XiaoMi-AI文件搜索系统
World File Search System信号识别
使用深度卷积神经网络进行运动想象脑电信号识别
基于脑电信号的脑机交互（BCI）可以帮助肢体运动障碍患者进行日常生活及康复训练，然而由于信噪比低、个体差异大，脑电特征提取与分类存在准确率和效率低下的问题。针对该问题，本文提出了一种基于深度卷积网络的运动想象脑电信号识别方法。该方法首先针对脑电信号特征数据质量不高的问题，利用短时傅里叶变换（STFT）和连续Morlet小波变换（CMWT）对采集的实验数据集进行基于时间序列特征的预处理，从而得到特征鲜明、具有时频特征的脑电信号。并基于改进的CNN网络模型对脑电信号进行高效识别，实现高质量的脑电特征提取与分类。进一步提高脑电信号特征采集的质量，保证脑电信号识别的较高准确率和精度。最后基于BCI竞赛数据集和实验室实测数据对所提方法进行验证，实验结果表明该方法对脑电信号识别的准确率为0.9324，精度为0.9653，AUC为0.9464，具有良好的实用性和适用性。
使用 KNN 和 MLP 进行基于 MI 的脑信号识别...
摘要：脑电图 (EEG) 信号分类在开发残疾人辅助康复设备中起着重要作用。在此背景下，从 20 名健康人身上获取脑电图数据，然后进行预处理和特征提取过程。提取 12 个时间域特征后，采用两个著名的分类器，即 K 最近邻 (KNN) 和多层感知器 (MLP)。采用五重交叉验证方法将数据分为训练和测试目的。结果表明，MLP 分类器的性能优于 KNN 分类器。MLP 分类器实现了 95% 的分类器准确率，这是最好的。本研究的结果对于在线开发脑电图分类模型以及设计基于脑电图的轮椅非常有用。关键词：运动想象，脑电图信号，KNN，MLP，ICA。介绍
MARK II MICROSONDETM - 信号识别维基
ZEEMET™ Mark II MICROSONDE 系列代表了无线电探空仪设计的最新水平。这些无线电探空仪与 W-9000 气象处理系统兼容，专为低成本、自动高空探测而设计。轻型探空仪（配有内部放线器、探空仪线、电池和校准传感器）便于单人发射，并允许使用较小的气球，从而降低运营成本。所有 Mark II MICROSONDES 均可测量压力 (P)、温度 (T) 和相对湿度 (U)。其他传感器的数据可通过四个备用通道传输。Mark II MICROSONDES 可用于各种测风方法（GPS、Loran-C、无线电经纬仪、雷达等）。