颠倒睡眠状态调制心率变异性信号的功率谱和基本尺度熵分析

心率变异性(HRV)信号能够提供心脏活动状态的重要信息.通过建立颠倒睡眠模型,联合功率谱和基本尺度熵方法分析颠倒睡眠状态下24 h的HRV信号,研究颠倒睡眠对自主神经相互作用以及HRV信号混沌强度的调制.结果表明,颠倒睡眠导致自主神经在昼夜间的活动节律发生颠倒,基本尺度熵在昼夜的变化趋势也随之发生逆转,因此HRV信号的混沌强度与自主神经的相互作用密切相关,进一步研究两者之间的关系发现:HRV信号的混沌强度与交感神经的调制强度正相关,与迷走神经的调制强度负相关.     

基于独立组分分析和BP神经网络的可见/近红外光谱蜂蜜品牌的鉴别

提出了一种基于独立组分分析的可见/近红外光谱透射技术快速鉴别蜂蜜品牌的新方法。用独立组分分析方法获取蜂蜜的可见/近红外光谱载荷图,将载荷图中相关性最大的波段,作为人工神经网络的输入建立蜂蜜品牌的鉴别模型。建立了一个三层的BP神经网络模型,各层传递函数采用S型(Sigmoid)函数,并设置网络输入层节点数为9,隐含层节点数为10,输出层节点数为3。每个品牌25个样本,3个品牌共75个样本,用来建立BP神经网络模型,剩余的3个品牌各５个样本用于预测,鉴别准确率达100%,模型的拟合残差为8.245 365×10-5。说明基于独立组分分析的方法具有很好的鉴别效果,为蜂蜜的品牌鉴别提供了一种新方法。     

具有增加删除机制的正则化极端学习机的混沌时间序列预测

针对正则化极端学习机的隐层具有随机选择的特性,提出了一种增加删除机制来自适应地确定正则化极端学习机的隐层节点数. 这种机制以对优化目标函数影响的大小作为评价隐层节点优劣的标准,从而淘汰那些比较“差”的节点,将那些比较“优”的节点保留下来,起到一个优化正则化极端学习机隐层节点数的目的. 与已有的只具有增加隐层节点数的机制相比较,本文提出的增加删除机制在减少正则化极端学习机隐层节点数、增强其泛化性能、提高其实时性等方面具有一定的优势. 典型混沌时间序列的实例证明了具有增加删除机制的正则化极端学习机的有效性和可行性. 关键词： 混沌时间序列 人工神经网络 极端学习机     

基于HMM-SVM的模拟电路早期故障诊断

针对模拟电路在故障预测与健康管理（PHM）系统中早期故障识别率不高的问题,提出了一种基于隐马尔科夫模型（HMM）和支持向量机（SVM）相结合的模拟电路故障诊断方法,利用HMM对动态连续信号的较强识别能力和SVM良好的模式分类能力解决模拟电路早期故障诊断问题。采用主成分分析（PCA）和K-means聚类算法对故障数据进行数据降维和特征提取,建立HMM与 SVM相结合的诊断模型进行故障诊断。仿真实验表明,HMM-SVM能很好地识别模拟电路早期故障,并对模拟电路中元件小范围参数变化的状态识别,相较单一HMM模型具有更高的准确率。     

小波包分形在远区核爆电磁脉冲识别中的应用

针对远区核爆电磁脉冲(NEMP)和闪电电磁脉冲(LEMP)的识别率不能满足实际需求的问题,提出了一种基于小波包分形技术的识别方法。首先,对实测的NEMP和LEMP做插值、归一化等预处理;然后,基于小波包理论对预处理后的信号进行2层小波包分解,并利用小波包系数重构信号的分形维数,组成信号的特征向量;最后,采用最小二乘支持向量机(LSSVM)作为分类器,利用五折交叉验证法选取最优的模型参数,将特征向量输入分类器中进行训练后获得测试结果。实验结果表明,小波包分形方法在NEMP和LEMP的识别上效果显著,平均识别率达到99%以上,具有较高的应用价值。     

光谱油样分析监测技术中的神经网络预测方法

光谱油样分析是机械磨损状态监测与故障诊断的重要技术,基于光谱数据的机械状态预测有利于发现机械系统的早期磨损故障。由于神经网络对于非线性模型的辨识和非平稳信号的预测,与传统预测模型相比具有明显的优势,文章将神经网络预测方法运用于光谱分析,提出了基于神经网络预测的光谱分析监测技术。在预测模型中采用了三层BP网络模型,针对神经网络的结构对于信号预测或模型辨识的精度具有影响很大的问题,文章利用遗传算法,对神经网络输入节点数、隐层节点数和网络收敛的均方误差(MSE)目标值进行了优化,得到了最优的网络预测模型。最后,对某发动机实际的光谱分析数据进行了预测和分析,并与传统ARMA模型的预测结果进行了比较,结果充分表明了本方法的有效性和优越性。     

