【摘 要】
:
心电图(ECG)检测是心脏疾病最常用的诊断方法.但是在心电信号采集过程中往往会受到噪声干扰,从而使心电信号分类诊断的正确率受到很大影响.为提高分类诊断的准确率和抗噪能力,改进设计了一种用深度残差收缩网络(DRSN)实现自动抗噪、全局平均池化(GAP)整合空间信息的ECG分类诊断模型.在MIT-BIH心律失常数据集上验证了模型的分类性能,并将其与普通的卷积神经网络(CNN)模型进行了抗噪性能分析比较.实验结果表明,设计的DRSN+GAP诊断模型基于AAMI标准的分类正确率高达99.3%,对不同强度的工频及高
【机 构】
:
南京师范大学计算机与电子信息学院/人工智能学院 南京210023
论文部分内容阅读
心电图(ECG)检测是心脏疾病最常用的诊断方法.但是在心电信号采集过程中往往会受到噪声干扰,从而使心电信号分类诊断的正确率受到很大影响.为提高分类诊断的准确率和抗噪能力,改进设计了一种用深度残差收缩网络(DRSN)实现自动抗噪、全局平均池化(GAP)整合空间信息的ECG分类诊断模型.在MIT-BIH心律失常数据集上验证了模型的分类性能,并将其与普通的卷积神经网络(CNN)模型进行了抗噪性能分析比较.实验结果表明,设计的DRSN+GAP诊断模型基于AAMI标准的分类正确率高达99.3%,对不同强度的工频及高斯两种噪声其抗噪性能均优于普通的CNN模型.
其他文献
针对无人驾驶方程式赛车对感知系统要求精准和实时性的特点,设计了一种基于激光雷达和相机信息融合的目标检测系统.建立了传感器感知模型,视觉信息采用YOLO v4图像识别算法,距离信息通过对点云的滤波、聚类获取,对点云的倾斜问题采用一种基于地面拟合的旋转处理算法进行校正,将图像坐标与点云坐标采用欧式距离策略进行目标信息融合.试验结果表明,雷达算法能够完成三维目标检测,YOLO v4图像识别算法对交通锥桶的检测平均精度为97.5%,u、v方向上的平均像素误差率在1%,目标检测系统在准确率、实时性方面达到实际行车要
针对传统研究中APP能耗漏洞模型存在尾部能耗与应用对象限制的问题,构建基于系统调用的能耗漏洞模型.首先使用集合交叉递归特征消除法选择影响每个类别APP能耗的重要系统调用作为特征,提高特征细化粒度.然后为每个类别APP构建多个回归模型,通过比较不同模型的平均绝对误差与决定系数,选择线性核支持向量机回归作为分类APP的能耗模型.最后基于测试集比较集合交叉递归特征消除法与交叉递归特征消除法所构模型的平均绝对误差,结果表明集合交叉递归特征消除法所构模型精度最多提高4.4%,同时基于测试集比较分类模型与未分类模型的
提出了一种针对高采样率时间交织模数转换器(TIADC)存在的失调失配误差(Offset)、增益失配误差(Gain)、时间失配误差(Skew)的片外交织校准实现方案,基于统计近似的时间交织校准算法,通过以太网通信将待校准通道量化信息传人PC机进而提取失配参数,负反馈的形式对误差进行补偿.该方案不受高速数据传输解扰与同步的影响,在误差提取阶段不消耗逻辑资源,支持各类大规模、大消耗校准算法,开发周期短.应用于自主研发的3 GS/s-12 bit四路交织TIADC中,在存在其他非理想因素情况下,在2.5G输入信号
为提高PVDF压电薄膜的发电能力,研究了一种基于涡激振动机理的PVDF压电能量采集结构,将风能转换为电能以供微功耗电子产品使用.设计了信号调理电路将压电薄膜的电荷输出转换为电压输出,通过微型风洞实验分别研究了在不同风速下,单片、双片、3片PVDF压电薄膜串联、并联的发电性能.实验结果表明,所选取的PVDF压电薄膜的谐振频率稳定在50 Hz左右;所设计的信号调理电路输出电压随着风速的增加而增加,可有效滤除高频噪声干扰;PVDF压电薄膜并联并在电路末端接匹配负载可有效提高负载功率,3片压电薄膜并联并在信号调理
原位检测是机载电子战装备完好性的重要保障手段,现行的原位检测模式,主要开展功能的粗略检测,检测覆盖面不全,隐患排查不彻底,难以及时发现装备作战性能下降问题.针对现有原位检测技术的这些短板,提出了机载电子战装备原位深度检测的概念,对其内涵、模式、关键技术进行了研究,在机载电子战装备的原位故障深度诊断、装备性能变化趋势监测、快速测向校准等方面进行了工程实践,可使试点装备的完好率保持在95%以上,结果表明,机载电子战装备原位深度检测技术,对于提升装备完好率有着积极作用.
