作者：【美】Al Williams中國水利水電出版社 包含Telnet、FTP、TFTP、SMTP、POP3等協(xié)議網絡設計的代碼
上傳時間： 2016-02-25
上傳用戶：cc1015285075
《MFC技術內幕》原名：MFC Black Book 作者:Ai Williams 書中所有范例的完整文件
上傳時間： 2016-04-27
上傳用戶：wangchong
Linux PPP HOWTO 文檔 Corwin Light− Williams Joshua Drake Copyright © 2000 by Commandprompt, Inc Copyright © 1997 by Robert Hart This is a LinuxPorts.Com Document for the Linux Documentation Project.
標簽： Commandprompt Copyright Williams Corwin
上傳時間： 2016-08-01
上傳用戶：ayfeixiao
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域中存在的分析方法問題和分類識別技術難點展開了深入的研究，內容涉及心音構成的分析、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。本文的工作內容包括以下5個方面： a）心音信號采集與預處理。本文采用自行研制的帶有錄音機功能的聽診器實現(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)實驗分析，選擇Donoho閾值函數(shù)結合多級閾值的方法作為心音信號預處理方案。 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行了時頻譜特性分析，結果表明：不同的時頻分析方法與待分析心音信號的特性有密切關系，即需要在小的交叉項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錐形核時頻（ATF）分析方法，通過實驗驗證該分布能較好地反映心音信號的時頻結構，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，從而選擇自應錐形核時頻分析方法進行心音信號分析。 c）心音信號特征向量提取。根據(jù)對3M Littmann（） Stethoscopes[31]數(shù)據(jù)庫中標準心音信號的時頻分析結果，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圖，研究了支持向量機核函數(shù)、多分類支持向量機的選取方法，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模型，選取標準數(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)作為支持向量機的學習樣本，對余下的每類20組數(shù)據(jù)進行測試，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個心動周期進行分類實測，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現(xiàn)了心音信號分析與識別的軟件運行平臺構建，可完成對心音信號的讀取、預處理，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模型的建立兩方面。 綜上所述，本文從理論與實踐兩方面對心音信號進行了深入的研究，主要是采用自適應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圖，建立心音信號分類的支持向量機模型，并對正常心音信號和4種心臟雜音信號進行了分類研究，取得了較為滿意的分類結果，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，今后的工作重點是采集更多種類的心臟雜音信號，進一步提高心音信號分類精度，使本文研究成果能最終應用于臨床心臟量化聽診。 關鍵詞：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，支持向量機
上傳時間： 2013-04-24
上傳用戶：weixiao99
The Circuit Designer’s Companion Second edition Tim Williams
標簽： Designers Companion Circuit PCB
上傳時間： 2013-11-04
上傳用戶：fredguo
The Circuit Designer’s Companion Second edition Tim Williams
標簽： Designers Companion Circuit PCB
上傳時間： 2013-10-08
上傳用戶：sxdtlqqjl
信號與系統(tǒng)基礎知識包括連續(xù)信號與模型、離散信號與模型；常用信號變換包括Z變換、Chirp Z變換、FFT變換、DCT變換和Hilbert變換等；離散系統(tǒng)結構包括IIR、FIR和Lattice結構；IIR濾波器設計包括模擬和數(shù)字低通、高通、帶通與帶阻濾波器設計，以及基于沖激響應不變法和雙線性Z變換法的IlR濾波器設計等；FIR濾波器設計包括基于窗函數(shù)、頻率抽樣法和切比雪大逼近法的FIR濾波器設計；平穩(wěn)信號分析包括經典功率譜估計、基于參數(shù)模型的功率譜估計和基于非參數(shù)模型的功率譜估計；非平穩(wěn)信號分析包括STFT變換、Gabor展開、Wigner-Ville分布與Choi-Williams分布；非高斯信號分析包括基于非參數(shù)法的雙譜估計、基于參數(shù)模型的雙譜估計，以及雙譜估計的應用；信號處理的GUI實現(xiàn)包括濾波器設計與分析的FDATool工具和濾波器設計與信號分析的SPTool工具。
上傳時間： 2013-12-26
上傳用戶：彭玖華
介紹回歸問題中高斯過程的應用，C. E. Rasmussen & C. K. I. Williams, Gaussian Processes for Machine Learning,
上傳時間： 2017-07-25
上傳用戶：skfreeman
Jim Williams的經典著作，模擬電路設計。其中有很多的模擬電路和模擬集成電路的設計技巧。其中有一章用一個樹形結構講了電子學中的系統(tǒng)知識框架。
標簽： 模擬電路
上傳時間： 2022-06-25
上傳用戶：