基于连续分类策略的饲用鱼油掺假陆生动物油脂红外光谱鉴别分析

与其他动物油脂相比,饲用鱼油的营养价值高、产量低、提炼工艺复杂,其真实性的鉴定有利于市场的正常运行和消费者权益的保障。本研究提出一种基于红外光谱的连续分类策略,并将其应用于饲用鱼油中违法掺假陆生动物油脂的鉴别分析。实验收集动物油脂样品共50个（鱼油12个、猪脂10个、鸡油9个、牛脂10个、羊脂9个）,采用均匀混合法制备饲用鱼油中掺加陆生动物油脂的样品160个。采用主成分分析（PCA）方法进行用饲用鱼油中掺假陆生动物油脂红外光谱鉴别分析的可行性分析。结果表明：纯鱼油和掺假陆生动物油脂鱼油之间得到了较好的区分;其他掺假陆生动物油脂鱼油之间有一定的鉴别分析潜力。基于偏最小二乘判别分析（PLS-DA）和单类别偏最小二乘法（OC-PLS）,第一步,建立检测鱼油真实性的单类别筛查模型;第二步,建立多类别陆生动物油脂掺假的鉴别模型,探讨了两种陆生动物油脂类别划分方式对鉴别模型的影响。研究表明：单类别筛查模型成功区分了纯鱼油和掺假鱼油,识别率和拒绝率均为100%,误判率为0%;按照纯鱼油、猪脂掺假鱼油、鸡油掺假鱼油、牛脂掺假鱼油和羊脂掺假鱼油进行分类,多类别鉴别模型的识别率和拒绝率均大于80%,误判率均在15%以下;按照纯鱼油、非反刍动物油脂掺假和反刍动物油脂掺假进行分类,多类别鉴别模型的识别率和拒绝率均提升至90%以上,误判率减小至7%以下。在提出的连续分类策略中,中红外光谱技术结合化学计量学可以用于高效筛查鱼油中是否掺假陆生动物油脂,并且可以进一步确证掺假陆生动物油脂种属源。该方法作为一种快速筛查与确证分析工具可满足大样本量鱼油中陆生动物油脂掺假的检测需求。     

基于AR模型与神经网络的核爆与闪电电磁脉冲信号识别

 对平稳随机信号功率谱估计的AR模型,分别利用自相关函数法和Burg算法求该模型系数,作为核爆炸和闪电电磁脉冲信号的特征值;采用BP神经网络作为分类器以及不同的隐含层数和隐含层节点数,对核爆和闪电电磁脉冲实测数据进行识别研究。结果表明：AR参数模型法对两类信号特征值提取是非常有效的,采用Burg算法来求AR模型参数,其特征值提取效果优于自相关函数法。     

基于改进的隐马尔可夫和神经网络混合模型的语音识别

研究了一种非齐次隐马尔可夫模型（Inhomogeneous Hidden Markov Model），然后将自组织特征映射神经网络与这种非齐次隐马尔可夫模型相结合，训练出抗噪声的HMM模型，并应用该混合模型进行语音识别。实验结果表明，该模型适合于对噪声背景下的语音进行识别。该模型具有更好的抗噪鲁棒性，在信噪比较低的情况下（5dB-10dB），识别率可以提高5％左右。     

多尺度策略和替代数据检验——HRV时间不可逆性分析的两个要素

本文通过应用基于多尺度思想的（Pm,Gm）平面法和替代数据检验,对来自于不同人群以及来自于健康年轻人清醒、睡眠状态下的心率变异性（heartratevariability,HRV）进行了时间不可逆性分析．结果表明：健康成人的HRV普遍存在着时间不可逆性,而随着疾病的出现,这种不可逆性减弱但并非消失,大部分（超过75％）充血性心力衰竭患者的HRV仍具有时间不可逆性：健康年轻人的HRV不可逆性存在着昼夜节律和显著的昼夜差异,夜间睡眠时不可逆性更强．我们认为：由于产生HRV的心脏动力系统具有复杂的延迟特性,在对HRV进行时间不可逆分析时,为了得到更可靠的结论,建议采用多尺度策略以及进行替代数据检验．综合考虑上述两个因素的分析方法也较好地统一了已有报道的不同结论．     

