检索结果-内蒙古大学图书馆

人民长江 2017年第5期48卷 96-100页

作者：汪泉李德忠华中科技大学能源与动力工程学院湖北武汉430074

针对现场采集的水轮机水导摆度信号中出现的异常尖峰成分,利用EEMD进行分解处理,分离出不同成分的特征信号,除去尖峰异常特征成分以及杂波成分的本征模函数(Intrinsic Mode Function,IMF)分量。将剩余的IMF分量进行信号重构,从而获得了... 详细信息

针对现场采集的水轮机水导摆度信号中出现的异常尖峰成分,利用EEMD进行分解处理,分离出不同成分的特征信号,除去尖峰异常特征成分以及杂波成分的本征模函数(Intrinsic Mode Function,IMF)分量。将剩余的IMF分量进行信号重构,从而获得了除去异常尖峰成分后的重组信号。通过对仿真的信号进行分析,验证了该方法对水轮机摆度信号特征提取的有效性。

关键词：摆度信号总体经验模态分解本征模函数特征成分重组信号

来源：评论

学校读者我要写书评

暂无评论

基于随机信号的单通道盲源分离研究

基于随机信号的单通道盲源分离研究

引用

作者：王晓梅太原科技大学

学位级别：硕士

盲源分离(Blind Source Separation,BSS)是指在源信号和混合模型未知的情况下,根据接收到的混合信号的特征,还原出各路源信号的过程。随着科学研究的深入和工程应用的发展,在生物医学检测,语音信号识别,机械故障诊断,无线频谱检测等方... 详细信息

盲源分离(Blind Source Separation,BSS)是指在源信号和混合模型未知的情况下,根据接收到的混合信号的特征,还原出各路源信号的过程。随着科学研究的深入和工程应用的发展,在生物医学检测,语音信号识别,机械故障诊断,无线频谱检测等方面都有涉及信号的盲源分离技术。其中,单通道盲源分离(Single Channel Blind Source Separation,SCBSS)是欠定盲源分离的一种极端形式,即仅根据观测到的单路混合信号,恢复出多路源信号,是盲源分离的热点和难点。本文针对随机信号的单通道盲源分离进行研究,主要内容有以下几个方面:1、提出一种新的盲源分离方法。通过经验模态分解(EEMD)将接收到的混合信号分解为多路本征模态函数(IMFs),提出一种改进的主成分分析法(PCA),对多路本征模态函数提取主元,进行二次降维,再采用独立成分分析(ICA)完成随机信号的盲源分离。最后通过实验对比此方法和EEMD-PCA-ICA法,EEMD-ICA法的分离效果,验证本文提出的算法的有效性。2、针对随机信号中典型的周期平稳随机信号和非平稳随机信号这两类随机信号,利用“EEMD-PCA-ICA”与“EEMD-改进PCA-ICA”两种方法进行单通道盲源分离,通过实验数据进一步研究对比两种方法对不同随机信号盲源分离的区别和适用性。3、卷积混合信号的盲源分离的探索。提出一种适用于表面肌电信号分解的变步长的独立向量分析梯度算法,根据表面肌电信号(sEMG)的生理学特性,将独立向量分析(IVA)模型应用到卷积混合肌电信号的频域分离中,提取隐含在表面肌电信号中的运动单位动作电位成分,并分析比较该方法与独立成分分析方法的分解性能。

关键词：单通道盲源分离随机信号总体经验模态分解主成分分析独立成分分析独立向量分析

来源：评论

学校读者我要写书评

暂无评论

微弱多源故障声发射信号提取方法研究

微弱多源故障声发射信号提取方法研究

引用

作者：尹东长沙理工大学

学位级别：硕士

随着现代科技的发展,机械设备愈加高速化、重载化,其在长时间运转下易出现多种故障,且伴随着强烈的背景噪声,因此及时识别出微弱故障信号并进行多故障分离对设备的安全评估和指导生产具有重大经济意义。材料在外力或内力作用产生变形和... 详细信息

