简介：摘要在城市轨道交通运营中，信号设备发挥了神经中枢的作用。信号维护工作则是保证信号系统正常工作的关键。对地铁信号系统维护现状进行分析后，建议引入独立的地铁信号维护支持系统，通过实时采集信号设备的运行状态，及时显示故障报警信息，辅助设备维护流程，实现对地铁信号系统设备的集中监测和维护管理。

简介：1地铁电缆放电信号采集系统的设计1.1地铁直流电缆放电信号的特征 ,多达20路放电检测传感器信号通过屏蔽电缆引入到多通道同步数据采集模块,设计了对多根地铁直流电缆放电信号采集的系统

简介：局部放电信号是非平稳性信号，具有时变频率。时频分析是分析和处理非平稳时变信号的有力工具，将时频分析技术应用于局部放电信号的分析与处理，能清楚地揭示信号的时变频谱特性，有利于对信号的特征提取，为局部放电信号的模式识别提供了一个更为准确、可靠的新方法。

简介：

简介：摘要：随着我国经济在快速发展，社会在不断进步，尽早发现高压电缆局部放电信号类型并采取相应措施，对于有效避免绝缘系统遭受破坏至关重要。针对高压电缆中4类常见的典型缺陷产生的局部放电信号，本文提出一种基于卷积神经网络的高压电缆局部放电信号分类方法。首先构建缺陷模型，采集4类缺陷的局部放电信号作为样本，并用电压幅值-相位谱图作为输入数据集；然后利用多层卷积核进行特征提取，多分类器进行分类回归；最终得到训练完成的卷积神经网络。比较而言，基于反向传播（backpropagation，BP）神经网络和自编码神经网络的分类方法分类效果不稳定，整体准确率较差，本文方法的特征提取能力更强，对每一类信号的分类效果都较好，具有更广阔的应用前景。

简介：摘要：随着我国经济在快速发展，社会在不断进步，尽早发现高压电缆局部放电信号类型并采取相应措施，对于有效避免绝缘系统遭受破坏至关重要。针对高压电缆中4类常见的典型缺陷产生的局部放电信号，本文提出一种基于卷积神经网络的高压电缆局部放电信号分类方法。首先构建缺陷模型，采集4类缺陷的局部放电信号作为样本，并用电压幅值-相位谱图作为输入数据集；然后利用多层卷积核进行特征提取，多分类器进行分类回归；最终得到训练完成的卷积神经网络。比较而言，基于反向传播（backpropagation，BP）神经网络和自编码神经网络的分类方法分类效果不稳定，整体准确率较差，本文方法的特征提取能力更强，对每一类信号的分类效果都较好，具有更广阔的应用前景。

简介：运用非线性动力学方法对癫痫患者与正常人的脑电数据进行分析。研究结果表明,癫痫患者发作期的样本熵值总体上低于正常人,并且癫痫患者在发作时的脑电样本熵值较发作前有明显降低,发作后又回到发前水平。这预示着样本熵可能为癫痫病的临床诊断提供一定的参考。同时通过实验验证,样本熵具有较好的一致性,且只需要较短的数据就能达到分析目的,是分析脑电信号的有利手段。

简介：摘要：表面肌电信号（Surface Electromyography，SEMG）是人神经对运动系统在控制时产生的微弱生物电信号，在皮肤表面通过表面电极进行提取、放大、降噪，在信号显示机上显示和记录的时间——能量幅值信号。它是神经系统在控制运动系统的肌肉运动时的一种信号表达，该信号检测方式对人的身体没有伤害。但是，最初的表面肌电信号相对微弱，会受到各种各样外界信号的干扰，而且，对于简单采集出来的肌电信号，其形式无法完全理解，无法对其中的有效特征进行迅速的分辨。因而，我们不仅需要对其信号进行处理和特征提取，并且在该基础上采用不同的方法，对手臂的不同动作的模式识别也是一个重点的研究方向。

简介：目的采用基于Lopez-Mancini-CalbetDivergence（LMCD）的统计复杂度分析方法,对充血性心力衰竭信号、心脏性猝死信号与正常窦性心律信号进行统计复杂度分析。方法采用Bandt-Pompe算法对符号序列进行模式概率统计,分析了充血性心力衰竭信号、心脏性猝死信号与正常窦性心律信号的统计复杂度。结果3种心律信号的统计复杂度存在差异,正常窦性心率信号的统计复杂度最高,充血性心力衰竭信号次之,心脏性猝死信号最低。方差分析表明,基于LMCD的分析方法得出的3种心电信号的统计复杂度差异具有统计学意义。结论采用LMCD的统计复杂度方法可以有效地区分3种不同生理病理状态下心电信号,为辅助临床诊断提供了一种新手段。

简介：摘要无线电信号是在一百多年前诞生的，由国外的科学界研究发明出来的，无线电实际上是一种电磁波，没有电线，所以被叫做无线电，无线电经历了从电子管到晶体管，再到集成电路，从短波到超短波，再到微波，从模拟方式到数字方式，从固定使用到移动使用等各个发展阶段，无线电技术已成为现代信息社会的重要支柱。虽然，无线电目前已经成为世界上普遍的技术，但是随着科技化的发展，干扰无线电信号的因素也越来越多。本文针对影响无线电信号的因素进行了探讨，希望能对无线电的发展有所帮助。

简介：摘要为提高手写数字识别的准确性与实时性，本文提出了一种基于肌电信号和模板匹配的手写数字识别方法。首先对采集到的肌电信号进行降采样和去噪处理，然后利用动态规整算法迭代建立模板，然后使用DTW距离作为距离测度进行模板匹配。实验结果表明，该方法对6种手写数字的识别效果较好，平均识别正确率达到了93.66%。

