一种改进的天波雷达海杂波循环对消算法

在天波超视距雷达中,舰船等慢速目标的频谱通常靠近强大的海杂波谱,检测难度大,在短相干积累条件下,回波频谱的多普勒分辨率降低,进一步增加了目标检测难度。目前的海杂波抑制方法主要是循环对消法,但是传统的循环对消方法仅通过傅里叶变换后最大谱线来估计频率,频率估计精度不高,杂波残留严重,而且容易将目标信号也对消掉。针对该问题,提出了一种改进的循环对消算法,该算法中,首先给出了短相干积累下海杂波频率的高精度估计算法,利用最大的3根谱线进行插值来对粗估计得到的频率进行校正,从而精确估计海杂波频率,在此基础上估计时域的海杂波信号;为了避免将目标信号也对消掉,进一步给出了海杂波的频率界限,只在杂波界限内进行海杂波循环对消;与传统算法相比,所提算法能够对海杂波参数进行高精度估计,从而减少了对消过程中剩余杂波的能量,有利于舰船目标的峰值显露,而且杂波频率界限的使用能够避免将目标信号对消掉,提高了目标的检测效能。仿真和实测数据处理结果均表明,与传统循环对消法相比,所提算法能用更少的对消次数凸显出舰船目标,而且残留杂波能量更低。

公允价值在商业银行会计计量中存在的问题及对策

新会计准则对公允价值的引入极大的提高了会计信息的及时性和可靠性,对于持有较多金融资产的银行尤其如此。但是,公允价值本身存在一定的缺陷。本文在此拟就公允价值在商业银行会计计量中存在的问题及对策进行探讨,以期不断完善公允价值会计计量的有用性,提高银行会计信息的质量。

基于机器学习的帕金森运动症状量化评估

临床上采用量表评分的方式对帕金森病运动症状的严重等级进行诊断,存在主观性强、评估结果差异大等问题。因此,利用佩戴于患者手腕的可穿戴设备采集手部运动信息,并基于运动传感器数据提取与震颤和运动迟缓症状严重程度相关的特征参数,构建机器学习多分类评估模型,从而得到症状的严重程度等级(0~4分)。算法验证试验结果表明,相比随机森林(RF)和K最邻近方法(KNN),支持向量机(SVM)分类模型具有最高的分类精度,对震颤和运动迟缓症状的严重程度分类准确率达96%以上。该文研究验证基于运动传感器的帕金森病量化评估方法的可行性,该方法能够作为一种有效的量化评估方法,辅助医生在临床上给出客观的诊断结论。

基于可穿戴式传感装置的帕金森运动症状量化评估的研究进展

帕金森病(PD)运动症状的量化评估是PD诊疗中的一个难题;基于MEMS(微机电系统)运动传感器的可穿戴式装置可以跟踪PD病人设定动作和自主运动等运动信息,从而实现帕金森运动症状的实时和客观的量化评估。首先介绍MEMS运动传感器技术及用于帕金森运动症状量化评估的典型性可穿戴式系统,包括其局限性;然后对震颤/异动症、缓慢运动、肌肉僵直、姿势步态障碍等4个主要运动症状的量化评估方法及其与神经科医生临床判断相关性分别进行对比和分析;同时对PD症状波动等运动并发症对运动症状量化评估的影响进行讨论。介绍MEMS运动传感技术在PD运动症状量化评估中的应用及其精确性,为基于可穿戴式传感装置的帕金森运动症状定量评估研究提供一个基础框架。

融合注意力机制与神经网络的永磁定位技术

传统的永磁定位方法为Levenberg-Marquardt(LM)优化算法。针对算法存在运算时间长、快速运动下精度差的问题,提出了一种融合注意力机制的Inception网络的定位方法。首先,将一维磁传感器数据转为二维矩阵数据,以便采用卷积神经网络进行处理;其次,利用Inception网络对六维位姿进行预测,为提升定位精度,在网络中融合了轻量级的卷积块注意力机制;最后将所提方法和LM算法的运算时间及快速运动下位置精度作对比分析。研究结果表明:所提算法在静态下预测的位姿误差为(0.86±0.40)mm和(0.81±0.36)°,运算速度比LM算法提升200倍;快速定位下位置误差在1 mm左右,比LM算法下降50%以上。因此所提方法可以实现快速运动下的高精度磁定位。

基于机械阻抗测量的帕金森肌强直症状量化检测系统

针对帕金森病(PD)肌强直症状严重程度的诊断主要依赖于医生主观判断的现状,本研究设计了一种基于机电驱动装置和机械阻抗测量的PD肌强直症状量化检测系统,该系统采用机电驱动装置对PD患者重复执行肘关节弯曲伸展动作,并同步采集其运动状态和生物力学信息,以最小平方参数估计方法获得多个肌强直量化特征参数,同时与神经内科医生参照PD评分量表(UPDRS)给出的肌强直症状评分进行相关性分析,寻找优选的量化参数。临床试验结果显示,患者肘关节被动运动时的机械阻抗值与UPDRS肌强直症状评分具有高度相关性,皮尔逊(Pearson)相关系数为r=0.872,P<0.001,该结果表明,本系统能够灵活有效地量化评估PD肌强直症状。此外,机械阻抗可以作为一种优选的PD肌强直量化参数,用以辅助神经科医生进行症状诊断和病情监测。

基于光学运动跟踪系统的机器人末端位姿测量与误差补偿

针对工业机器人绝对定位精度较低的问题,采用加拿大NDI公司的Optotrak Certus HD光学运动跟踪系统作为机器人位姿的测量设备,提出了一种基于再生权最小二乘法的最优剪枝极限学习机算法,通过该算法将机器人目标位姿映射到修正位姿上,实现了对机器人末端位姿补偿的效果.利用爱普生6轴机器人末端进行实验,在不同速度下完成直线轨迹运动、圆轨迹运动以及离散随机运动,对该误差补偿方法的有效性进行验证和分析.结果表明,该误差补偿方法均能提高机器人的位姿精度,其测试点在X、Y、Z三轴总方向上的绝对位置精度为0.06 mm～0.25 mm,比无补偿时的2 mm～3 mm有了1个数量级的提高;而姿态误差补偿后,其均方根误差和平均绝对误差均减小到未补偿时姿态误差的26.09%.同时,该补偿方法还可有效降低异常值的影响,具有良好的稳健性.