随着现代科技的发展,机械设备愈加高速化、重载化,其在长时间运转下易出现多种故障,且伴随着强烈的背景噪声,因此及时识别出微弱故障信号并进行多故障分离对设备的安全评估和指导生产具有重大经济意义。材料在外力或内力作用产生变形和断裂,以弹性波形式迅速释放应变能的现象称为声发射(Acoustic Emission,AE)。AE技术作为一种新型无损检测方法在工程上已有广泛应用。本文采用AE技术对机械设备关键部件的故障信号进行监测,主要对:微弱单源AE信号的提取;正定情形下微弱多源AE信号的分离;欠定情形下多源AE信号的分离进行研究,取得了以下成果:(1)微弱单源AE信号的提取。提出了一种基于独立分量分析(Independent Component Analysis,ICA)的稀疏编码收缩(Sparse Coding Shrinkage,SCS)微弱信号提取方法。首先由最大后验(Maximum A Posteriori,MAP)方法估计独立成分,采用对称分布GGM模型估计独立成分的概率密度函数(Probability Density Function,PDF),然后利用收缩函数进行去噪,最后对估计的独立成分进行逆变换获得降噪信号。利用该方法分别对不同输入信噪比的断铅信号和Q235钢拉伸裂纹信号进行提取,并与小波阈值降噪法进行对比。实验结果表明,在输入信噪比高于-10 dB时,SCS方法能很好地提取出断铅信号和钢拉伸裂纹信号,且其降噪效果要好于小波阈值法,在信噪比高于0 dB时2种方法的分离效果接近,低于0 dB时SCS方法明显优于小波阈值法。(2)正定情形下微弱多源AE信号的分离。提出了一种基于小波包分析(Wavelet Packet Analysis,WPA)和ICA的多故障源信号分离方法。即先用WPA方法对含噪线性混合信号降噪预处理,保留信号主要频段信息,然后采用ICA方法对降噪后的混合信号进行分离,最后在ICA空间利用收缩函数对分离出的各个信号去掉频段中的噪声。利用该方法对不同输入信噪比的由断铅和摩擦信号组成的多源信号进行分离,实验结果表明,该方法可以对输入信噪比高于-15 dB的多源故障信号进行提取,其分离性能明显高于结合WPA和FastICA方法以及单独采用Fast ICA算法。(3)欠定情形下多源AE信号的分离。主要包括信号源个数的估计和多源信号的分离。提出了一种基于EEMD-SVD-ICA的单通道盲信号分离(Single Channel BlindSource Separation,SCBSS)方法。即先用总体经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)方法对单通道信号进行分解得到多个固有模态分量(Intrinsic Mode Function,IMF),然后对IMF分量组的自相关矩阵进行奇异值分解(Singular Value Decomposition,SVD)估计出信号源数,IMF分量组中主分量作为输入信号,其个数为估计源信号数,最后用Fast ICA对输入信号分离得到多源故障信号的估计。该方法实现简单,且在估计信号源数的同时也能实现源信号的分离。利用该方法分别对2正弦信号和2断铅信号叠加组成的单通道信号进行分离,实验结果表明,本算法能估计出信号源数以及较好地实现了单通道信号的分离,且其频带越宽,分离效果愈差,同时也可看出,该方法对频带混叠的裂纹类信号也能实现分离。本研究为机械设备关键部件的早期故障识别提供了参考,对提高重大装备关键部件运行安全、推动AE技术的广泛应用都具有重要意义。

关键词：声发射微弱信号多源分离独立分量分析稀疏编码收缩小波包分析总体经验模态分解

来源：评论

学校读者我要写书评

暂无评论

基于多传感器信息融合的数控铣削刀具状态监测与诊断研究

基于多传感器信息融合的数控铣削刀具状态监测与诊断研究

引用

作者：徐卫晓青岛理工大学

学位级别：硕士

金属切削加工过程中，刀具失效是数控机床出现故障的主要原因，若不能及时、有效的监测故障，将会导致生产过程的中断，造成加工工件的浪费、机床的损坏，且不合理估计刀具的使用寿命，会使刀具的使用率降低，增加加工时的换刀压力。因... 详细信息

