XiaoMi-AI文件搜索系统
World File Search System频域
Simcenter 航空工程测试解决方案
高级分析工具结合了基于时间和频域的模态分析和曲线拟合技术，包括 Simcenter Testlab Polymax 模态参数识别软件。您可以在数据采集的同时运行操作挠度形状或模态分析。初步模态结果可帮助您验证数据质量并当场获得有价值的见解。模式动画可立即显示缺失的测量值或不正确的校准值，而初步模态形状可以向您显示需要额外测量点或不同激励位置的位置。
博士Ram Bilas Pachori FIEEE, FIET, FIETE, FIE
3. R. Mittal、H. Juneja、N. Kasimkota、RK Tripathy 和 RB Pachori，一种基于 IoT 的时频域集成深度学习框架，用于通过肺部声音记录检测肺部疾病，面向医疗 5.0 的临床实践中的高级可穿戴传感器，Springer，印刷中，2025 年。（编辑：H. Liu、G. Tse、P. Bhattacharya、X. Wang、RK Tripathy 和 CH Goh）
博士Ram Bilas Pachori FIEEE, FIET, FIETE, FIE
3. R. Mittal、H. Juneja、N. Kasimkota、RK Tripathy 和 RB Pachori，一种基于 IoT 的时频域集成深度学习框架，用于通过肺部声音记录检测肺部疾病，面向医疗 5.0 的临床实践中的高级可穿戴传感器，Springer，印刷中，2025 年。（编辑：H. Liu、G. Tse、P. Bhattacharya、X. Wang、RK Tripathy 和 CH Goh）
基于Terahertz光谱和超材料技术的奶牛中典型生殖激素的定性和定量检测
摘要：孕酮（Prog）和雌激素（E 1）是奶牛中的典型生殖激素。评估体内这些激素的水平可以有助于发情识别。在当前的工作中，使用Terahertz时域光谱法（THZ-TDS）和超材料技术对Prog和E 1进行定性和定量检测的可行性进行了初步研究。首先，收集并分析了PROG和E 1样品的时域光谱，频域光谱和吸收系数。使用密度功能理论（DFT）进行了振动分析。随后，使用CST Studio Suite（CST）软件中的频域解决方案算法设计和模拟了双环（DR）超材料结构。这旨在确保DR的双共振峰与Prog和E 1的吸收峰相似。最后，对DR对不同浓度的PROG/E 1的响应进行了分析并进行定量建模。结果表明，可以通过比较Prog的相应DR共振峰变化和E 1样本以各种浓度进行定性分析。PROG定量模型的最佳R 2为0.9872，而E 1为0.9828。这表明Terahertz光谱 - 超材料技术用于定性和定量检测典型的生殖激素Prog和奶牛中的E 1是可行的，值得探索。这项研究提供了鉴定奶牛发情的参考。
传感器
摘要：脑电信号被广泛应用于情绪识别，但目前基于脑电信号的情绪识别准确率较低，实时性受到限制。针对这些问题，本文提出了一种改进的特征选择算法来基于脑电信号识别受试者的情绪状态，并结合该特征选择方法设计了一种在线情绪识别脑机接口系统。具体而言，首先提取时域、频域、时频域不同维度的特征；然后采用改进的多阶段线性递减惯性权重（MLDW）粒子群优化（PSO）方法进行特征选择。MLDW算法可以很容易地优化惯性权重的递减过程；最后采用支持向量机分类器对情绪类型进行分类。我们从32名受试者采集的DEAP数据集中的脑电数据中提取了不同的特征，进行了两次离线实验，结果表明四类情绪识别的平均准确率达到了76.67%。与最新基准相比，我们提出的MLDW-PSO特征选择提高了基于脑电的情绪识别的准确率。为了进一步验证MLDW-PSO特征选择方法的有效性，我们开发了一个基于中文视频的在线二类情绪识别系统，对10名健康受试者取得了良好的效果，平均准确率达到了89.5%。证明了我们方法的有效性。
惯性导航系统（IMU/INS）RCI本地为...
