Wavelet based detection of ventricular arrhythmias with neural network classifier

This paper presents an algorithm based on the wavelet decomposition, for feature extraction from the Electrocardiogram (ECG) signal and recognition of three types of Ventricular Arrhythmias using neural networks. A set of Discrete Wavelet Transform (DWT) coefficients, which contain the maximum information about the arrhythmias, is selected from the wavelet decomposition. These coefficients are fed to the feed forward neural network which classifies the arrhythmias. The algorithm is applied on the ECG registrations from the MIT-BIH arrhythmia and malignant ventricular arrhythmia databases. We applied Daubechies 4 wavelet in our algorithm. The wavelet decomposition enabled us to perform the task efficiently and produced reliable results.

基于自适应小波回声神经网络的光纤陀螺测角仪温度误差补偿技术

基于光纤陀螺的测角仪可以实现对各项角运动参数的一体化动态精密测量,但在实际应用中,光纤陀螺测角仪受到温度变化的影响,导致测量精度下降。针对这一问题,本文提出了一种基于自适应小波回声神经网络的光纤陀螺测角仪温度误差补偿技术。为了提高温度误差建模的进度,提高传统神经网络的逼近能力,通过自适应前向线性预测滤波器对建模用测角仪温度漂移数据进行预处理,并采用自适应小波回声神经网络建立温度漂移模型,能够避免传统神经网络结构设计的盲目性和局部最优等问题,增强了网络学习能力和泛化能力,并利用自适应律代替神经网络梯度进行网络训练,提升神经网络的逼近精度和收敛速度。实验结果表明,该模型可以提高光纤陀螺测角仪的测量精度和环境适应性,为光纤陀螺测角仪的性能优化和实际应用提供了可靠的技术支撑。

基于智能算法的涡流检测自然裂纹形状重构

人工制作了疲劳裂纹试样,利用一种小波分析方法对采集的疲劳裂纹涡流检测(ECT)信号进行了去噪预处理及信号特征提取,通过破坏性检测方法获得了裂纹的真实形状.在建立疲劳裂纹参数化模型的基础上,利用经过处理的裂纹ECT信号与裂纹形状参数样本库对径向基函数(RBF)神经网络进行训练.采用遗传算法,通过创建大量表示裂纹形状参数个体的初始种群,输入经过训练的神经网络,得到对应的ECT预测信号;然后运用改进的遗传策略进行迭代反演优化,对裂纹形状最优解进行搜索.重构结果表明该方法具有快速、精确的优点.

基于正交小波变换的前馈神经网络盲均衡算法

针对前馈神经网络(FNN)盲均衡算法收敛速度慢、均方误差大的缺点,在分析FNN盲均衡算法和正交小波变换(OWT)理论的基础上,提出了基于正交小波变换的FNN盲均衡算法。该算法利用正交小波变换良好的去相关性,对FNN均衡器输入信号进行预处理后,降低了输入信号的自相关性,从而加快了收敛速度和减小了均方误差。水声信道盲均衡的仿真结果表明,该算法在收敛速度与均方误差方面的性能比FNN盲均衡算法优越。

小波神经网络自学习算法用于红外图像分割

在红外动目标序列图像跟踪过程中,由于目标本身的红外特征具有较大的不可预测性,使ATR系统在目标探测阶段产生大量的虚警讯息。因此,必须设法在复杂背景抑制段将虚警探测讯息滤除掉。提出了一种新颖的基于小波神经网络构架的FLIR图像分割技术,旨在将小波变换的时—频局域特性和神经网络的自学习能力相结合,从而使FLIR图像的分割算法具有较强的逼近和容错能力。该算法在FLIR-ATR系统中得到应用,对于FLIR目标图像轮廓的提取和抑制杂散背景方面获得了良好的效果。

非参数估计方法

为了解决函数估计问题,首先讨论了传统的参数回归方法.由于传统方法需要先验知识来决定参数模型,因此不稳健,且对模型敏感.因此,引入了基于数据驱动的非参数方法,无需任何先验知识即可对未知函数进行估计.本文主要介绍最新的8种非参数回归方法:核方法、局部多项式回归、正则化方法、正态均值模型、小波方法、超完备字典、前向神经网络、径向基函数网络.比较了不同的算法,给出算法之间的相关性与继承性.最后,将算法推广到高维情况,指出面临计算的维数诅咒与样本的维数诅咒两个问题.通过研究指出前者可以通过智能优化算法求解,而后者是问题固有的.

一种前向小波神经网络实现PM_(2.5)浓度的预测

PM_(2.5)作为主要的空气污染物,科学有效地预测其浓度能够让人们采取预防措施以减少对人体的伤害。使用传统的方法检测空气中PM_(2.5)的浓度收效甚微且成本高,这是因为PM_(2.5)组成成分复杂,并且其浓度的变化是一种非线性动态过程。因此,进行快速有效的预测PM_(2.5)浓度意义重大。文中采用了具有时域和频域二维信号处理能力且收敛速度较快的前向小波神经网络预测空气中的PM_(2.5)浓度,预处理后的数据输入到网络中进行训练和测试。结果表明,相比于BP和PSO⁃BP神经网络,小波神经网络对PM_(2.5)浓度的预测精度较高,降低了错误率,并且有效地减小了预测偏差,说明该方法用于空气的质量预测是可行的。

半球谐振陀螺滤波算法研究

针对半球谐振陀螺输出信号噪声的特点,提出了一种处理该噪声的前向线性预测(FLP)滤波与小波变换相结合的滤波方法,运用Allan方差法对滤波结果进行了分析。该方法以FLP滤波作为前段滤波器,采用DB4小波函数的强制阈值小波变换作为第二级滤波器。为了改进该级联滤波算法的不足,提出了基于神经网络的滤波融合算法。仿真结果表明,该滤波融合算法保留了级联滤波算法的优势,同时最大程度的保留了信息的完整度,滤波精度得到极大提高。

电梯选型配置与优化设计研究

针对高层建筑电梯垂直交通的特点，应用专家系统建立电梯交通流量预测模型，研究电梯智能交通理论和流量预测方法，为电梯最佳选型配置提供理论依据。通过在预测模型中设置映射变量，将预测模型推广到其它不同用途的高层建筑电梯交通流量预测中。提出外呼信号智能目的选层电梯群控策略；结合预测静态分区和智能动态分区，应用前向神经网络技术，以平均候梯时间、平均乘梯时间和目的楼层重复度为控制目标，寻找不同交通模式的最佳动态调度方法。分别对上行高峰、下行高峰、午餐上／下行高峰、随机层间交通及空闲交通5种模式进行建模，并实现预测模型与5种交通模式的模型嵌套。应用数据挖掘和小波分析技术，通过实时模拟运行，对电梯运行数据进行融合处理，对系统参数进行定时不定期在线自动整定修改，提高电梯运行效率和服务质量。研究电梯在风摆、火灾、地震等特殊情况下的运行模式，提出相应控箭和减灾措施，提高电梯运行安全和舒适性。