金属切削加工过程中，刀具失效是数控机床出现故障的主要原因，若不能及时、有效的监测故障，将会导致生产过程的中断，造成加工工件的浪费、机床的损坏，且不合理估计刀具的使用寿命，会使刀具的使用率降低，增加加工时的换刀压力。因此，研究数控机床刀具的实时在线监测技术，有利于提高数控机床无故障运行的效率，降低因刀具失效而出现的工件报废及设备损坏的概率。本文以数控机床铣削刀具为研究对象，在综合分析刀具磨损状态的国内外研究现状及磨损机理的基础上，针对单一传感器获取的信息类型单一、信息量有限、抗干扰能力较低等缺陷，提出采用振动传感器、声压传感器、视觉传感器以及三向测力仪等多传感监测刀具磨损状态的多源信息，并利用人工神经网络建立多个诊断模型实现多模型的决策级融合。同时，借助LabVIEW和MATLAB软件进行混合编程，建立一套完善的铣刀磨损状态监测系统，对铣刀的磨损状态进行识别诊断研究，以期能够通过该系统实现实时的在线监测。研究数控机床刀具磨损的机理、磨损类型，确定了针对初期磨损、正常磨损以及急剧磨损三种磨损类型对刀具的磨损状态进行监测与诊断；通过对常用的监测方法进行分析，确定选用振动信号、声压信号、切削力信号以及工件的表面纹理等方法设计铣刀磨损状态的试验方案，并基于LabVIEW和MATLAB软件编程，设计了铣刀磨损状态的信号采集处理系统。为了减少试验次数及试验过程的不定因素，基于DEFORM-3D有限元仿真软件对数控铣削刀具的切削三要素设计9组方案进行仿真研究。依据刀具使用寿命的长短及极差分析的方法，确定最佳的试验方案，即切削速度为100m/min，每齿进给量为0.1mm，切削深度为0.8mm，作为最终的准干式铣削试验的参数方案，同时为后续的模式识别及决策融合系统的构建奠定基础。研究了时域、频域以及时频域分析中的总体经验模态分解方法（EEMD），对采集到的原始信号进行特征值提取；通过核主元分析方法（KPCA）对组成的原始特征量进行筛选、降维处理，最终确定了35组最能反映铣刀磨损状态的特征值作为有效的特征量组合，输入到三种智能网络模型中进行模式识别研究。最后，通过建立遗传BP、RBF、SVM三种网络模型完成对铣刀磨损状态的初步融合；通过模糊集相关理论对D-S证据理论的融合原则和模型进行改进，提出了一种新的DST改进方法，并应用到铣刀磨损状态监测的多模型决策级融合上。建立的基于多传感器信息融合的刀具磨损状态监测与诊断系统在诊断速度、准确率以及稳定性上具有明显的优势，能够有效地完成对刀具磨损状态的监测。

关键词：数控机床刀具磨损多传感器信息融合总体经验模态分解核函数主元分析 D-S证据理论

来源：评论

学校读者我要写书评

暂无评论

基于全矢CEEMD的滚动轴承故障诊断研究

基于全矢CEEMD的滚动轴承故障诊断研究

引用

作者：汪一飞郑州大学

学位级别：硕士

随着机器替代人力劳动而展开的机械化、自动化进程深入发展,旋转机械发挥着越来越重要的作用近三十年以来,为了提高系统安全性与可靠性,故障诊断技术应运而生,大量的理论研究和实际应用证明了其可行性和重要性。由于其广泛的应用需求和... 详细信息

