XiaoMi-AI文件搜索系统
World File Search System滤波
© 英国计算机学会 2021。保留所有权利。如需获取许可，请发送电子邮件至：journals.permissions@oup.com doi：10.1093/comjnl/bxaa175 Hyb
本研究开发了一种从脑电图 (EEG) 信号中去除眼部和肌肉伪影的新型混合方法，即 EFICA-TQWT。它是高效快速独立分量分析 (EFICA) 方法与可调 Q 因子小波变换 (TQWT) 的结合。本文的主要贡献是在滤波系统中应用 3D 插值方法。本研究使用了三个 EEG 数据集，两个健康数据集和一个癫痫数据集。每个数据集的受试者选择都是在生理学专家的帮助下完成的。采用的选择标准是处理后的记录中是否存在肌肉和眼部伪影。首先，使用具有径向基函数的支持向量机 (SVM) 对噪声通道进行自动分类，以便从每个 EEG 记录中删除与最嘈杂通道相对应的信号。将 SVM 的自动分类结果与专家分类的结果进行了比较。 SVM 分类的准确率为 97.45%，灵敏度为 86.66%，特异性为 100%。将对每个受试者的国际 10/20 系统的其余 EEG 通道应用混合伪影去除方法。然后，对消除的通道信号进行重建，以获得滤波良好的信号。通过计算均方误差 (MSE) 和信噪比 (SNR) 来评估所提出的滤波过程。针对健康和病理 EEG 数据集，对所提出的方法 (EFICA-TQWT) 和其他滤波技术 (Fast-ICA、DWT、TQWT 和 EFICA) 进行了比较研究。EFICA-TQWT 方法给出了最佳结果，MSE 最小，SNR 最大，尤其是在应用 3D 插值方法的情况下。此外，为了优化所提系统的计算时间，采用计算统一设备架构，基于图形处理单元开发了该过滤系统的并行实现。
针对非差分GPS/IMU集成导航的优化滤波器设计
首先，根据泰勒展开式对最近发展起来的非线性滤波方法——Cuature卡尔曼滤波器（CKF）的性能评估进行了分析。理论分析表明，非线性滤波方法CKF只有在非线性系统中实现时才显示出其优势。类似地，非线性方向余弦矩阵（DCM）表达式被纳入紧密耦合的导航系统中，以表示真实导航坐标系和估计导航坐标系之间的对准误差。仿真和实验结果表明，在不可观测的大指向误差下，以及在 GPS 故障且指向误差快速累积导致 psi 角的表达式失效的情况下，CKF 的性能优于扩展卡尔曼滤波器（EKF），从而表达一定程度的非线性。
机翼形状的辅助惯性估计 - oatao
先进的大翼展飞机具有更大的结构灵活性，但可能出现不稳定或操纵性差。这些缺点需要稳定性增强系统，该系统需要主动结构控制。因此，飞行中机翼形状的估计有利于控制非常灵活的飞机。本文提出了一种基于扩展卡尔曼滤波估计柔性结构状态的新方法，该方法利用了辅助惯性导航系统中采用的思想。将不同机翼位置的高带宽率陀螺仪角速度集成在一起，以提供短期独立惯性形状估计解决方案，然后使用额外的低带宽辅助传感器来限制发散估计误差。所提出的滤波器实现不需要飞机的飞行动力学模型，简化了通常繁琐的卡尔曼滤波调整过程，并允许在机翼偏转较大和非线性的情况下进行准确估计。为了说明该方法，通过使用瞄准装置作为辅助传感器的模拟来验证该技术，并进行可观测性研究。与文献中基于立体视觉的先前研究相比，我们发现了一种传感器配置，仅使用一个摄像头和多个速率陀螺仪分别用于卡尔曼滤波更新和预测阶段，即可提供完全可观察的状态估计。
一种用于机载激光扫描数据的使用布料模拟和浮雕幅度的自适应表面插值滤波器