基于AD8232的心电实时监测及分析系统设计

为了方便对患者心电信号进行实时监测,实现对心脏疾病的及时预防及诊断,利用一款基于ATmega328p微控制器的Arduino开发板、一块心电监测前端模块AD8232及上位机软件LabVIEW开发出一套心电实时监测系统,并利用LabVIEW设计出多种软件滤波方法来抑制心电信号中的噪声。由于心电信号的时频特性能提供反映患者心脏活动动态行为的信息,该系统还包括基于LabVIEW设计出的多种用于心电信号实时分析的程序,使被试心电信号所包含的生理特性能够及时地被分析出来。利用所开发的心电实时监测分析系统对被试的心电信号进行采集和分析,发现系统能够非常灵敏、准确地检测心电信号,并对信号噪声有着很好的抑制能力。此外系统能够对信号进行各式的实时分析,且分析结果可靠,能够运用于临床诊断。利用该系统对心电信号进行实时采集和分析,其测量结果准确、去噪效果良好、分析结果可靠,为今后心电实时监测分析系统的设计提供了借鉴。     

Vis-NIR光谱模式识别结合SG平滑用于转基因甘蔗育种筛查

以Savitzky-Golay (SG)平滑筛选,主成分分析(PCA)分别结合有监督的线性判别分析(LDA)、无监督的系统聚类分析(HCA),应用于转基因甘蔗育种筛查的可见-近红外(Vis-NIR)无损检测。提出兼顾随机性、稳定性的定标、预测、检验框架;取田间种植处于伸长期甘蔗叶样品456个,具有Bt基因和Bar基因的转基因样品(阳)306个,非转基因样品(阴)150个;随机选取156个为检验集(阴性50、阳性106),余下为建模集(阴性100、阳性200,共300),建模集再随机划分为定标集(阴性50、阳性100,共150)、预测集(阴性50、阳性100,共150)共50次;扩充SG平滑点数,同时删除绝对值偏小的高阶导数模式,共264个平滑模式用于模型筛选;采用前3个主成分两两组合,再根据模型效果选出最优主成分组合;基于所有定标、预测集划分和SG平滑模式,建立SG-PCA-LDA和SG-PCA-HCA模型,根据平均预测效果优选参数,使模型具有稳定性;最后用检验集进行模型检验。经SG平滑后,PCA-LDA和PCA-HCA的建模精度、稳定性均显著改善;最优SG-PCA-LDA模型阳性、阴性样品检验识别率分别达到94.3%和96.0%;最优SG-PCA-HCA模型阳性、阴性样品检验识别率分别达到92.5%和98.0%。结果表明：Vis-NIR光谱模式识别结合SG平滑可用于转基因甘蔗叶的准确识别,提供了一种简便的转基因甘蔗育种筛查方法。     

分块稀疏信号1-bit压缩感知重建方法

1-bit压缩感知理论指出:对稀疏信号进行少量线性投影并对投影信号进行1-bit量化,该1-bit信号包含足够的信息,从而能对原始信号进行高精度重建.然而,当信号难以进行稀疏表达时,传统1-bit压缩感知算法无法精确重建原始信号.前期研究表明,分块稀疏模型作为一种特殊的结构型稀疏模型,对于难以用传统稀疏模型进行表达的信号具有较好的表达作用.本文提出了一种针对分块稀疏信号的1-bit压缩感知重建方法,该方法利用分块稀疏的统计特性对信号进行数学建模,通过变分贝叶斯推断方法进行信号重建并在光电容积脉搏波(photoplethysmography)信号上进行了实验验证.实验结果表明,与现有1-bit压缩感知重建方法相比,本文方法重建精度更高,且收敛速度更快.     

一种光电容积脉搏信号的峰值点自动识别方法

光电容积脉搏信号的峰值点自动识别直接关系到无创血氧饱和度测量与脉搏波峰-峰间期提取的准确率。提出一种小波联合识别方法：基于小波多分辨率分析原理校正影响脉搏波峰值点幅值的基线干扰,再利用二次样条小波模极大算法自动识别峰值点。将该方法应用到自行研制的光电容积脉搏波测量系统中,对采集的信号进行了校正与峰值点识别,通过在信号中增加随机噪声以评价方法的稳定性与可靠性,然后利用10组实测数据,对比本方法与传统差分阈值法的峰值点识别准确率,进一步评价方法的有效性。结果表明：本方法在较好地消除了基线干扰的基础上,在染噪的信号中仍然会较精确地检测出脉搏波主波峰,具有较好的抗干扰能力,有利于提高血氧饱和度检测及峰-峰间期提取的准确性,从而有助于后期人体呼吸功能评价与心率变异性分析。     