随着机器替代人力劳动而展开的机械化、自动化进程深入发展,旋转机械发挥着越来越重要的作用近三十年以来,为了提高系统安全性与可靠性,故障诊断技术应运而生,大量的理论研究和实际应用证明了其可行性和重要性。由于其广泛的应用需求和多学科理论发展,故障诊断技术发展非常迅速。随着科技的发展和自动化技术水平的不断提高,各种工程系统的复杂性显著增大,系统的可靠性和安全性已成为提高经济效益的重要因素,因此故障诊断技术有很高的实际应用价值,逐渐成为工程界的研究热点。对于机械设备而言,其是否可以平稳且安全的运行则成为了关键。为此,我们便需要对机械设备进行状态检测、故障诊断以及故障预测等一系列措施来确保机械设备在预期的轨道上安全行驶。智能化的故障诊断和预测技术可以及时地发现机械设备的一些问题,无论是已经发生的故障,还是将要发生的故障,我们都可以通过故障诊断及预测技术来确保设备的安全以及人民生命财产的安全,避免事故的发生,找到问题发生的根源所在,以便于及时地去解决它们。而在对旋转机械的状态监测中,我们需要在设备上同一截面布置多个传感器来确保采集得到的信息具有完整性、代表性。全矢谱技术能够有效融合转子双通道信息,避免信息遗漏,得到完备的信号频谱。本文将针对滚动轴承振动信号的特点并在其故障特征提取中分别将总体平均经验模态分解方法(CEEMD)和排列熵及全矢谱技术相结合,并将其提取的故障特征利用多分类极限学习机进行故障诊断。本文的主要研究工作如下:1、针对传统的经验模态分解(EMD)方法在对滚动轴承振动信号进行分解时容易出现“模态混叠”现象,并会出现分解得到的分量尺度不同的情况,使用了总体经验模态分解(EEMD),通过模拟信号仿真分析和实验实测信号分析,证明了EEMD方法解决了EMD方法的缺点。2、针对传统经验模态分解(EMD)由白噪声引起的重构误差问题和选取IMF分量方法的不足,提出了基于总体平均经验模态分解方法(CEEMD)和排列熵的特征提取方法。先对来自滚动轴承不同退化状态的多通道信号进行CEEMD同步自适应分解得到多个IMF分量;然后对各个多尺度IMF分量计算排列熵值,根据排列熵值的大小来选取含噪量高且包含信息复杂的信号来进行降噪处理后完成信号重构;最终对此方法进行仿真分析和实测信号实例分析来验证有效性。3、提出了一种可以在输出端输出多种结果的多分类极限学习机的机器学习算法,该方法除了在保有了对滚动轴承故障分类准确率具有较高水准之外,与传统的分类方法支持向量机(SVM)相比,所需的分类时间大大的降低了,减少了时间成本。通过对上文中由全矢CEEMD和排列熵算法提取的信号进行故障分类实验分析,其结果显示,这种基于全矢CEEMD的多分类ELM故障分类方法在实际生产生活当中具有良好的有效性和实用性。本文工作即为将排列熵算法应用于一种补充的总体经验模态分解方法的信号重构中并结合全矢谱技术对滚动轴承进行故障特征提取后通过多分类极限学习机进行故障分类。

关键词：滚动轴承总体经验模态分解全矢谱排列熵极限学习机故障分类

来源：评论

学校读者我要写书评

暂无评论

结合本体错觉反馈的运动想象脑电识别研究

结合本体错觉反馈的运动想象脑电识别研究

引用

作者：鲁少娜杭州电子科技大学

学位级别：硕士

脑电信号(Electroencephalogram,EEG)是一种能够体现人的思维意识以及肢体活动的生物信号。脑-机接口(Brain Computer Interface,BCI)则是脑电信号的一个重要应用方向,它可以实现人脑控制信息与其他外设之间的直接通信。而基于运动想象(... 详细信息

脑电信号(Electroencephalogram,EEG)是一种能够体现人的思维意识以及肢体活动的生物信号。脑-机接口(Brain Computer Interface,BCI)则是脑电信号的一个重要应用方向,它可以实现人脑控制信息与其他外设之间的直接通信。而基于运动想象(Motor Imagery,MI)脑电信号的BCI具有想象任务简单、想象与目标动作一致性高、可以实现异步通信等特点、更适合用于康复辅具的控制和神经运动功能康复,成为BCI领域内近年来备受关注的研究热点。在BCI系统中,将脑电信号转换为控制指令是最核心的部分,也就是对脑电信号的特征提取和模式分类。本文在本体错觉反馈现象的研究基础上,提出了在运动想象识别中引入不同范式的本体感觉反馈环节,并分析其对识别实时性和准确率的影响。以下是论文的主要内容及其创新之处:(1)为了更好的消除脑电信号中混有的噪声,针对传统的经验模态分解方法在消噪过程中出现的模态混叠现象,以及传统提升小波易导致奇异点严重失真的不足,提出了一种基于总体经验模态分解与改进提升小波的脑电信号消噪方法,通过仿真和对比实验表明了提出的方法的有效性。(2)在特征提取方面,针对经验模态分解在处理多维信号过程中的局限性,提出了一种基于噪声辅助多元经验模态分解和样本熵相结合的脑电信号特征提取方法,依据运动想象脑电信号的事件相关去同步化/事件相关同步化现象,提取C3、C4通道的脑电信号分段的样本熵值作为特征向量。(3)在模式分类方面,应用了极限学习机,一种学习速度快且泛化能力强的求解单隐层神经网络的算法,对提取后的特征分量进行分类,并对该方法中激励函数和隐含层神经元个数的确定进行了研究。最后通过实验对算法效果做了验证分析。(4)在本体错觉反馈方面,结合人体平衡和本体感受器的机制,进行了本体错觉的振动模式的设计。做了不同范式运动想象识别实验与分析,探讨在无反馈,加入正反馈、负反馈和伪造反馈的环节下对运动想象脑电的分类识别的影响,实验结果表明,只有加入适当正反馈时,才能有效提高分类识别效果。而不当的反馈可能导致分类识别降低,甚至导致BCI系统不能正常工作。

