国产精品人人爽人人做我的可爱 ,欧美日韩性视频,久久综合社区

噪聲測量

基于自適應(yīng)時頻分析方法的心音信號分析研究.rar

心音信號是人體最重要的生理信號之一，包含心臟各個部分如心房、心室、大血管、心血管及各個瓣膜功能狀態(tài)的大量生理病理信息。心音信號分析與識別是了解心臟和血管狀態(tài)的一種不可缺少的手段。本文針對目前該研究領(lǐng)域中存在的分析方法問題和分類識別技術(shù)難點(diǎn)展開了深入的研究，內(nèi)容涉及心音構(gòu)成的分析、心音信號特征向量的提取、正常心音信號（NM）和房顫（AF）、主動脈回流（AR）、主動脈狹窄（AS）、二尖瓣回流（MR）4種心臟雜音信號的分類識別。本文的工作內(nèi)容包括以下5個方面： a）心音信號采集與預(yù)處理。本文采用自行研制的帶有錄音機(jī)功能的聽診器實(shí)現(xiàn)對心音信號的采集。通過對心音信號噪聲分析，選用小波降噪作為心音信號的濾波方法。根據(jù)實(shí)驗(yàn)分析，選擇Donoho閾值函數(shù)結(jié)合多級閾值的方法作為心音信號預(yù)處理方案。 b）心音信號時頻分析方法。文中采用5種時頻分析方法分別對心音信號進(jìn)行了時頻譜特性分析，結(jié)果表明：不同的時頻分析方法與待分析心音信號的特性有密切關(guān)系，即需要在小的交叉項(xiàng)干擾與高的時頻分辨率之間作綜合的考慮。鑒于此，本文提出了一種自適應(yīng)錐形核時頻（ATF）分析方法，通過實(shí)驗(yàn)驗(yàn)證該分布能較好地反映心音信號的時頻結(jié)構(gòu)，其性能優(yōu)于一般錐形核分布（CKD）以及Choi-Williams分布（CWD）、譜圖（SPEC）等固定核時頻分析方法，從而選擇自應(yīng)錐形核時頻分析方法進(jìn)行心音信號分析。 c）心音信號特征向量提取。根據(jù)對3M Littmann（） Stethoscopes[31]數(shù)據(jù)庫中標(biāo)準(zhǔn)心音信號的時頻分析結(jié)果，提取8組特征數(shù)據(jù)，通過Fihser降維處理方法提取出了實(shí)現(xiàn)分類可視化，且最易于分類的心音信號的2維特征向量，作為心音信號分類的特征向量。 d）心音信號分類方法。根據(jù)心音信號特征向量組成的散點(diǎn)圖，研究了支持向量機(jī)核函數(shù)、多分類支持向量機(jī)的選取方法，同時，基于分類的目的性和可信性，本文提出以分類精度最大為判斷準(zhǔn)則的核函數(shù)參數(shù)與松弛變量的優(yōu)化方法，建立了心音信號分類的支持向量機(jī)模型，選取標(biāo)準(zhǔn)數(shù)據(jù)庫中NM、AF、AR、AS、MR每類心音信號的80組2維特征向量中每類60組數(shù)據(jù)作為支持向量機(jī)的學(xué)習(xí)樣本，對余下的每類20組數(shù)據(jù)進(jìn)行測試，得到每類的分類精度（Ar）均為100％，同時對臨床上采集的與上述4種同類心臟雜音信號和正常心音信號中每類24個心動周期進(jìn)行分類實(shí)測，分類精度分別為：NM、AF、MR的分類精度均為100％，而AR、AS均為95．83％，驗(yàn)證了該方法的分類有效性。 e）心音信號分析與識別的軟件系統(tǒng)。本文以MATLAB語言的可視化功能實(shí)現(xiàn)了心音信號分析與識別的軟件運(yùn)行平臺構(gòu)建，可完成對心音信號的讀取、預(yù)處理，繪制時-頻、能量特性的三維圖及兩維等高線圖；同時，利用MATLAB與EXCEL的動態(tài)鏈接，實(shí)現(xiàn)對心音信號分析數(shù)據(jù)的存儲以及統(tǒng)計功能；最后，通過對心音信號2維特征向量的分析，實(shí)現(xiàn)心音信號的自動識別功能。本文的研究特色主要體現(xiàn)在心音信號特征向量提取的方法以及多分類支持向量機(jī)模型的建立兩方面。綜上所述，本文從理論與實(shí)踐兩方面對心音信號進(jìn)行了深入的研究，主要是采用自適應(yīng)錐形核時頻分析方法提取心音信號特征向量，根據(jù)心音信號特征向量組成的散點(diǎn)圖，建立心音信號分類的支持向量機(jī)模型，并對正常心音信號和4種心臟雜音信號進(jìn)行了分類研究，取得了較為滿意的分類結(jié)果，但由于用于分類的心臟雜音信號種類及數(shù)據(jù)量尚不足，因此，今后的工作重點(diǎn)是采集更多種類的心臟雜音信號，進(jìn)一步提高心音信號分類精度，使本文研究成果能最終應(yīng)用于臨床心臟量化聽診。關(guān)鍵詞：心音信號，小波降噪，非平穩(wěn)信號，心臟雜音，信號處理，時頻分析，自適應(yīng)，支持向量機(jī)