多特征融合的鸟类物种识别方法

针对短时窗平均/长时窗平均算法从次声台站监测数据中提取的信号仍然包含噪声的问题,对支持向量机和人工神经网络的机器学习方法进行了研究。采用小波包分解的方法对信号进行重构,提取出各频带内的重构信号能量特征,对事件信号和噪声进行了识别实验,并分析了提高识别能力的方法,为工程应用提供理论参考。实验结果表明,在训练数据集不大的情况下,通过优化模型结构可以将两种方法的识别能力提高到可以接受的水平。     

基于自适应无参经验小波变换和选择集成分类模型的运动想象

运动想象模式识别率的提高对脑机接口(BCI)技术的应用具有重要意义,本文采用自适应无参经验小波变换(APEWT)和选择集成分类模型相结合的方法提高脑电(EEG)信号的分类识别准确率.首先,通过APEWT将EEG信号分解成不同的模态;然后,使用最优模态重构后的信号计算其能量谱(ES)特征,使用最优模态分量计算其边际谱(MS)特征;最后,将不同时间段的ES特征和不同频段的MS特征输入到构建的选择集成分类模型中,从而得到其分类结果,并将该方法与其他4种组合方法进行比较.实验结果表明,本文方法具有较好分类准确率和实时性,其平均分类正确率高于其他4种方法,同时较近期使用相同数据的文献也有优势.本文为在线运动想象类BCI的应用提供了新的方法和思路.     

Predicting the contents of polysaccharides and its monosugars in Dendrobium huoshanense by partial least squares regression model using attenuated total reflectance Fourier transform infrared spectroscopy

An attenuated total reflectance Fourier transform infrared spectroscopy method combined with partial least square regression was established to rapidly quantify the total polysaccharide and its major monosugars in Dendrobium huoshanense. The results showed that the optimal predictive methods were the models established by the infrared spectroscopy files pretreated by standard normal transformation combined with the second derivative; the accuracy of the models selecting wavelength regions based on the assignments of Fourier transform infrared spectroscopy signals of polysaccharide was obviously higher than the models selecting wavelength regions suggested by Thermofisher Quantity Analyst software and other possible wavelength region selecting modes. The external validation and the complete external validation confirmed the robustness and reliability of the developed attenuated total reflectance Fourier transform infrared model. Our study might provide an efficient technique tool for the rapid, green, low-cost, and nondestructive quantification of the total polysaccharide and the main monosaccharides in Dendrobium huoshanense and other rich-in-polysaccharide plant food or medicines.     

近红外光谱技术鉴别花椒产地

采集四川、重庆、云南、贵州、陕西五省市8个不同产地205个花椒样品的近红外光谱,使用主成分分析(principal component analysis, PCA)、判别偏最小二乘法(discriminant partial least squares, DPLS)分析了花椒产地的分类鉴别。结果表明：在12 500～3 800 cm-1波数范围内,采用不同的光谱预处理方法可以建立较为稳健的DPLS模式识别模型,对不同产地的花椒有较好的分类鉴别。其校正集交叉验证除了经一阶微分预处理的模型识别率为99.39%外,其他预处理方法识别率均为100%,独立验证集总体识别正确率在85.37%~97.56%之间,其中经标准正态变量变换(standard normal variate, SNV)、多元散射校正(multiplicative scatter correction, MSC)预处理后的DPLS判别模型效果最好,误判数仅分别为1个,表示该方法在花椒产地识别中具有可行性。     

茶叶定性和定量近红外光谱分析方法研究

分别采集了茉莉花茶、苦丁茶、龙井和铁观音4个种类茶叶共120个样本,利用NIRSystems6500型近红外光谱分析仪对样本进行光谱测量,应用近红外光谱分析技术对茶叶进行定性和定量分析。采用主成分分析法,结合聚类分析法,对4种类别的茶叶进行定性鉴别,通过对不同光谱数据预处理方式和不确定因子系数进行比较,确立了最优定性判别定标模型。同时,采用修正的偏最小二乘法,比较不同光谱预处理方法对定标模型的影响,建立了茶叶中水分、茶多酚和咖啡碱含量的定量分析模型,并对未知样本进行预测。定性分析模型的种类识别准确率达到100％,定量分析模型的决定系数均大于0.91,相对分析误差RPD均大于3。结果表明,利用NIRS分析技术可以快速定性和定量分析鉴别茶叶的类别和成分含量。