关键词：脑-机接口本体错觉反馈总体经验模态分解样本熵极限学习机

来源：评论

学校读者我要写书评

暂无评论

基于EEMD和SVM的齿轮箱故障诊断与识别

基于EEMD和SVM的齿轮箱故障诊断与识别

引用

作者：谷宇希华北水利水电大学

学位级别：硕士

齿轮箱作为机械设备的必要组成部分,是传递机械运动和动力的重要工具,齿轮箱在高负载和高转速的状态下长期工作,会使其内部零件发生故障,影响生产效率,因此,对齿轮箱的故障的准确和有效的诊断显得尤为重要。通过总体经验模态分解(EEMD)... 详细信息

齿轮箱作为机械设备的必要组成部分,是传递机械运动和动力的重要工具,齿轮箱在高负载和高转速的状态下长期工作,会使其内部零件发生故障,影响生产效率,因此,对齿轮箱的故障的准确和有效的诊断显得尤为重要。通过总体经验模态分解(EEMD)结合希尔伯特-黄变换(HHT)对故障信息进行提取和分析,实现对齿轮箱的故障诊断;同时利用EEMD与支持向量机(SVM)相结合,对齿轮箱故障进行识别,二者均取得了很好的效果,实现了对齿轮箱故障的诊断与识别。本文通过对齿轮箱产生的振动信号进行分析,选取EEMD方法处理非平稳、非线性的齿轮箱振动信号,有效的抑制了经验模态分解(EMD)的端点效应和模态混叠现象,实现了对振动信号有效的降噪和特征频率分解。利用齿轮箱故障诊断平台模拟实际故障,采用时域波形图、功率谱图、EEMD分解图和Hilbert边际谱图等多种时频域分析方法,有效的实现了对齿轮箱故障的初步诊断。通过对振动信号的EEMD分解得到一系列的本征模函数(IMF),利用自相关分析选取与原始信号相关度高,能够正确反应原始信号特征信息的IMF分量的能量熵作为特征向量输入到SVM中,利用SVM对样本容量依赖小的优点,通过选取三种工况的各40组样本作为训练样本,通过SVM学习三种工况的内在规律,利用10组样本作为测试样本进行测试,针对三种不同的齿轮箱工作状态,达到了较高的故障识别率,从而实现了对齿轮箱故障的识别。

关键词：齿轮箱故障诊断希尔伯特黄变换总体经验模态分解支持向量机

来源：评论

学校读者我要写书评

暂无评论

基于半参数统计模型的中长期电量负荷预测应用研究

基于半参数统计模型的中长期电量负荷预测应用研究

引用

作者：邵臻合肥工业大学

学位级别：硕士

电力行业作为国家在能源领域的重大基础性行业，其发展对于我国经济建设、国家安全、社会稳定至关重要。随着电力行业的高速发展与国家智能电网建设步伐的加快，电量负荷预测理论技术研究的重要性也日益突显。高效准确的电量负荷预测，... 详细信息

