基于卷积神经网络的手势识别算法

手势识别是人机交互、智能假肢、医疗康复等领域的研究热点。为了满足手势识别实时性和准确性的需求,本文以成本较小的加速度信号作为数据,在对LeNet-5卷积神经网络进行分析的基础上,提出了一种适合加速度信号的LeNet-A网络。该网络针对基于加速度的手势分类特有的复杂性,增加Dropout层,改变卷积核大小、卷积核数量、激活函数以及分类器。在Ninapro数据集上的实验结果表明,该网络在正常受试者和截肢者的识别率上均表现出很大的优势,平均精度分别为90.37%和79.99%,比目前最佳分类器提升了12%和31%左右。该网络还具有较好的实时性和抗噪性。     

基于SVR插值的FBMC系统时变信道估计

与正交频分复用（OFDM）技术不同,5G候选技术之一的滤波器组多载波（FBMC）技术由于添加了原型滤波器的设计,各个载波之间不需要完全正交,也不需要插入循环前缀作为保护等操作。然而由于引入了固有的虚部干扰,相应的信道估计也更复杂。良好的信道估计和插值算法对于时刻跟踪时变信道响应的变化是十分必要的。本文提出了一种基于SVR插值的FBMC时变信道估计方法,采用辅助导频消除FBMC系统的虚部干扰,然后基于SVR进行时变信道插值。该算法利用已知的导频符号,在存在传输衰落及非线性噪声的情况下,使用SVR回归拟合估计信道响应系数。在仿真中,将信道矢量建模为单径慢时变瑞利衰落信道。结果表明,与传统算法相比,该方法在运算效率损失不大的情况下,对FBMC信道估计的效果有极大的改善,估计精度更高。     

一种新的基于分布式压缩感知的时变稀疏信道估计

对OFDM（Orthogonal Frequency Division Multiplexing）系统中快时变稀疏信道估计进行了研究,采用CE-BEM模型（Complex Exponential-Basis Expansion Model）对时变信道进行建模。由于信道是稀疏的,所以对应的CE-BEM基的系数也是稀疏的,由此将估计信道的抽头响应问题转化为求解稀疏CE-BEM系数的问题。针对现实稀疏度未知的场景,提出了一种稀疏度自适应的分布式压缩感知（Distributed Compressive Sensing,DCS）算法。考虑到导频放置对性能影响的重要性,提出了一种新的放置方式。仿真结果表明,本文算法有效地提升了估计性能。     

求解TSP问题的文化蚁群优化算法

将蚁群系统(Ant Colony System,ACS)纳入文化算法框架,提出了一种新的高效文化蚁群优化算法(Cultural Ant Colony System,CACS)。该计算模型包含基于蚁群系统的群体空间和基于当前最优解的信仰空间,两空间具有各自群体并独立并行演化。群体空间定期将最优解贡献给信仰空间,信仰空间采用随机2OPT交换操作,对最优解进行变异优化;经演化后的解个体用来对群体空间全局信息素更新,帮助指导群体空间的进化过程,从而达到提高种群的多样性、防止早熟、降低计算代价的目的。针对典型的旅行商问题（TSP）进行对比实验, 验证了所提出的算法在速度和精度方面优于传统的蚁群系统。     

基于最小二乘支持向量机的非线性通用模型自适应控制

将模型参考自适应控制方法应用到基于最小二乘支持向量机的通用模型控制策略中,将非线性过程模型应用逆系统的方法可以在控制算法中直接嵌入过程模型,从而克服了通用模型控制器要求过程一阶微分模型应该有显式解的局限性,保证了通用模型控制策略的可实现性。另一方面,加入模型参考自适应环节,提高了该控制器的实时性和鲁棒性,其参数具有明显的物理意义,参数整定方便。仿真实验结果验证了该控制策略的有效性和更好的鲁棒性。     

基于Statecharts的面向方面软件设计与验证

为了及时解决由于关注点横切所产生的“代码交织”与“代码散布”问题,提出了一种基于Statecharts的面向方面软件设计方法,并利用线性时态逻辑验证了编织过程的有效性。此外,为了验证方面Statecharts的介入是否破坏了基本Statechart的相关行为,引入扩展层次自动机解释面向方面Statechart的操作语义,使用线性时态逻辑描述系统的关键属性。最后通过一个案例证明了该设计方法的可行性。     

适用于信息融合算法性能评估的DS改进算法

为了解决信息融合算法管理过程中的最优算法决策问题,引入DempsterShafer证据理论。针对在实际应用过程中,由于相关证据合成而出现的评估结果超估计现象,提出了一种改进的证据合成方法。通过建立不同指标之间的相关性度量函数,对相关证据的基本概率赋值进行相应的调整,对修正后的证据再进行证据组合。实验结果验证了所提方法的合理有效性。     

基于改进免疫遗传算法的神经网络及其在股票预测中的应用

针对BP神经网络学习速度慢、容易陷入局部极小的缺点,提出了一种基于改进免疫遗传算法的多层前向神经网络,将该算法用于多层前向神经网络的权值优化,扩大了神经网络的权值搜索空间,提高了网络系统的学习效率和精度.将该神经网络用于上证指数的趋势预测,仿真结果表明:该神经网络比BP神经网络具有更好的全局收敛性、更高的学习效率和预测精度.     

微弱荧光信号检测电路抗噪声能力对时间分辨荧光免疫分析仪测量精度的影响

时间分辨荧光免疫分析仪的测量精度取决于其对弱荧光信号检测电路的抗噪声能力。实验针对光电倍增管的特点，设计的电流模放大电路克服了常用电压模放大电路的弊端，提高了检测电路的抗噪声能力；为克服光电倍增管阳极暗电流的影响，设计了暗电流自动补偿电路。测试结果显示，在同样增益下，电流模放大电路及暗电流补偿技术采集的荧光信号中所含噪声小于电压模放大电路采集的荧光信号中所含噪声。采用电流模放大电路和暗电流自动补偿技术可以显著地减小噪声，较大地提高信噪比。提示采用电流模放大和暗电流补偿技术的微弱荧光信号检测电路可以提高信号采集精度、灵敏度、稳定性和可靠性，从而改善时间分辨荧光免疫分析仪的整体性能，提高其检测极限和检测精度。     

肌肉共同收缩对手臂屈伸运动末端阻抗的影响

目的 阻抗控制在稳定性控制中起着重要的作用,本文以手臂屈伸运动为对象建模来研究人体的阻抗控制规律,从而为更高层次的运动认知与工具使用奠定基础。方法 本文对现有的人体运动控制进行了改进,运用神经肌肉骨骼模型及最优控制方法推导出共同收缩阻抗,并对仿真结果与原模型和实验数据进行了对比。结果 从对比图中可以看出,本文模型修正了原有模型刚度椭圆单调变化的不足,与实验数据更加吻合。结论 由此得到即使在手臂平面自由运动中,肌肉共同收缩对阻抗也有贡献的结论。