標(biāo)簽： 時頻分析方法分

上傳時間： 2013-04-24

上傳用戶：weixiao99
基于FPGA的ADC并行測試方法研究.rar

高性能ADC產(chǎn)品的出現(xiàn)，給混合信號測試領(lǐng)域帶來前所未有的挑戰(zhàn)。并行ADC測試方案實(shí)現(xiàn)了多個ADC測試過程的并行化和實(shí)時化，減少了單個ADC的平均測試時間，從而降低ADC測試成本。本文實(shí)現(xiàn)了基于FPGA的ADC并行測試方法。在閱讀相關(guān)文獻(xiàn)的基礎(chǔ)上，總結(jié)了常用ADC參數(shù)測試方法和測試流程。使用FPGA實(shí)現(xiàn)時域參數(shù)評估算法和頻域參數(shù)評估算法，并對2個ADC在不同樣本數(shù)條件下進(jìn)行并行測試。通過在FPGA內(nèi)部實(shí)現(xiàn)ADC測試時域算法和頻域算法相結(jié)合的方法來搭建測試系統(tǒng)，完成音頻編解碼器WM8731L的控制模式接口、音頻數(shù)據(jù)接口、ADC測試時域算法和頻域算法的FPGA實(shí)現(xiàn)。整個測試系統(tǒng)使用Angilent 33220A任意信號發(fā)生器提供模擬激勵信號，共用一個FPGA內(nèi)部實(shí)現(xiàn)的采樣時鐘控制模塊。并行測試系統(tǒng)將WM8731.L片內(nèi)的兩個獨(dú)立ADC的串行輸出數(shù)據(jù)分流成左右兩通道，并對其進(jìn)行串并轉(zhuǎn)換。然后對左右兩個通道分別配置一個FFT算法模塊和時域算法模塊，并行地實(shí)現(xiàn)了ADC參數(shù)的評估算法。在樣本數(shù)分別為128和4096的實(shí)驗(yàn)條件下，對WM8731L片內(nèi)2個被測.ADC并行地進(jìn)行參數(shù)評估，被測參數(shù)包括增益GAIN、偏移量OFFSET、信噪比SNR、信號與噪聲諧波失真比SINAD、總諧波失真THD等5個常用參數(shù)。實(shí)驗(yàn)結(jié)果表明，通過在FPGA內(nèi)配置2個獨(dú)立的參數(shù)計算模塊，可并行地實(shí)現(xiàn)對2個相同ADC的參數(shù)評估，減小單個ADC的平均測試時間。 FPGA片內(nèi)實(shí)時評估算法的實(shí)現(xiàn)節(jié)省了測試樣本傳輸至自動測試機(jī)PC端的時間。而且只需將HDL代碼多次復(fù)制，就可實(shí)現(xiàn)多個被測ADC在同一時刻并行地被評估，配置靈活。基于FPGA的ADC并行測試方法易于實(shí)現(xiàn)，具有可行性，但由于噪聲的影響，測試精度有待進(jìn)一步提高。該方法可用于自動測試機(jī)的混合信號選項(xiàng)卡或測試子系統(tǒng)。關(guān)鍵詞：ADC測試；并行；參數(shù)評估；FPGA；FFT

