕士

脑电信号是现今情感识别领域最主要的研究对象之一。随着算法和模型的不断发展,深度学习也逐渐应用于脑电信号的处理与特征提取、情感识别等领域中。深度学习方法存在一定的脆弱性,其中对抗攻击是攻击能力最强的方法之一。为了检验在基... 详细信息

脑电信号是现今情感识别领域最主要的研究对象之一。随着算法和模型的不断发展,深度学习也逐渐应用于脑电信号的处理与特征提取、情感识别等领域中。深度学习方法存在一定的脆弱性,其中对抗攻击是攻击能力最强的方法之一。为了检验在基于脑电信号的情感识别问题中使用深度学习相关算法和技术是否存在安全问题,本文在保证情感识别深度学习模型的可行性下,探究了对抗攻击对于单模态和多模态两类脑电信号情感识别问题的威胁性并提出了相应的防御措施,且在数据集上得到了验证。在基于单模态脑电信号情感识别问题的对抗攻击研究中,首先根据单模态脑电信号的特征以及对抗攻击的输入特征制作用于对抗攻击实验的脑电信号样本,为了更全面地验证对抗攻击对于脑电信号情感识别领域的有效性,本文分别模拟在白盒、黑盒、灰盒条件下实施了多种单步对抗攻击和迭代对抗攻击,同时每种方法都在不同的数据集上进行了攻击实验,结果显示对抗攻击存在对基于脑电信号的情感识别模型的攻击潜力,例如攻击能力最强的情况下能使模型分类准确率由原始的89.74%降低至0.8%。在基于多模态脑电信号情感识别问题的对抗攻击研究中,在样本制作阶段本文将分层CNN模型用于多模态脑电信号识别,该方法能够获得具有更好特征的多模态数据集,能够提高模型的情绪识别准确率,其中多模态数据集DEAP和MAHNOB-HCI数据集的分类准确率分别提高至92.11%和89.60%。同样地,对基于多模态的脑电信号识别模型实施了多种不同的对抗攻击,实验结果显示对抗攻击方法同样能够破坏基于多模态脑电信号的情感识别模型的识别能力,具有很强的威胁性。为了减弱对抗攻击的影响,本文提出了一种改进的迭代混合NAT对抗训练方法,该方法弥补了训练信号样本不全面的缺点,使得情绪识别模型更加鲁棒,能在一定程度上抵御对抗攻击的危害,其防御效果也要优于传统的NAT对抗训练方法。该方法的有效性和可行性在不同单模态脑电信号数据集和多模态脑电信号数据集上都得到了验证。

关键词：脑电信号情感识别对抗攻击对抗训练多模态信号

来源：评论

学校读者我要写书评

暂无评论

基于多元经验模态分解的多元多尺度熵静态平衡能力评估

引用

电子学报 2020年第4期48卷 670-674页

作者：石鹏张启忠张华平席旭刚杭州电子科技大学自动化学院浙江杭州310018

提出了一种基于多元经验模态分解(Multivariate Empirical Mode Decomposition,MEMD)的多元多尺度熵(Multivarite Multiscale Entropy,MMSE)特征提取方法分析多模态信号,进行人体静态平衡能力评估.首先,采集人体多模态信号,采用多元经... 详细信息

提出了一种基于多元经验模态分解(Multivariate Empirical Mode Decomposition,MEMD)的多元多尺度熵(Multivarite Multiscale Entropy,MMSE)特征提取方法分析多模态信号,进行人体静态平衡能力评估.首先,采集人体多模态信号,采用多元经验模态分解对多通道信号进行自适应分解,得到一系列多元固有模态函数(Intrinsic Mode Functions,IMFs),依据T检验和相关系数从中选取最佳的IMF分量进行信号重构;然后,采用多元多尺度熵算法提取特征,用K-均值与支持向量机对比本文特征提取方法与两种传统特征提取方法在处理人体静态平衡能力评估问题时分类效果,并分析两种分类器的人体静态平衡能力评估效果;最后,得出本文最优的特征为基于多元经验模态分解的多元多尺度熵特征,最优的分类方法为支持向量机.

关键词：静态平衡能力评估多模态信号多元经验模态分解多元多尺度熵

来源：评论

学校读者我要写书评

暂无评论

准实时监控中的振动信号稀疏传输研究

准实时监控中的振动信号稀疏传输研究

引用

第三十二届中国控制会议

作者：王维叶庆卫王晓东周宇宁波大学信息科学与工程学院

在信号的压缩感知研究中,稀疏基的选取与构建是其中的关键,目前,稀疏基的构建主要有固定基和自适应基两类方法。考虑到大型结构的振动输出响应为多模态信号,满足阻尼振动微分方程,因此,从系统的振动微分方程出发,构建出振动信号高度稀... 详细信息

在信号的压缩感知研究中,稀疏基的选取与构建是其中的关键,目前,稀疏基的构建主要有固定基和自适应基两类方法。考虑到大型结构的振动输出响应为多模态信号,满足阻尼振动微分方程,因此,从系统的振动微分方程出发,构建出振动信号高度稀疏投影的稀疏基,获得优异的重构效果。在此基础上提出自适应更新稀疏基的算法,使得稀疏传输系统能够适应结构特征变化的情况;将该算法应用于准实时监控系统,结合相邻时间段的信号往往具有稳定的稀疏特征,用信号的稀疏采样数据代替实际信号来进行通信,在接收方进行重构,这种方式可以极大地降低通信数据量,缓解监控系统的能耗、通信等方面的压力。通过仿真实验表明,该自适应稀疏矩阵的复原效果明显好于通用的固定稀疏基,且复原效果稳定、波动小。

关键词：稀疏基多模态信号准实时监控系统

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：