公共文化服务平台

共 8 条记录，以下是 1-8

全选清除导出

排序方式：

基于CVI的气体传感器自动标定系统设计被引量：2: 2012年; 系统由传感器、流量计、温箱、测试板及计算机软硬件组成。采用LabWindows/CVI编写软件程序,功能包括:控制温箱实现对传感器的定时保温;控制流量计实现对传感器定时定量通入比例气体;通过测试板采集传感器数据;对采集数据自动整理。该软件采用多线程编程,充分发挥CVI函数库的强大功能,保证各项工作同时进行,具有界面友好、运行速度快、成本低、可靠性高的优点。经过PC机与下位机的通讯测试,系统可有效地实现对传感器的自动标定。; 何美燕杨帮华陆文宇张永怀潘中桥; 关键词：气体传感器多线程 LABWINDOWS CVI 串口通信

基于STM32的红外火灾探测系统设计被引量：31: 2013年; 为进一步提高火灾探测系统的探测精度及响应速度,设计了基于STM32的红外火灾探测系统;本系统采用多个红外火焰探测器、温度传感器对火灾的多参量进行探测;基于STM32F103Zet6微处理器,首先采取DMA方式实时读取探测器及传感器A/D转换后的数据,进而进行数据处理及算法分析,实时判断是否发生火灾;判断结果通过报警指示灯来显示;同时,通过串口将数据传给上位机,以便进一步进行离线分析和算法改进;本系统与传统的火灾探测相比,火灾识别率提高约5%,系统响应速度缩短3S左右,具有较强的数据处理能力及较快的系统响应速度。; 刘燕燕杨帮华丁丽娜张永怀; 关键词：火灾探测 STM32

基于运动想象脑机接口的手功能康复系统设计被引量：36: 2017年; 针对脑卒中患者的手功能康复,本文介绍一种基于运动想象脑机接口的康复系统。该系统包含3个子系统。离线训练子系统依次呈现黑屏、左/右手动作视频、左/右箭头,分别提示患者休息、准备并指导运动想象、进行运动想象任务,最终将采集的脑电信号(EEG)建立识别模型;在线更新训练子系统依次呈现黑屏、箭头提示,依据建立的模型分析患者EEG信号,控制手部动作视频呈现,同时反馈给患者产生更易识别的EEG信号,建立更有效的识别模型;虚拟现实在线训练子系统在3Dmax中制作训练场景模型、3D人物模型及其手部动画,导入Unity3D中设计控制方式,患者通过手部运动想象,依据有效模型分析其EEG信号,实时控制3D人物手部运动。该系统具有多层次、沉浸感强等特点,为手功能康复提供新方法,同时为家庭化训练奠定基础。; 张桃杨帮华段凯文唐健真韩旭; 关键词：脑机接口脑卒中手功能康复虚拟现实

基于二阶盲辨识结合小波包的脑电信号预处理被引量：6: 2015年; 针对脑机接口(BCI)中脑电信号(EEG)含有的伪迹,提出一种基于二阶盲辨识结合小波包分解(SOBI-WPD)的去除伪迹方法.首先将多个导联EEG采用SOBI分解成若干独立分量.然后根据眼电和工频干扰直观特征,将对应的独立分量置零.进而将剩余独立分量分别用‘haar’小波基进行6层WPD分解,取每个独立分量分解后与任务相关的子带进行逆变换,形成对应的新的独立分量.最后将这些新分量投影重构,得到去伪迹的EEG.对3组实验数据,使用SOBI-WPD、独立成分分析和SOBI 3种预处理方法,单个样本处理时间分别为61,239和47ms;相同的特征提取和分类方法下,识别正确率分别为86.7%,73.0%和79.8%.SOBI-WPD能快速有效地去除伪迹信号,为BCI中EEG的预处理奠定了基础.; 杨帮华章云元李华荣张桃张桃; 关键词：脑机接口小波包分解脑电

