运用平滑伪Wigner-Ville分布提取大脑皮层的稳态视觉诱发电位(steady state visual evoked potential,SSVEP)信号,并作为输入信号应用于脑机接口系统。研究结果表明,该方法不需叠加平均信号就可以提高信噪比,提取出的稳态视觉诱发电位...运用平滑伪Wigner-Ville分布提取大脑皮层的稳态视觉诱发电位(steady state visual evoked potential,SSVEP)信号,并作为输入信号应用于脑机接口系统。研究结果表明,该方法不需叠加平均信号就可以提高信噪比,提取出的稳态视觉诱发电位信号能够准确反映使用者的控制意图,为脑机接口选取特征提供了依据。展开更多
本文针对低截获概率(Low Probability of Intercept,LPI)雷达信号调制类型的识别问题提出了一种基于Swin Transformer神经网络的识别方法.该方法首先用平滑伪Wigner-Ville分布对信号进行时频变换,将一维时域信号转换为二维时频图像,然...本文针对低截获概率(Low Probability of Intercept,LPI)雷达信号调制类型的识别问题提出了一种基于Swin Transformer神经网络的识别方法.该方法首先用平滑伪Wigner-Ville分布对信号进行时频变换,将一维时域信号转换为二维时频图像,然后使用Swin Transformer神经网络对时频图像进行特征提取和调制类型识别.仿真结果显示该方法具有较强的抗噪声能力,在低信噪比条件下识别准确率高,且具有较强的小样本适应能力.展开更多
文摘运用平滑伪Wigner-Ville分布提取大脑皮层的稳态视觉诱发电位(steady state visual evoked potential,SSVEP)信号,并作为输入信号应用于脑机接口系统。研究结果表明,该方法不需叠加平均信号就可以提高信噪比,提取出的稳态视觉诱发电位信号能够准确反映使用者的控制意图,为脑机接口选取特征提供了依据。
文摘本文针对低截获概率(Low Probability of Intercept,LPI)雷达信号调制类型的识别问题提出了一种基于Swin Transformer神经网络的识别方法.该方法首先用平滑伪Wigner-Ville分布对信号进行时频变换,将一维时域信号转换为二维时频图像,然后使用Swin Transformer神经网络对时频图像进行特征提取和调制类型识别.仿真结果显示该方法具有较强的抗噪声能力,在低信噪比条件下识别准确率高,且具有较强的小样本适应能力.