傅立时变换中红外光谱法用于非损伤性血糖测定的研究

本文首次使用中红外光纤对人体血糖进行了非损伤性测定，实验显示，人手指的中红外光谱１１２３ｃｍ－１谱带的相对强度与人的血糖浓度同步改变，表明葡萄糖特征谱带的相对强度确可作为人血糖值的一个数量指标。这给红外光纤在生物医学领域中的应用展示了光明的前景。     

基于双向长短期记忆网络的太赫兹光谱识别

特征提取是太赫兹光谱识别的关键处理步骤,通常利用降维方法作为特征提取手段。然而,当一些化合物的太赫兹光谱曲线整体差异度较小时,降维方法往往会缺失样本差异的重要特征信息,从而导致分类错误。如果不采用降维方法提取特征,传统机器学习分类算法对维数较高的原始太赫兹光谱数据又不能很好的分类。针对此问题,提出了一种基于双向长短期记忆网络（BLSTM-RNN）自动提取太赫兹光谱特征的识别方法。BLSTM-RNN作为一种特殊的循环神经网络,利用其LSTM单元可以有效解决原始太赫兹光谱数据维数较高使得模型难以训练问题。再结合模型的双向频谱信息利用架构模式,可以增强模型对复杂光谱数据自动提取有效特征信息的能力。采用三类、15种化合物太赫兹透射光谱作为测试对象,首先利用S-G滤波和三次样条插值对Anthraquinone,Benomyl和Carbazole等十五种化合物在0.9～6 THz内的太赫兹透射光谱数据进行归一化处理,然后通过构建一个具有双向长短期记忆的循环神经网络对太赫兹光谱的全频谱信息进行自动特征提取并利用Softmax分类器进行分类。通过试验优化网络结构和各项参数,最终获得了针对复杂太赫兹透射光谱数据的预测模型,并与传统机器学习算法SVM,KNN及神经网络算法MLP,CNN进行对比实验。结果表明,dataset-1和dataset-2分别作为差异度较大和无明显峰值特征的五种化合物太赫兹透射光谱数据集,其平均识别率分别为100%和98.51%,与其他方法相比识别率有所提高;最重要的是,dataset-3作为5种化合物谱线极为相似的太赫兹透射光谱数据集,其平均识别率为96.56%,与其他方法相比识别率提高显著;dataset-4作为dataset-1,dataset-2和dataset-3的透射光谱数据集集合,其平均识别率为98.87%。从而验证了BLSTM-RNN模型能自动提取有效的太赫兹光谱特征,同时又能保证复杂太赫兹光谱的预测精度。在选择模型训练优化算法方面,使用Adam优化算法要好于RMSProp,SGD和AdaGrad,其模型的目标函数损失值收敛速度最快。同时随着模型训练迭代次数增加,相似太赫兹透射光谱数据集的预测准确率也不断提升。可为复杂太赫兹光谱数据库的光谱识别检索提供一种新的识别方法。     

基于深度时空特征融合的多通道运动想象EEG解码方法

脑电(EEG)是一种在临床上广泛应用的脑信息记录形式,其反映了脑活动中神经细胞放电产生的电场变化情况.脑电广泛应用于脑-机接口(BCI)系统.然而,研究表明脑电信息空间分辨率较低,这种缺陷可以综合分析多通道电极的脑电数据来弥补.为了从多通道数据中高效地获取到与运动想象任务相关的辨识特征,该文提出一种针对多通道脑电信息的卷积神经网络(MC-CNN)解码方法,先对预先选取好的多通道数据预处理后送入2维卷积神经网络(CNN)进行时间-空间特征提取,然后利用自动编码(AE)器把这些特征映射为具有辨识度的特征子空间,最后指导识别网络进行分类识别.实验结果表明,该文所提多通道空间特征提取和构建方法在运动想象脑电任务识别性能和效率上都具有较大优势.     

