长在线终端心跳时间对终端待机功耗的影响研究

首先介绍了终端数据业务的过程,并据此推导出长在线终端在进行数据业务时功耗的理论计算公式,然后从理论计算与实际仪表测试两方面研究了长在线终端心跳时间对终端待机功耗的影响。试验表明,延长终端心跳时间可以大大降低长在线终端的待机功耗。

基于Linux高可用集群关键技术研究与实现

本文研究了高可用集群技术,设计了一个基于Linux系统的高可用集群模型,并详细介绍了心跳机制。提出了基于状态权值选举算法,该算法真实的反映节点的状态,能公正的选举出最合适的主节点。采用新型算法能预测心跳数据的到达时间,可动态调整心跳包的超时时间,从而减少对节点状态的误判。

用联合熵分析短时心率变异信号的非线性动力学复杂性

用联合熵方法来分析短时心率变异性信号,该方法可以有效地从短时心跳间期信号中提取出动力学信息,从而反映心率变异性的强弱,为临床应用提供了方便。我们首先介绍联合熵基本理论,用低维的混沌序列进行了检验,证明该方法有效。然后将其应用于人体短时的心跳间期时间序列,该方法可以揭示复杂生理信号所具有的动力学特征以及衰老和疾病所伴随的非线性动力学复杂性的丢失和降低的个体自适应能力。最后,用联合熵方法来考察短时心率变异性信号的非随机性程度,该方法可以有效的揭示心室对心室纤维性颤动响应的非随机模式。

短时心率变异信号非线性程度的研究

用非线性自回归(nonlinear autoregressive,NAR)模型对一组健康人的短时心跳间期信号进行建模,用模型最佳阶数来评价心率变异信号(heart rate variability,HRV)的非线性程度.认为该方法可以有效地从短时心跳信号中提取出非线性信息,从而反映心率变异性的强弱,给临床应用提供了方便.并与传统评价短时心率变异性强弱的时域方法进行了比较,认为NAR模型的方法更能反映信号的整体复杂性并且不受信号非平稳性以及噪声的影响.