简介：本文基于NeuroSky的脑电传感器TGAM（ThinkGearAM），设计开发了一套卧室助眠系统。系统采用TGAM芯片收集脑电，利用STM32F103解析数据，通过蓝牙通信技术实现数据的通信，系统对ThinkGear数据包进行解析，根据用户eSense参数中关注度和放松度指数的不同，实现对用户睡眠状态的判断，最后使用MP3模块VS1053实现音乐的播放，进而通过播放指定音频达到助眠的目的。

简介：

简介：在气体绝缘组合电器（GIS）实体模型内部分别放置针-板、悬浮金属颗粒和绝缘子表面固定金属颗粒三种缺陷模型，用超声波传感器在相同电压下采集到良好的局部放电波形，将从现场运行设备上测得的背景噪声叠加到原放电波形上。对叠加噪声后的放电波形采用小波去噪，针对波形特点选取了7个特征参数，分别用去噪前后波形的特征参数对BP_Adaboost分类器进行训练和测试，结果表明用去噪后波形提取的特征量作为分类器输入的识别率更高。

简介：摘要脑卒中以高死亡率，高病残率，高复发率严重威胁中老年人的健康和生命。表面肌电信号是从肌肉表面通过电极记录下来的神经肌肉受控活动时的一种生物电信号。本研究项目的重点在于通过大量的采集健康人体和脑卒中患者上肢表面肌电信号积累数据，使用Matlab工具分析AR模型数学方法提取人体表面肌电信号的特征，通过对大量健康志愿者和脑卒中患者上肢表面肌电信号的采集跟踪，可以获得表面肌电信号随人体的各项生理指标的变化而产生的变化规律，进一步实现预测人体神经和肌肉病变趋势。

简介：摘要心血管疾病是威胁人类生命最主要的疾病之一，而心电信号（ECG）是诊断心血管疾病的主要依据。近年来，随着计算机技术的发展，心电信号的采集与处理也不断地向着自动化、智能化的方向发展。在心电信号分析系统中，影响心电自动分析结果可靠性的因素很多，其中一个重要原因就是心电信号中存在的各种干扰，如随机噪声、基线漂移、肌电干扰以及工频干扰等。由于这些干扰与心电信号混叠，引起心电信号畸变，使整个心电信号波形模糊不清，并对心电各波段的正确识别造成很大影响，从而影响诊断结果。为了给医生提供清晰的心电图形，以提高分析和诊断的精确性，首先要对心电信号数据进行预处理和特征提取，使心电数据曲线平滑、特征点突出。因此，选择合适的滤波方法对心电信号分析有着非常重要的意义。

简介：1．1117系列1117系列稳压块的型号较多，如AZ1117、AMS1117、LM1117等。这是一款最常用的低压差降压集成块，其实物如图33所示，①脚为ADJ（调节）端，②脚为OUT（输出）端，③脚为IN（输入端），散热片与②脚直通，即散热片也是输出脚。

简介：阐述计数法测量频率的原理.分析测频方式测频与测周方式测频的误差及测量范围.

简介：心电信号是人体重要的生理信号,载有人体心脏传导系统生理、病理信息,对心电信号的监护是临床上进行心脏研究和诊断心血管疾病的重要方法。针对心电信号低频微弱特性,提出了一种基于MSP430超低功耗单片机的便携式心电监护系统的设计方案,给出了心电监护终端硬件结构的总体框架,重点介绍了信号调理电路的设计,包括放大电路、滤波电路及右腿驱动电路的设计。

简介：摘要目的通过对焦虑障碍高危人群、焦虑障碍患者和健康人群全频域自发脑电信号进行频域分析，探索可用于识别焦虑障碍的特征性频段。方法2019年12月10日至2020年5月7日选取焦虑障碍高危人群(焦虑高危组，n＝19)、焦虑障碍患者(阳性对照组，n＝14)、健康正常人(正常对照组，n＝19)作为研究对象。使用焦虑状态-特质问卷(state-trait anxiety inventory，S-TAI)、军事应激反应性焦虑预测量表(military stress anxiety predictive scale，MSAPS)对所有被试进行评估，并在问卷评估过程进行脑电监测。统计分析使用SPSS20.0统计软件，三组间脑电功率差异分析采用单因素方差分析和两两比较。结果三组在Delta[(2.11±0.66)μV2，(2.52±0.38)μV2，(2.73±0.47)μV2]、Theta[(1.31±0.43)μV2，(1.52±0.28)μV2，(1.67±0.35)μV2]、Alpha[(1.05±0.44)μV2，(1.29±0.25)μV2，(1.45±0.55)μV2]、Beta-1[(0.69±0.16)μV2，(0.86±0.18)μV2，(0.99±0.27)μV2]、Beta-2[(0.55±0.15)μV2，(0.67±0.18)μV2，(0.75±0.20)μV2]、Gamma频段[(0.31±0.09)μV2，(0.40±0.14)μV2，(0.45±0.16)μV2]Cz电极处的脑电功率差异均有统计学意义(F＝3.80～9.21，均P<0.05)。经Bonferroni校正后两两比较，Beta-1频段下，焦虑高危组与正常对照组之间的脑电功率差异有统计学意义(P＝0.03)。结论焦虑障碍高危人群和焦虑障碍患者的脑电信号均在Cz处的Beta-1频段与健康人群有显著差异。这种脑电信号的差异可为焦虑高危人群的识别和焦虑障碍的诊断提供有利的客观支持。