XiaoMi-AI文件搜索系统
World File Search System多频带
不使用算法乘法运算的信号离散频率选择数字算法
最小化可编程逻辑器件和专用处理器微电子器件上离散信号频率选择数字算法硬件和软件实现的硬件成本[1]。这些任务可以而且应该通过最少算术乘法运算的级联数字滤波方法和不执行算术乘法运算的多频带数字滤波（MDF）方法来解决[2]，[3]，[4]。最少算术乘法运算的计算级联数字滤波算法可以基于幅频特性（AFC）具有对称性的NDF、基于Walsh NDF或基于齐次和三角数字滤波器来实现[5]。没有算术乘法运算的计算MDF算法可以而且应该在低位系数的NDF基础上、在低位系数的差分数字滤波器（DDF）基础上、或在整数系数的DDF基础上实现[6]，[7]。对于采样周期为 T 的 MDF 复信号 {х(nТ)}，使用低通数字滤波器 (LDF) 的此类算法，仅需在 𝑛ൌ0,1,2…𝑁െ1 处添加和移位其第 n 个时间样本即可执行信号的 N 点离散傅里叶变换 (DFT) [8]。本研究的目的是比较分析离散信号的频率选择数字方法，以构建其无需算法乘法运算的算法，并确定在不执行算术乘法运算的情况下将此类方法用于离散信号的多级 DFT 的必要和充分条件 [9]，[10]。该研究使用了具有最少数量的算法乘法运算的级联数字滤波算法和不执行算法乘法运算的 MDF 的计算程序 [11]，[12]。此类算法的比较分析结果以及硬件和软件建模已经证明并减少了硬件
分形石墨烯贴片天线和太赫兹通信革命
摘要。分形天线已经并将继续受到未来无线通信的关注。这是因为它们具有宽频和多频带功能、分形几何结构驱动多个谐振的机会，以及能够制造更小更轻、元件更少、辐射元件增益更高的天线。由石墨烯制成的小尺寸（即微米和纳米级）和超高频（太赫兹或 THz 范围）分形天线有可能以前所未有的数据速率（即每秒约 10 12 比特）增强无线通信。分形石墨烯天线是一种用于 THz 频谱无线电通信的高频可调天线，可实现无线纳米网络等独特应用。这是因为（单层）石墨烯是碳的一个原子厚的二维同素异形体，具有已知的最高电导率，目前任何其他材料（包括金和银等金属）都无法提供这种电导率。因此，将石墨烯的特性与微米和纳米级分形的自近似特性相结合，有可能彻底改变通信，至少在近场（几米的数量级）低功耗系统。在本文中，我们考虑了与这种颠覆性新技术的开发相关的基本物理和一些主要数学模型，以便为那些从事当前和未来研究的人提供指导，分形石墨烯天线就是用于高要求应用的先进材料的一个例子。这包括一些由石墨烯组成的分形贴片天线产生的 THz 场模式的示例模拟，根据“Drude”模型，其电导率与频率的倒数成比例。还探索了使用石墨烯生成 THz 源的方法，该方法基于红外激光泵浦以感应 THz 光电流。
一种使用语音图像和耳朵的新型在线 BCI 系统......
背景和目标：本文研究了一种通过脑机接口 (BCI) 与家用电器交互的新方法，使用定制的可穿戴 BCI 耳机从用户耳朵周围获取脑电图 (EEG) 信号。方法：用户参与语音想象 (SI)，这是一种心理任务，他们想象说出一个特定的单词而不产生任何声音，以控制交互式模拟家用电器。在这项工作中，采用了多种模型来提高系统的性能。时间堆叠多频带协方差矩阵 (TSMBC) 方法用于表示 SI 任务期间的神经活动，其中包括空间、时间和频谱信息。为了进一步提高我们提出的系统在日常生活中的可用性，增加了一个校准会话，其中对预训练模型进行了微调，以在最少的训练下保持性能。招募了 11 名参与者，在三个不同的会话中评估我们的方法：一个训练会话、一个校准会话和一个在线会话，在在线会话中，用户可以自由地自行实现给定目标。结果：在离线实验中，所有参与者都能够实现明显高于偶然水平的分类准确率。在在线实验中，少数参与者能够使用所提出的系统以较高的准确率和相对较快的命令传递速度自由控制家用电器。最好的参与者分别实现了 0.85 和 3.79 s/命令的平均真实阳性率和命令传递时间。结论：基于积极的实验结果和用户调查，新颖的基于耳部 EEG-SI 的 BCI 范式是一种有前途的可穿戴 BCI 系统用于日常生活的方法。© 2022 Elsevier BV 保留所有权利。
使用脑磁图源级长程相位耦合模式解码工作记忆任务条件
摘要 目的。本研究的目的是通过机器学习方法识别受试者之间共享的相位耦合模式，该方法利用来自工作记忆 (WM) 任务的源空间脑磁图 (MEG) 相位耦合数据。事实上，神经振荡的相位耦合被认为是远距离大脑区域之间通信的关键因素，因此在执行认知任务（包括 WM）时至关重要。以前研究认知任务期间相位耦合的研究通常集中在几个先验选择的大脑区域或特定频带上，并且已经认识到需要数据驱动的方法。机器学习技术已成为分析神经成像数据的宝贵工具，因为它们可以捕捉多元信号分布中的细粒度差异。在这里，我们期望这些应用于 MEG 相位耦合的技术可以揭示个体之间共享的 WM 相关过程。方法。我们分析了作为人类连接组项目的一部分收集的 WM 数据。当受试者 (n = 83) 在两种不同条件下执行 N -back WM 任务时收集 MEG 数据，即 2-back（WM 条件）和 0-back（控制条件）。我们估计了这两种条件以及 theta、alpha、beta 和 gamma 波段的相位耦合模式（多元相位斜率指数）。然后使用获得的相位耦合数据训练线性支持向量机，以便使用跨受试者交叉验证方法对受试者正在执行的任务条件进行分类。分类是根据来自各个频带的数据和所有频带的组合（多频带）分别进行的。最后，我们通过特征选择概率评估了不同特征（相位耦合）对分类的相对重要性。主要结果。分别根据 theta（62% 准确率）和 alpha 波段（60% 准确率）中的相位耦合模式成功地对 WM 条件和控制条件进行了分类。重要的是，多波段分类表明，不仅在 theta 和 alpha 波段，而且在 gamma 波段中的相位耦合模式也与 WM 处理有关，分类性能的提高 (71%) 证明了这一点。意义。我们的研究使用 MEG 源空间功能连接成功解码了 WM 任务。我们的方法结合了跨主题分类和我们小组最近开发的多维指标，能够检测到个体之间共享的连接模式。换句话说，结果可以推广到新的个体，并允许对与任务相关的相位耦合模式进行有意义的解释。