標(biāo)簽： FPGA ADC 并行測試

上傳時間： 2013-07-11

上傳用戶：tdyoung
基于小波分解和模糊聚類的MRI圖像去噪以及分割算法研究

磁共振成像（MRI）由于自身獨(dú)特的成像特點(diǎn)，使得其處理方法不同于一般圖像.根據(jù)不同的應(yīng)用目的，該文分別提出了MRI圖像去噪和分割兩個算法.首先，該文針對MRI重建后圖像噪聲分布的實(shí)際特點(diǎn)，提出了基于小波變換的MRI圖像去噪算法.該算法詳細(xì)闡明了MRI圖像Rician噪聲的特點(diǎn)，首先對與噪聲和邊緣相關(guān)的小波系數(shù)進(jìn)行建模，然后利用最大似然估計來進(jìn)行參數(shù)估計，同時利用連續(xù)尺度間的尺度相關(guān)性特點(diǎn)來進(jìn)行函數(shù)升級，以便獲得最佳萎縮函數(shù)，進(jìn)一步提高圖像的質(zhì)量，最終取得了一定的效果.與此同時，該文對MRI圖像的進(jìn)一步的分析與應(yīng)用展開了一定研究，提出了一種改進(jìn)的快速模糊C均值聚類魯棒分割算法.該算法先用K均值聚類方法得到初始聚類中心點(diǎn)，同時考慮鄰域?qū)Ψ指罱Y(jié)果的影響，對目標(biāo)函數(shù)加以改進(jìn)，用來克服噪聲和非均勻場對MRI圖像分割的影響，達(dá)到魯棒分割的目的，為進(jìn)一步圖像處理和分析打下基礎(chǔ).通過實(shí)驗(yàn)，我們發(fā)現(xiàn)，無論是針對模擬圖像還是實(shí)際圖像，該文所提出的兩個算法都取得了較好的效果，達(dá)到了預(yù)期的目的.

標(biāo)簽： MRI 小波分解圖像去噪分割

上傳時間： 2013-04-24

上傳用戶：zhichenglu
39839電感量計算小巧實(shí)用的綠色軟件，根據(jù)輸入的線圈長度、線圈直徑、導(dǎo)線直徑、線圈匝數(shù)及工作頻率快速計算出電感量、自分布電容、空載Q值、自諧振頻率

39839電感量計算小巧實(shí)用的綠色軟件，根據(jù)輸入的線圈長度、線圈直徑、導(dǎo)線直徑、線圈匝數(shù)及工作頻率快速計算出電感量、自分布電容、空載Q值、自諧振頻率

標(biāo)簽： 39839 電感量計算線圈

上傳時間： 2013-06-03

上傳用戶：夜月十二橋
SK6281量產(chǎn)工具20080409版SK6281_PDT_20080409

SK6281量產(chǎn)工具20080409版SK6281_PDT_20080409

標(biāo)簽： 20080409 6281 SK PDT

上傳時間： 2013-07-26

上傳用戶：szchen2006
成功量產(chǎn)金士頓4G工具SK6281PDT20080123[1]

成功量產(chǎn)金士頓4G工具SK6281PDT20080123[1]

標(biāo)簽： 20080123 6281 PDT SK

上傳時間： 2013-04-24

上傳用戶：唐僧他不信佛
小詞匯量非特定人孤立詞語音識別的FPGA實(shí)現(xiàn)

語音識別技術(shù)是信息技術(shù)領(lǐng)域的重要發(fā)展方向之一,小詞匯量非特定人孤立詞語音識別是語音識別領(lǐng)域中一個具有廣泛應(yīng)用背景的分支,在家電遙控、智能玩具、人機(jī)交互等領(lǐng)域有著重要的應(yīng)用價值.語音識別芯片從20世紀(jì)90年代開始出現(xiàn),目前的語音識別芯片都是以DSP為核心集成的語音識別系統(tǒng),算法主要通過軟件實(shí)現(xiàn),為了提高速度和降低成本,下一代語音識別芯片將設(shè)計成軟硬件協(xié)同實(shí)現(xiàn),本文的目的是使用全硬件方法實(shí)現(xiàn)語音識別算法,為軟硬件協(xié)同實(shí)現(xiàn)的方案提供參考.本論文主要完成了以下工作:(1)在選定的FPGA平臺上,完成了整個系統(tǒng)的硬件設(shè)計.(2)對于硬件中難于實(shí)現(xiàn)而且占用較多資源的乘法器、求對數(shù)、求平方根以及快速傅立葉變換等關(guān)鍵模塊,本文都根據(jù)電路的具體特點(diǎn),給出了巧妙的實(shí)現(xiàn)方案,完成了算法需要的功能.(3)設(shè)計中使用了模塊復(fù)用和流水線技術(shù).(4)根據(jù)設(shè)計結(jié)果,給出了各個模塊占用的硬件資源和運(yùn)行速度.實(shí)驗(yàn)結(jié)果表明,本文所設(shè)計的硬件系統(tǒng)能夠正常工作,在速度和面積方面都達(dá)到了設(shè)計要求.

