PCA算法和数学形态学理论在踝臂指数测量中的应用

踝臂指数(ABI)的准确测量在临床医学诊断中具有重要意义。在测量踝臂指数时,准确测量上下肢收缩压是测量的关键。当袖带加压到可以阻断血管中血液流动时开始缓慢放气,脉搏重新恢复波动的第一个脉搏波所对应的袖带压力就等于收缩压。由于在袖带加压时,不能完全阻断下肢所有血管的血液流动,这样很难准确测量下肢动脉的收缩压。利用PCA算法将混合的脉搏波信号进行分离,对分离后的脉搏波数据用数学形态学的形态梯度理论进行处理。实验表明:将采集的脉搏波信号分离后,应用基于数学形态学的形态学梯度理论可以成功找到脉搏波重新恢复波动的起点,从而可以准确地测量ABI。

基于独立分量分析的六维力传感器标定矩阵的校正

为了提高六维力传感器的测量精度，提出了一种基于独立分量分析（ICA）的静态标定方法。作用在上平台的各维力经过六维力传感器后形成混合信号，该方法先对混合信号进行ICA分解，即将其分离成独立的分量，再结合理想源信号恢复出各维真实作用力的排序和幅值，最后得出校正后的标定矩阵。仿真结果表明，校正后的标定矩阵更接近标准的标定矩阵，从而提高了六维力传感器的测量精度。