癫痫发作类型识别对于癫痫患者的治疗和管理至关重要。然而,这是一个耗时耗力的困难过程。随着机器学习算法的进步,自动诊断系统有可能加速分类过程、提醒患者并支持医生做出快速准确的决策。在本文中,我们提出了一种新型多路径癫痫发作类型分类深度学习网络 (MP-SeizNet),它由卷积神经网络 (CNN) 和具有注意机制的双向长短期记忆神经网络 (Bi-LSTM) 组成。本研究的目的是仅使用脑电图 (EEG) 数据对特定类型的癫痫发作进行分类,包括复杂部分性、简单部分性、失神性、强直性和强直阵挛性癫痫发作。EEG 数据以两种不同的表示形式输入到我们提出的模型中。 CNN 接收从 EEG 信号中提取的小波特征,而 Bi-LSTM 接收原始 EEG 信号,以便我们的 MP-SeizNet 能够从癫痫发作数据的不同表示中进行联合学习,从而获得更准确的信息学习。我们利用最大的 EEG 癫痫数据库——天普大学医院 EEG 癫痫发作语料库 TUSZ v1.5.2 评估了所提出的 MP-SeizNet。我们使用三重交叉验证对不同患者数据评估了我们提出的模型,并使用五重交叉验证对癫痫发作数据评估了模型,结果分别获得了 87.6% 和 98.1% 的 F1 分数。
量子密钥分发(QKD)基于量子物理原理提供无条件的点对点安全性。通过利用中继节点,QKD的安全性可以扩展到更长的距离。然而,中继节点的引入带来了安全性和通信成功率问题。为了解决这些问题,我们提出了一种增强的多路径方案。我们的提案的主要特点如下:1.通过将中继节点的可靠性作为算法输入之一,使该方案更适合部分可信QKD(PTQKD)网络。2.通过使用多段多路径方法增加了攻击者获取完整密钥信息的难度,并提高了PTQKD的安全性。3.自适应路由算法根据节点贡献率、密钥新鲜度和可靠性生成足够数量的不同路径。我们进行了
摘要:移动性和低能耗被认为是医疗监测系统 (HMS) 中使用的无线体域传感器网络 (WBASN) 的主要要求。在 HMS 中,使用能量有限的电池供电传感器节点来获取有关身体的重要统计数据。因此,需要节能方案来保持传感器节点的长期稳定连接。空闲监听、过度传输和接收控制消息、数据包冲突和数据包重传以及路径选择不当等活动会消耗大量能量,这可能会导致更多的能量消耗。自适应调度与节能协议的结合可以帮助在适当的时间选择合适的路径,以最大限度地减少控制开销、能耗、数据包冲突和过度空闲监听。本文提出了一种基于区域的节能多路径路由 (REMR) 方法,该方法将整个传感器网络划分为簇,最好有多个候选簇来代表每个簇。簇代表 (CR) 通过各种簇路由数据包。对于路由,需要考虑每条路径的能量需求,并选择能量需求最小的路径。同样,对于数据包路由,需要考虑端到端延迟、更高的吞吐量和数据包投递率。
1.1 背景 .......................。。。。。。。。。。。。。。。。。。。。。。。。....1 1.2 研究问题动机和描述 .....................3 1.2.1 案例研究:HAVOC 58 和 HAZE 01 ....................4 1.2.2 事故致因 ....................................6 1.3 目标和范围 .....。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。..7 1.3.1 研究目标 ......................................9 1.3.2 飞行试验目标。......。。。。。。。。。。。。。。。。。。。。。。。。.......10 1.4 约束 ..............。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。11 1.5 限制。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。12 1.6 假设。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。12 1.7 预期贡献。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。12 1.8 章节摘要和文档大纲。。。。。。。。。。。。。。。。。。。。。。。。。13
3 .多径对星载导航接收机的影响 ...............................11 3.1 PRN 测距和 DLL 操作 .......................11 3.2 PRN调制信号描述 .......................16 3.3 相干PRN接收机 ...............................17 3.3.1 无多径情况下的相干 DLL 鉴别器曲线 ....。。。。。。。。。。。。。。。。。。。。。。。。........18 3.3.2 多径情况下的相干 DLL 鉴别器曲线 ............。。。。。。。。。..............21 3.3.3 存在多径时的 PLL 操作 .........26 3.4 非相干PRN接收机 ...........................31 3.4.1 无多径情况下的非相干DLL鉴别器曲线 .........................31 3.4.2 多径存在下的非相干 DLL 鉴别器曲线 ...........................32 3.4.3 存在多径时的 PLL 操作 ..........35 3.5 模拟结果 ..................。。。。。。。。。。。。。。。42 3.5.1 CIA 代码。。。。。。。。。。。。。。。。。。。。................42 3.5.2 具有窄相关器间距的 CIA 码 .......。。。。56 3.5.3 P 代码。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。73