標(biāo)簽： FPGA 詞匯語音識別

上傳時間： 2013-06-12

上傳用戶：01010101
動態(tài)光譜數(shù)據(jù)采集與預(yù)處理

人體血液成份的無創(chuàng)檢測是生物醫(yī)學(xué)領(lǐng)域尚未攻克的前沿課題之一，動態(tài)光譜法在理論上克服了其它檢測方法難以逾越的障礙——個體差異和測量條件對檢測結(jié)果的影響。實(shí)現(xiàn)動態(tài)光譜檢測，其關(guān)鍵在于采集多波長的光電容積脈搏波信號，并對其進(jìn)行處理。針對動態(tài)光譜檢測中信號微弱、信噪比低、處理數(shù)據(jù)量大的特點(diǎn)，本文設(shè)計了基于FPGA和面陣CCD攝像頭的動態(tài)光譜數(shù)據(jù)采集與預(yù)處理系統(tǒng)，提高檢測精度，采集出滿足動態(tài)光譜信號提取要求的光電脈搏波；并對動態(tài)光譜頻域提取法的核心算法FFT的FPGA實(shí)現(xiàn)進(jìn)行研究。課題提出用高靈敏度的面陣CCD攝像頭替代常規(guī)光柵光譜儀中的光電接收器，實(shí)現(xiàn)對多波長的光電容積脈搏波的檢測。結(jié)合面陣CCD的二維圖像特點(diǎn)，采用信號累加法去除噪聲，提高信號的信噪比。創(chuàng)新性的提出一種不同于以往的信號累加方法——將處于同一行的視頻信號在采樣過程中直接累加，然后再進(jìn)行傳輸和存儲。不同于幀累加和異行累加，這種同行累加方式不但大大的提高了信號的信噪比，同時減小了數(shù)據(jù)的傳輸速度和傳輸量，降低了對存儲器容量的要求，改善了動態(tài)光譜信號檢測系統(tǒng)的性能。針對面陣CCD攝像頭輸出的復(fù)合視頻信號的特點(diǎn)，設(shè)計視頻信號解調(diào)電路，得到高速、高精度的數(shù)字視頻信號和準(zhǔn)確的視頻同步信號，用于后續(xù)的視頻信號采集與處理。根據(jù)動態(tài)光譜信號檢測和視頻信號采集的要求，選擇可編程邏輯器件FPGA作為硬件平臺，設(shè)計并實(shí)現(xiàn)了基于FPGA和面陣CCD攝像頭的光電脈搏波采集與預(yù)處理系統(tǒng)。該系統(tǒng)實(shí)現(xiàn)了視頻信號的精確定位，通過光譜信號的高速同行累加，實(shí)現(xiàn)了光電脈搏波信號的高精度檢測。系統(tǒng)采用基于FPGA的Nios II嵌入式處理器系統(tǒng)，通過對其應(yīng)用程序的開發(fā)，可靠的實(shí)現(xiàn)了數(shù)據(jù)的采集、傳輸和存儲，提高了系統(tǒng)的集成度，降低了開發(fā)成本。為實(shí)現(xiàn)動態(tài)光譜信號的頻域提取，研究了基于FPGA的FFT實(shí)現(xiàn)方案，對各關(guān)鍵模塊進(jìn)行設(shè)計，為動態(tài)光譜信號的進(jìn)一步處理打下良好的基礎(chǔ)。最后，通過實(shí)驗(yàn)證明了系統(tǒng)數(shù)據(jù)采集的正確性和信號預(yù)處理的可行性，得到了符合動態(tài)光譜信號提取要求的脈搏波信號。