摘要：将点云分离为地面点和非地面点是处理用于各种应用的机载激光扫描 (ALS) 数据的重要步骤。基于插值的滤波算法通常用于滤波 ALS 点云数据。然而，大多数传统的基于插值的算法在保留突变地形特征方面表现出缺点，导致这些区域的算法精度较差。为了克服这一缺点，本文提出了一种改进的自适应表面插值滤波器，该滤波器具有多级层次结构，使用布料模拟和地形起伏幅度。该方法使用三个层次的临时数字高程模型 (DEM) 栅格表面和薄板样条 (TPS) 插值，基于自适应残差阈值将地面点与未分类点分离。采用布料模拟算法生成足够有效的初始地面种子，以构建高质量的地形表面。根据被检查区域的起伏幅度自适应地构建残差阈值，以在分类过程中捕捉复杂的景观特征。使用来自国际摄影测量与遥感学会 (ISPRS) 委员会的 15 个样本来评估所提算法的性能。实验结果表明，所提方法在平坦区域和陡峭区域都能产生令人满意的结果。与其他方法相比，该方法在滤波结果方面表现出优异的性能，遗漏错误率最低；特别是，所提方法保留了陡坡和阶地等不连续的地形特征。
开关电源短路保护电路的设计
整流桥由二极管D2、D3、D4、D5组成。经滤波电容C4、直流电压TS、初级开关管Q1、储能电容C4，反激式功率变换器将能量经变压器T1、二极管D5、电感L1和电容C2整流滤波后输出直流电压。变换器工作时，通过改变PWM的占空比，来调节输出电压[2][3]。电源正常工作时，C4中流过交流纹波电流，从而形成交流纹波电压。当发生过流或短路时，电容电压处的电压纹波会急剧增大。根据开关功率变换器的特性，可确定电源的工作状态，并根据交流分量增量的大小来设置不同交流分量保护点的高低，完成短路保护电路的设计[4][5][6]。
使用离散小波变换和智能技术进行脑电信号分析以诊断神经系统疾病“2279
摘要：脑电图 (EEG) 信号分析至关重要，因为它是诊断神经系统脑部疾病的有效方法。在这项工作中，我们开发了一个系统来同时诊断一到两种神经系统疾病（二类模式和三类模式）。为此，我们研究了不同的 EEG 特征提取和分类技术，以帮助准确诊断神经系统脑部疾病：癫痫和自闭症谱系障碍 (ASD)。我们针对癫痫和 ASD 分析了两种不同的 EEG 信号模式，即单通道和多通道。独立成分分析 (ICA) 技术用于从 EEG 数据集中去除伪影。然后，使用椭圆带通滤波器对 EEG 数据集进行分割和滤波，以消除噪声和干扰。接下来，使用离散小波变换 (DWT) 从滤波信号中提取脑电信号特征，将滤波信号分解为子带 delta、theta、alpha、beta 和 gamma。随后，使用五种统计方法从脑电图子带中提取特征：对数带功率 (LBP)、标准差、方差、峰度和香农熵 (SE)。此外，将这些特征输入到四个不同的分类器中，即线性判别分析 (LDA)、支持向量机 (SVM)、k 最近邻 (KNN) 和人工神经网络 (ANN)，以对对应于其类别的特征进行分类。DWT 与 SE 和 LBP 的组合在所有分类器中产生最高的准确率。对于三类单通道和多通道模式，使用 SVM 的整体分类准确率分别接近 99.9% 和 ANN 的 97%。
Cybenetics-技嘉 P450B
滤波电容器电解：4x Chn Cap（3-7,000h @ 105°C，TP），1x Chn Cap（2-5,000h @ 105°C，TM），5x YC（105°C，LE），2x YC（105°C，
cybenetics -Gigabyte P450B
滤波电容器电解质：4x CHN盖（3-7,000H @ 105°C，TP），1x CHN CAP（2-5,000H @ @ 105°C，TM），5x YC（105°C，LE），2x yc（105°C，
AN9603：数字滤波器简介 - Renesas
二维操作主要用于改变图像的大小和形状，或在二维中进行滤波。后者的操作包括高通滤波器（用于锐化所有方向的边缘）或低通滤波器（用于限制高频噪声或故意柔化边缘）。一个重要的例子是图像调整大小，其中输入图像被重新采样为不同大小的输出图像。在减小图像尺寸时，需要进行滤波，因为简单地垂直和水平下采样（丢弃像素）会产生不可接受的混叠。二维滤波器可以由一维滤波器制成（图 12）。在这里，HSP43168 双 FIR 滤波器在水平下采样之前提供水平频带限制。其多速率功能使其能够执行整个抽取操作。然后使用 HSP48908 二维卷积器作为三系数垂直滤波器，在垂直下采样之前减少垂直带宽。