电力行业作为国家在能源领域的重大基础性行业，其发展对于我国经济建设、国家安全、社会稳定至关重要。随着电力行业的高速发展与国家智能电网建设步伐的加快，电量负荷预测理论技术研究的重要性也日益突显。高效准确的电量负荷预测，对于制定经济合理的发电计划、编制及时有效的电力调配方案、控制电网稳定运行、进行电力市场需求分析、保障生产和生活用电等方面具有直接而重大的经济效益、社会效益。中长期电量负荷的复杂特性决定了其影响因素的不确定性，致使许多因素难以量化，如：宏观政策、经济发展等。而这些因素之间往往又存在着非常大的相关性。因此，实际预测时既需要考虑复杂因素的影响从而掌握电量负荷需求的变化趋势，又需要克服复杂参数组之间的共线性影响从而科学、合理的描述电量负荷特性。鉴于传统预测方法在中长期电量负荷预测中的不足。本文将半参数统计理论引入中长期负荷预测工作中，构建了基于EEMD的半参数模型、基于惩罚最小二乘的半参数模型，并进一步将模型应用于中长期负荷预测。本文最后通过仿真实验对模型进行验证，一方面，验证了本文所构建的半参数模型的可行性和可用性；另一方面，验证了模型具有的较好的适用性与应用潜力。本文研究的主要内容如下：（1）比较分析了经验技术预测、趋势外推预测、回归分析、时间序列预测、灰度预测及其它新理论各自的特点、不足和适用范围，指出了半参数模型在中长期电量负荷预测领域具有的优势。（2）对中期电量负荷特性进行了分析，构建了基于EEMD的半参数预测模型，改进后的模型保证了对中期负荷序列的多尺度处理，既克服了传统模型的弊病，又利用ARMA模型对高频噪声序列的外推能力提高了半参数模型的适用范围。（3）对长期电量负荷特性进行了分析，构建了基于惩罚最小二乘估计的半参数预测模型，克服了传统预测方法不适合大幅度外延预测的不足，能够满足长期电量负荷预测的要求。

关键词：半参数回归模型自回归滑动平均指数平滑总体经验模态分解惩罚最小二乘法则电量预测

来源：评论

学校读者我要写书评

暂无评论

基于EEMD降噪表面肌电信号驱动的功能性电刺激系统的设计与实现

基于EEMD降噪表面肌电信号驱动的功能性电刺激系统的设计与实现

引用

作者：胡炜合肥工业大学

学位级别：硕士

目前,脑卒中、脊柱损伤等疾病导致的偏瘫患者不断增多,需要通过外界康复电刺激系统进行治疗。然而市面上的电刺激系统大多数只产生波形单一的电刺激脉冲,不能达到最佳治疗效果;国外设备虽功能多样但价格昂贵。因此设计一款功能较强、结... 详细信息

目前,脑卒中、脊柱损伤等疾病导致的偏瘫患者不断增多,需要通过外界康复电刺激系统进行治疗。然而市面上的电刺激系统大多数只产生波形单一的电刺激脉冲,不能达到最佳治疗效果;国外设备虽功能多样但价格昂贵。因此设计一款功能较强、结构简单、经济实用的电刺激系统对偏瘫患者是非常必要的。针对上述问题,论文设计了一种使用表面肌电信号（surface electromyography,sEMG）作为驱动的功能性电刺激系统。所设计的电刺激系统由sEMG采集模块、微处理器控制模块、电刺激模块及电源模块组成。sEMG采集模块使用一系列低成本运算放大器替代国外集成芯片对原始sEMG进行放大及滤波。为了解决多通道采集、使用低成本运放等引起的sEMG噪声水平较高的问题,论文又设计了一种基于归一化指标寻优（normalized index optimization,NIO）的总体经验模态分解（Ensemble Empirical Mode Decomposition,EEMD）降噪方法,对采集模块得到的原始sEMG进一步降噪。微处理器控制模块采用STM32F103单片机对原始sEMG进行A/D转换,并执行片上降噪,将降噪后的sEMG作为系统电刺激模块的驱动信号,按照其大小由单片机DAC口输出相应幅值的参考电压,并由脉冲宽度调制（Pulse width modulation,PWM）信号来确定刺激脉冲的频率和脉宽。设计了相应的电刺激模块电路,能在PWM控制下实现光耦和恒流源电路间的切换,输出幅度合适且变化的电刺激脉冲,通过刺激电极作用于病患肢体。论文开展了一系列性能测试实验,以验证所设计功能性电刺激系统的实用性与可靠性。首先,实验验证了sEMG采集模块的带通滤波电路带宽为16 Hz～482 Hz;之后用该模块采集健肢侧小臂通过翻腕,握拳等动作的sEMG,实验结果表明使用低成本运放搭建的sEMG采集电路能够得到较为准确、有用的肌电信号。接着,在PC上位机上对所采集的原始sEMG进行降噪方法研究,设计了归一化降噪寻优指标r,使用EEMD方法对sEMG进行降噪处理实验,并与几种传统降噪方法的性能进行了比较,所设计算法的指标r=0.71,优于其它方法。最后,对电刺激模块的性能进行了测试,当DAC输入的模拟电压在0～3.3 V变化时,模块能产生0～165m A左右的双相刺激脉冲,该脉冲的幅度由降噪后的sEMG大小决定,频率和脉宽可通过设置单片机PWM参数来决定。论文设计的功能性电刺激系统成本较低、性能较好、简单实用,达到了预期的设计指标,具有巨大的市场价值。

