基于S变换和共空间模式的运动想象脑电特征提取

针对共空间模式算法运用于运动想象脑电信号特征提取分类正确率低、计算实时性差等问题,提出运用S变换结合共空间模式算法对脑电信号进行特征提取方法。经过S变换后的信号具有更加明显的时、频、相特征,再运用共空间模式算法提取特定任务信号成分的特征,最后用支持向量机进行分类。实验结果表明:在S变换采样数较多的情况下,平均正确率达到92.8%,大大超过单纯使用共空间模式算法的正确率。如果降低S变换的采样率,系统实时性得到大幅提升,平均运行时间仅为0.85 s,平均分类正确率可达89.8%,比仅运用共空间模式算法的运行时间缩短30.9%。可见,不仅可提高运动想象脑电信号的分类正确率,还可以提高分类的实时性。     

基于混合学习的车床教学探索与实践

结合车床教学中的特点及安全实习理念,设计并探索实践了一种基于线上网络虚拟仿真及线下教学相结合的车床安全实习模式.该教学模式通过线上让学生进行虚拟安全防护、 车床加工、 车床安全教育、 车床考核等仿真学习,借助网络或实验室开放,实现不受时间和空间限制的线上学习,线上考核合格后再进行线下车床学习.进行了基于混合学习教学模式...     

基于PSD特征的FBCCA脑电信号识别方法

:当前基于稳态视觉诱发电位 (Steady-State Visual Evoked Potential,SSVEP）的脑机接口使用的都是单一识别算法,针对不同时间长度的识别准确率较低。本文提出了一种基于滤波器组的典型相关分析（Filter Bank Canonical Correlation Analysis,FBCCA）与功率谱密度（Power Spectral Density,PSD）分析相结合的SSVEP识别算法,可以提高SSVEP识别的普适性与准确率。该方法使用FBCCA寻找高相似度的参考频率信号,再通过多组PSD分析来锁定最终的响应频率,完成频率识别。该方法无需经过训练就能得到较高的识别准确率。实验结果表明,在刺激时长为1s时,该方法能达到86.61%的准确率,比PSD分析的方法提升了5.44%,比典型相关性分析方法(Canonical Correlation Analysis,CCA)提升了10.38%的准确率,比FBCCA提升了8.86%的准确率。     

CeO2-WO3催化剂表面酸性和氧化还原性能在脱硝反应中的研究

本研究利用原位合成法成功制备CeO₂-WO₃催化剂并用于脱硝反应，焙烧温度为550℃的CW-550催化剂活性最佳，200℃时CW-550脱硝活性达到90%以上。CW-550催化剂具有优越的催化剂性能可归结为较大的比表面积、较多的Ce³⁺物种、丰富的表面酸性和优越的氧化还原性能。Ce³⁺增多，有利于氧空位的形成，可促进氧化还原性能。WO₃的引入，在550℃的焙烧条件下可显著提升催化剂的Br?nsted酸量，有利于氨气的吸附与活化，提升其催化性能。CW催化剂上吸附的NH₃物种能与气态的NO反应，而吸附态的NH₃与吸附态的NO_x不能进行高效反应，因此，CW催化剂的SCR反应主要遵循Eley-Rideal反应机理。     

C^n中点乘子集M（Dp）的一个刻划

本文用 Dp- Carleson测度对 Cn中的单位球 B上的 Dirichlet型空间 Dp 的点乘子集M(Dp)就 p<2 k的情形进行一种刻划 .