一种体域网超宽带陷波天线的优化设计

为满足无线身体局域网（WLAN）系统中对天线的陷波要求,采用在辐射贴片上开U形槽的方法设计了一款超宽带陷波天线,以抑制WLAN窄带干扰信号。在超宽带天线辐射贴片上开U形槽,改变电流分布。通过调节U形槽的尺寸,实现对WLAN（5.15~5.825 GHz）窄带干扰信号的抑制。采用量子行为粒子群优化算法（QPSO）,分别对超宽带天线辐射贴片尺寸和U形槽的尺寸参数进行优化。利用HFSS仿真软件,对天线建模仿真和安捷伦N5230A网络分析仪对天线实物进行测试。仿真和测试结果表明,天线在3.8 GHz处实现良好的阻抗匹配,天线带宽覆盖3.1~10.6 GHz,并且WLAN（5.15~5.825 GHz）窄带干扰信号得到抑制。天线的全向性除陷波点外都表现良好。该设计方法和算法优化是有效可行的。

基于SVM方法的神经网络呼吸音识别算法

提出了一种神经网络的SVM(支持向量机)呼吸音识别算法,将通过小波分析得到的呼吸音特征输入神经网络,作为SVM方法的特征输入,对训练样本进行训练,再对测试样本进行分类识别。对于呼吸音反映的3种状态(正常、轻度病变和重度病变)进行了识别,同时与K最近邻(KNN)方法进行比较。实验结果表明,SVM方法具有较高的识别精度,能够对呼吸音状态进行识别,同时在此领域也验证了在神经网络方法中无法避免的局部极值问题。提示基于SVM方法的神经网络呼吸音识别算法有较好的精度,可为身体局域网技术提供信息处理的有效算法。