针对统一潮流控制器(UPFC)在调节电力线路潮流过程中存在的功率不平衡引起的UPFC接入点电压和直流电容电压波动问题,通过构建UPFC的数学模型,设计并联变换器电流解耦控制器,根据功率平衡原理推导出稳压控制的电流前馈补偿量,提出改进的并联变换器协调控制策略,将得到的前馈补偿量引入到并联变换器有功和无功控制系统中,为实现单位前馈采用移动前馈补偿点和增加前馈补偿函数方法,来改善补偿效果.通过MATLAB搭建含有UPFC的500 kV交流输电系统仿真模型,结果表明,相比改进前的协调控制策略,所提控制策略既满足了
针对现有的电网微气象测量方法的缺陷,利用风速和风压间的关系,提出一种基于MEMS的新型微气象测量方法,并通过实验验证其可行性.实验结果表明,当风速低于6 m/s时,误差大于2 m/s,在风速大于6 m/s(和风)条件下,本设计的准确度较高,且误差不超过2 m/s,可满足在较强风条件下使用的需求.并对风速取样器的结构进行了研究,研究表明,风速取样器的结构对于采集的风速数据的精确性有很大的影响,通过实验对风速取样器的结构经行了研究,实验结果表明,采用孔径与壁厚为3 mm×5 mm,长度为30 cm的硅胶采集管
在使用单频脉振电压注入法对PMSM转子位置估算过程中,采用滤波器法和直接计算法消除直流分量时由于直流分量去除不彻底,导致转子位置估算精度降低、估算结果易受电感参数影响.提出使用同步调制技术去除直流分量的方法.该方法选择向静止坐标系注入旋转电压矢量,并使用带通滤波器对高频响应电流进行提取,然后使用同步调制技术提取出4个包含转子位置信息的响应电流,通过响应电流的差实现直流分量的对消,最后使用两相型锁相环得到最终的转子位置估算值.仿真结果表明,相比较于滤波器法和直接计算法,所提方法在电机启动时转子位置估算最大误
滚动轴承是旋转机械的重要部件之一,针对滚动轴承故障诊断问题,提出了一种多尺度排列熵(MPE)与粒子群优化(PSO)的支持向量机(SVM)相结合的算法.利用MPE方法得到轴承故障信号的故障特征,并将其作为特征向量输入PSO-SVM模型中,使用凯斯西储大学轴承故障数据进行验证,发现该方法可以有效进行滚动轴承的故障识别.同时将该方法与多尺度排列熵结合传统的SVM方法以及使用网格搜索优化的SVM方法所得故障分类结果进行比较,发现该方法在滚动轴承故障诊断的时效性以及准确率方面具有一定的优越性.
为了实现对咖啡产地的快速溯源检测,提出了一种基于电子舌与生成对抗网络(GAN)-卷积降噪自编码器(CDAE)-极限学习机(ELM)组合模型相结合的检测方法.针对电子舌检测原始数据样本数量不足而导致深度学习模型准确率低、泛化能力差等问题,采用生成对抗网络(GAN)扩充训练样本数据规模,提高系统的鲁棒性;针对电子舌输出信号复杂、维度大、噪声多的特点,采用卷积降噪自编码器(CDAE)在低维特征空间对电子舌信号进行特征提取,提高关键特征的表达能力;最后,采用极限学习机(ELM)对提取的特征信息进行分类鉴别,构建咖