关键词：表面肌电信号采集低成本总体经验模态分解自适应降噪 STM32F103单片机功能性电刺激

来源：评论

学校读者我要写书评

暂无评论

基于运动想象的脑电信号分类算法与脑-机接口技术研究

基于运动想象的脑电信号分类算法与脑-机接口技术研究

引用

作者：杨默涵吉林大学

学位级别：硕士

脑-机接口作为一种新的人机交互途径逐渐引起人们的关注,基于运动想象BCI系统作为其中的一大分支也逐渐引起大家的重视,但人的脑电信号(Electroencephalogram,EEG)复杂且具有非线性非平稳等特点,这使其难以辨识和解析,其识别效果也依赖... 详细信息

脑-机接口作为一种新的人机交互途径逐渐引起人们的关注,基于运动想象BCI系统作为其中的一大分支也逐渐引起大家的重视,但人的脑电信号(Electroencephalogram,EEG)复杂且具有非线性非平稳等特点,这使其难以辨识和解析,其识别效果也依赖于数据集的不同,而表现不稳定。为了提高运动想象EEG信号的识别率,提供相对有效的特征提取及分类方案,本文基于脑电信号这样的特点,介绍和研究了两种基于二分类的运动想象脑电信号的处理、特征提取及分类方法,并开发了一套原理样机。1.利用总体经验模态分解(Ensemble empirical mode decomposition,EEMD)后得到的较具影响能力的固有模态函数(Intrinsic mode functions,IMFs),利用希尔伯特变换提取边际谱(Marginal spectrum,MS)及瞬时能谱(Instantaneous energy spectrum,IES)时频特征,同时通过加窗的方法提取非线性动力学特征近似熵特征,利用线性判别分类器(Linear Discriminant Analysis,LDA)作为分类器,实验对象为来自三个不同数据集的9个不同受试者,其取得平均分类识别率为82.74%,具有良好普适性;2.利用固有时间尺度分解(Intrinsic time-scale decomposition,ITD)后得到的固有旋转分量,选择较优分量信号,进而提取四类有效特征包括能量,AR参数模型,数学形态学特征以及模糊近似熵,采用单因素方差检验作为特征选择,利用LDA作为分类器进行分类,采用互信息(MI)及最大峭度的评价标准。实验结果证明提出基于ITD的识别系统能取得较为可观的识别率,结果优于BCI竞赛成绩及近期文献成果。在03年脑-机接口大赛数据中取得0.75的互信息,05年大赛数据中取得0.3699的平均最大峭度。且对基于ITD的特征提取方案对脑电信号处理和识别进行了解释和分析,该方法对提高脑-机接口系统的分类性能及在线BCI系统的实现,能提供良好的理论基础和应用参考;3.开发的一套基于ThinkGear脑电仪意念控制手臂的在线BCI系统。通过采集受试者前额处脑电信号,获取当前受试者视觉阻断信息,使其作为控制指令,最终可以使假肢手臂完成简单的任务动作。该系统的开发可为BCI技术的将来的发展及应用提供工作基础及方向参考。

关键词：脑电图脑-机接口运动想象总体经验模态分解固有时间尺度分解

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：