脑机接口中基于SOBI的EEG预处理: 2016年; 目的针对脑机接口(brain computer interface,BCI)中脑电信号(electroencephalography,EEG)包含的伪迹以及信号源可能服从多个高斯分布,本文提出一种基于二阶盲辨识(second-order blindidentification,SOBI)的盲源分离去除伪迹方法。方法首先,含有伪迹的多个导联EEG信号采用联合近似对角化和数据白化,计算出混合矩阵,同时分解成数目相等的若干个独立分量。然后,根据伪迹信号特有的直观特性,将分解出含有伪迹的独立分量置零,剩余分量通过混合矩阵,进行逆向投影重构,得到去除伪迹后EEG信号。最后,对3名实验者的实验数据,从处理时间和识别精度两方面进行检验。结果本文中提出的SOBI方法相比于常用的独立成分分析(independent component analysis,ICA),在单个样本处理时间上,分别缩短了1691 ms、1770 ms和2308 ms;在识别精度上,分别提高33%、5%和10%。结论 SOBI能快速有效地去除伪迹信号,为BCI中EEG的在线处理奠定了基础。; 章云元杨帮华李华荣何亮飞; 关键词：脑机接口盲源分离

多红外火焰探测中基于决策树的火灾识别被引量：3: 2013年; 在多红外火焰探测系统中,提出了一种基于决策树的火灾识别算法。按照特种火灾探测器的国家标准实验的要求,获取实验数据。该算法首先对五个红外火焰探测器获得的数据进行多窗口重叠交叉预处理,然后提取六个火灾特征作为决策树的分类属性,对决策树进行训练、剪枝,最后得到火灾识别的最优决策树模型。将该识别模型应用于在线火灾识别,实验结果表明该决策树分类算法的准确率可以达到95.2%,识别速度在2s以内,较其他的分类识别算法有更高的准确率和更快的识别速度,具有很好的实用性。; 杨帮华刘燕燕何美燕程智; 关键词：火焰探测火灾识别决策树

基于低秩-稀疏联合表示的视频序列运动目标检测（英文）被引量：3: 2018年; 对于固定摄像机的视频序列,假设背景具有低秩特征,动态前景具有稀疏特性,提出了一种基于低秩稀疏联合表示的运动检测方法。思路如下:通过图像预处理降低视频序列的噪声;估计连续帧之间的光流,生成二进制运动掩模作为运动权重矩阵;基于子空间学习理论,建立了低秩背景与稀疏前景的优化模型;利用ADMM-BCD迭代算法得到视频背景和前景。实验结果表明,该方法优于其他同类运动检测方法,对慢速运动目标检测效果良好。; 杨磊庞芳胡豁生; 关键词：子空间学习

基于ARM的脑机交互信号采集系统设计被引量：1: 2016年; 在脑机交互(BCI)中,基于ARM以太网接口设计了脑电信号采集系统,主要由以太网控制器、ARM处理器、LCD液晶触摸屏组成。以太网控制器实时接收EEG信号处理器通过以太网发送来的脑电数据包,然后通过SPI接口将数据包送到ARM处理器内部,接收完毕后ARM处理器将数据包层层解封,最终得到脑电数据,进而可对脑电数据进行进一步处理,同时通过LCD液晶屏实时显示脑电图。相对于以电脑为中心的传统脑机交互信号采集系统,该系统具有体积小、能耗低、携带方便和实用化强等优点。试验证明,脑电信号的采集以及一些简单的信号处理可以在该系统中很好地实现。更多的信号处理正在进一步的试验中。本设计将逐步代替电脑,成为脑电信号采集和处理的中心,为脑机交互技术的实际应用提供可能,促进脑机交互研究向小型化,产品化方向发展。; 段凯文杨帮华张桃张永怀; 关键词：ARM处理器以太网控制器 LCD

全选清除导出

共1页<1>

国家自然科学基金(31100709)