基于毫米波雷达点云和视觉信息差异性特征注意力融合的3D目标检测

自动驾驶中传感器融合是感知系统的重要组成部分,雷达点云信息和视觉信息融合可以提高车辆的感知能力。然而现有的研究将雷达点投影到图像上时只是对雷达点简单的增加高度,无法提供更加准确的横向信息,缺乏空间信息。同时对两个模态只是进行简单的融合,虽然产生了一个联合表征,但不足以充分捕捉两种模态之间的复杂联系。文中同时增加了雷达点云的宽度来进行空间信息增强,另外设计了一种利用差异性特征注意力融合的方法,使两个模态进行跨模态交互融合。本文在具有挑战性的nuScenes数据集上对模型进行了评估,提出的模型的NDS评分和mAP分别达到了46.3%和33.9%,体现了优秀的性能。     

视讯通信技术的发展形势与应用对策

2003年,当"非典"蔓延时,视讯会议系统在中国的各级卫生部门中得到广泛的应用,例如远程指挥和调度、远程探视和会诊等,它在这场人类同疾病的战争中发挥了巨大的作用.当然,视讯应用还存在很多问题,内容供应商、设备制造商和世界各国政府必须紧密合作,避免出现技术冲突,共同解决在视讯应用过程中遇到的各种困难.目前,视讯业务的应用虽然发展迅速,但离广泛普及还有不小的距离.是什么原因导致技术和理论已非常成熟的视讯通信技术在应用普及上却十分困难呢?本文将从三方面进行探讨.     

基于凸组合核函数的化合物太赫兹透射光谱分类

物质的太赫兹光谱包含着非常丰富的物理和化学信息。它对化合物晶体具有高的灵敏度、 单光子能量低等特点。但受到检测人员知识背景、 背景噪声、 识别算法精度等因素的影响,光谱样本识别准确率和效率较低。为了提高对太赫兹光谱的检测能力,提出应用基于凸组合核函数的support vector machines(SVM)对化合物的THz脉冲透射谱进行分类。在使用小波变换对数据进行滤波预处理之后,提取了传统波峰、 波谷位置特征和term frequency-inverse document frequency (TF-IDF) 最大间隔特征。TF-IDF方法使用信息论的原理确定每个采样点的权重,选择权重较大的点作为特征。针对太赫兹透射谱特征相似、 维数较低带来的分类困难问题,构建基于凸组合核函数的SVM分类模型。并利用核评价的方法,通过高维非线性规划方程求解最优凸组合参数。当最优凸组合参数被确定时,构建分类模型进行分类和预测。相比较于单一核函数,凸组合核函数将透射谱特征与分类模型融合起来。对于不同的检测样本,数据经过凸组合核函数映射到高维空间后,特征具有更显著的区分度。使用不同的太赫兹透射谱样本进行分类实验,结果表明,分类准确率得到极大提高。     

基于注意力的毫米波雷达与视觉融合方法

针对毫米波雷达与视觉传感器融合在数据层融合时对行人和小物体的检测效果不佳,以及特征层融合时权重难以分配的问题,提出一种基于注意力的融合方法,能够有效地解决以上两个问题.首先,在数据层的空间上利用雷达的空间信息确定重点检测区域,并且突出重点检测区域的特征,形成空间上的软注意力;其次,在特征层的通道上用通道注意力权重学习方...     

无线网卡驱动分析与WLAN性能测试

无线网卡是WLAN的重要设备之一。介绍了WLAN和无线网卡硬件组成，详细分析了无线网卡在LinuxOS下的驱动程序。在此基础上搭建测试环境，测试无线网络的性能，得出测试结论。     

基于扩散映射的太赫兹光谱识别

特征提取对于太赫兹光谱识别来说至关重要。传统方法是通过人工选取太赫兹光谱中差异性较大的吸收峰作为特征进行光谱识别,但当部分物质在太赫兹波段没有明显波峰、波谷等光谱图形特征时,这种方式便不再适用。为此,研究人员利用统计学习与机器学习方法对高维太赫兹光谱数据进行降维和特征提取。由于物质的太赫兹光谱数据各维度呈现非线性,尤其是当不同物质的太赫兹光谱曲线整体非常相似时,线性处理方法易产生较大误差。针对这一问题,提出了一种基于扩散映射(DM)的太赫兹光谱识别方法。扩散映射能在保持数据内在几何结构的同时对其进行非线性降维,提取的流形特征区分度较高,对数据还有聚类效果。首先用S-G滤波器对Alloxazine等10种物质的太赫兹光谱样本进行滤波,并用三次样条插值法对截取相同频段后的光谱样本进行统一分辨率处理;然后利用DM将高维太赫兹光谱数据映射到低维特征空间并提取太赫兹光谱的流形特征;最后用多分类支持向量机(M-SVM)对十种物质的太赫兹透射光谱进行分类。实验结果表明,相比于主成分分析(PCA)和等距映射(ISOMAP),使用DM提取的太赫兹光谱流形特征具有更高的区分度,而且DM可以直接得到太赫兹光谱数据本征维数的估计值,这为相似太赫兹光谱的快速精准识别提供了一条新的途径。