標(biāo)簽： 動態(tài) 光譜數(shù)據(jù)采集預(yù)處理

上傳時間： 2013-04-24

上傳用戶：cknck
基于FPGA的ADC并行測試方法研究

高性能ADC產(chǎn)品的出現(xiàn)，給混合信號測試領(lǐng)域帶來前所未有的挑戰(zhàn)。并行ADC測試方案實(shí)現(xiàn)了多個ADC測試過程的并行化和實(shí)時化，減少了單個ADC的平均測試時間，從而降低ADC測試成本。本文實(shí)現(xiàn)了基于FPGA的ADC并行測試方法。在閱讀相關(guān)文獻(xiàn)的基礎(chǔ)上，總結(jié)了常用ADC參數(shù)測試方法和測試流程。使用FPGA實(shí)現(xiàn)時域參數(shù)評估算法和頻域參數(shù)評估算法，并對2個ADC在不同樣本數(shù)條件下進(jìn)行并行測試。　　本研究通過在FPGA內(nèi)部實(shí)現(xiàn)ADC測試時域算法和頻域算法相結(jié)合的方法來搭建測試系統(tǒng)，完成了音頻編解碼器WM8731L的控制模式接口、音頻數(shù)據(jù)接口、ADC測試時域算法和頻域算法的FPGA實(shí)現(xiàn)。整個測試系統(tǒng)使用Angilent33220A任意信號發(fā)生器提供模擬激勵信號，共用一個FPGA內(nèi)部實(shí)現(xiàn)的采樣時鐘控制模塊。并行測試系統(tǒng)將WM8731.L片內(nèi)的兩個獨(dú)立ADC的串行輸出數(shù)據(jù)分流成左右兩通道，并對其進(jìn)行串并轉(zhuǎn)換。然后對左右兩個通道分別配置一個FFT算法模塊和時域算法模塊，并行地實(shí)現(xiàn)了ADC參數(shù)的評估算法。在樣本數(shù)分別為128和4096的實(shí)驗(yàn)條件下，對WM8731L片內(nèi)2個被測.ADC并行地進(jìn)行參數(shù)評估，被測參數(shù)包括增益GAIN、偏移量OFFSET、信噪比SNR、信號與噪聲諧波失真比SINAD、總諧波失真THD等5個常用參數(shù)。實(shí)驗(yàn)結(jié)果表明，通過在FPGA內(nèi)配置2個獨(dú)立的參數(shù)計算模塊，可并行地實(shí)現(xiàn)對2個相同ADC的參數(shù)評估，減小單個ADC的平均測試時間。FPGA片內(nèi)實(shí)時評估算法的實(shí)現(xiàn)節(jié)省了測試樣本傳輸至自動測試機(jī)PC端的時間。而且只需將HDL代碼多次復(fù)制，就可實(shí)現(xiàn)多個被測ADC在同一時刻并行地被評估，配置靈活。基于FPGA的ADC并行測試方法易于實(shí)現(xiàn)，具有可行性，但由于噪聲的影響，測試精度有待進(jìn)一步提高。該方法可用于自動測試機(jī)的混合信號選項(xiàng)卡或測試子系統(tǒng)。

標(biāo)簽： FPGA ADC 并行測試方法研究

上傳時間： 2013-06-07

上傳用戶：gps6888
小波閾值去噪法在MEMS陀螺儀信號降噪中的應(yīng)用

· 摘要：通過分析小波分析法中的閾值去噪算法的原理,根據(jù)MEMS陀螺儀信號漂移的數(shù)學(xué)模型,采用了基于小波閾值去噪法對MEMS陀螺儀的輸出進(jìn)行實(shí)時消噪處理.并將該算法應(yīng)用到基于DSP的某MEMS陀螺捷聯(lián)慣導(dǎo)系統(tǒng)后對系統(tǒng)的MEMS陀螺儀進(jìn)行零漂試驗(yàn).通過整個系統(tǒng)試驗(yàn)結(jié)果分析,使用小波閾值去噪法對抑制MEMS陀螺儀零漂,改善MEMS陀螺儀的零偏穩(wěn)定性具有很好的效果,肯定了小波閾值去

標(biāo)簽： MEMS 小波閾值去噪信號降噪

上傳時間： 2013-04-24

上傳用戶：xiehao13