改进的波形复杂度算法在核爆炸监测中的应用

验证了传统的波形复杂度对于核爆地震信号分类的有效性。提出了两种时域改进算法,使识别率有了小幅度的提高。将传统的时域波形复杂度推广到时频联合域,提出了一种基于短时傅里叶变换的波形复杂度计算框架。在对所提算法框架进行简化处理后,借助于Fisher线性判别分析方法实现了地震波信号的特征提取。分类实验结果表明所提方法的分类性能优于现有的波形复杂度的分类性能。

一种基于随机森林和BP神经网络的心室颤动识别方法

心室颤动是导致心搏骤停最常见的病理生理机制,心搏骤停若能得到及时救助,就能大幅度提高患者存活率,因此,快速准确识别心室颤动极为重要。该研究提出一种基于BP(back propagation)神经网络和随机森林的心室颤动自动检测算法。将心电信号通过6 s的移动窗口,根据信号的时频域信息,计算出6种特征参数,将这6种特征参数作为分类器的输入,进行分类和测试,并以数据库中权威专家给定的标签作为参考输出,共使用了44例相关数据对该方法进行了评估。十折交叉验证法结果表明,该方法在CU数据库(Creighton University Ventricular Tachyarrhythmia Database)和AHA数据库(The American Heart Association Database)中心室颤动分类准确率达到了96.38%和99.45%,具有一定的可应用性。

采用瞳孔位置实现情感识别的方案

目前多种眼部信息被用于情感识别,针对一般眼部信息如注视时间、瞳孔直径、扫视时间等数据需要使用专业的眼动仪采集这一问题,提出了一种基于瞳孔位置的情感识别方案。该方案采用基于梯度的瞳孔定位算法,直接从面部视频中获取瞳孔位置坐标数据。对于预处理后的数据,又提出了综合波形复杂度作为特征值,通过对瞳孔位置坐标波形进行分段,求取所有分段之间的相关性系数绝对值之和,从而得到波形的综合复杂度。实验结果表明,瞳孔位置坐标可以用来进行情感识别,且对于瞳孔位置坐标波形,综合波形复杂度特征值情感识别的效果优于样本熵和Lemple-Ziv复杂度。今后可将瞳孔位置坐标与其他生理信号进行多模态融合,提高情感识别准确率。