研究问题的简介DLRL方向查找器（DF）系统当前使用方位角轴承来识别频率料斗信号，并在三个类别中对检测到的信号进行分类，即固定频率（FF），频率料斗（FH）和爆发。DF系统在频域中进行扫描，并执行所有检测到的信号的DF。由于信号处理是基于框架/批次的，并在频域中进行，并且在每个通道中并行，因此爆发和单个啤酒花的时间持续时间估计的准确性受到限制，因此，快速料斗的Hop速率估计值不准确。使用来自两个或五个DF天线中的每个DF天线中的时域iQ数据基于深度学习/机器学习的算法，以将接收的信号分类为FF，FF和爆发。培训数据需要由适当的数学模型生成，该模型应允许引入噪声和褪色。产生的信号应允许以瞬时带宽内的不同频率同时存在多个信号。预计它将能够估算200个微秒的次数和爆发持续时间。需要使用仿真验证所提出的方法的性能，并使用使用商业阶段相干的信号采集硬件（最少2个通道）生成或捕获的数据在工作站/笔记本电脑或PC上测试。dlrl寻求与学术机构一起开发和实施复杂的统计数字信号处理算法的解决方案。
目录dia-coes的研究问题
研究问题的简介DLRL方向查找器（DF）系统当前使用方位角轴承来识别频率料斗信号，并在三个类别中对检测到的信号进行分类，即固定频率（FF），频率料斗（FH）和爆发。DF系统在频域中进行扫描，并执行所有检测到的信号的DF。由于信号处理是基于框架/批次的，并在频域中进行，并且在每个通道中并行，因此爆发和单个啤酒花的时间持续时间估计的准确性受到限制，因此，快速料斗的Hop速率估计值不准确。使用来自两个或五个DF天线中的每个DF天线中的时域iQ数据基于深度学习/机器学习的算法，以将接收的信号分类为FF，FF和爆发。培训数据需要由适当的数学模型生成，该模型应允许引入噪声和褪色。产生的信号应允许以瞬时带宽内的不同频率同时存在多个信号。预计它将能够估算200个微秒的次数和爆发持续时间。需要使用仿真验证所提出的方法的性能，并使用使用商业阶段相干的信号采集硬件（最少2个通道）生成或捕获的数据在工作站/笔记本电脑或PC上测试。dlrl寻求与学术机构一起开发和实施复杂的统计数字信号处理算法的解决方案。
生物医学信号处理与控制 - SBILab - IIIT-Delhi
分析脑电图 (EEG) 信号以确定人所经历的视觉刺激的性质是一个活跃的研究领域。它是了解人脑与行为之间联系的关键，尤其是对于脑机接口 (BCI) 应用和神经系统疾病患者的康复。在这项研究中，我们进行了一项比较视觉处理两个阶段的实验，确定了与它们相关的不同 EEG 信号，然后使用分类器区分这两个阶段。EEG 数据是使用特征结合实验收集的，该实验要求受试者在 100 毫秒和 1500 毫秒后检测颜色和形状结合的变化。这些研究测试间隔表示的两个阶段是使用从时域和频域提取的特征确定的。这些用于分别训练各种机器学习分类器。信号的时频域表示用于训练卷积神经网络 (CNN)。获得了有希望的结果。因此，这篇论文的贡献是双重的。首先，我们使用深度学习进行 EEG 数据分析，以确定 EEG 试验属于 100 毫秒类还是 1500 毫秒类。其次，我们将这些结果联系起来，预测人类大脑中视觉处理和视觉特征绑定的不同阶段。因此，深度学习可以帮助我们预测视觉处理的阶段，从而解锁有关大脑功能时间动态的重要见解。这有助于为 BCI 应用构建相关工具，例如对视觉特征绑定受损的受试者进行神经康复。
吉他调谐器同步的快速傅立叶变换
需要在吉他上产生适当的和弦和声，需要调整或调整字符串。但是，大多数吉他学习者根据听力手动进行调整。这肯定需要很长时间，因为在调整过程中，用户必须反复转动弦旋钮才能获得和谐而精确的音调。尽管当前在Android上有许多吉他调谐应用程序，但在调整过程中，用户必须手动转动String旋钮。本研究旨在创建一种称为“学习吉他和弦”的工具，以自动执行调整过程，并且根据标准吉他弦音调使用快速傅立叶变换（FFT）算法的频率，结果是快速而准确的。fft可以将信号从时域转换为频域，在时间域F（x）中的一系列数字被转换为频域F（u）。使用已执行的黑匣子测试方法考虑测试结果，可以说，基于Android上的快速傅立叶吉他调谐同步设计应用程序可以正确地获得用户输入的频率。此外，还通过将调谐过程与2个应用程序（即绝对吉他和吉他调谐器）进行比较来进行准确测试。从应用程序比较获得的结果证明，学习吉他和弦应用程序中调谐过程的准确性非常好，因为它可以产生与其他应用程序相同的结果。尽管相等的性格尺度是弦乐器最受欢迎的调音技术之一，但也应考虑其他技术，因为它用于各种乐器中。
飞行控制技术的进步与挑战...
我第 40 次 Alexander A. Nikolsky 荣誉演讲和期刊论文的目标是强调过去 50 年飞行控制技术的关键进步，并展示这些进步如何应用和扩展到新型旋翼机：现代高速军用旋翼机、eVTOL 城市空中机动和先进空中机动飞机。这篇期刊论文的第一部分回顾了旋翼机独有的飞行控制技术驱动因素，并强调了过去 50 年在操纵品质要求 (ADS-33)、基于物理的模型、系统识别和飞行控制领域的关键进展。一个中心主题是从时域到频域的转变，旋翼机的闭环响应和设计方法的表征越来越依赖于复杂的反馈控制系统来实现闭环稳定性、干扰抑制，最重要的是全天候操作的闭环操纵品质响应。重点介绍了过去 50 年的频域分析、设计和测试方法，涉及每个学科的关键进展和两个综合成功案例。在本文的第二部分，我们考虑了四种新型旋翼机的主要挑战、进步和未来需要的研究：军用未来垂直升力系列高速旋翼机、基于常规直升机的无人自主系统/城市空中机动、小型电动 VTOL 无人机旋翼机和大型 eVTOL 城市空中机动旋翼机。接下来的部分将探讨这四种新型旋翼机共同面临的挑战和解决方案空间，作为所需研究进展的蓝图。最后，本文回顾一下，从作者作为一名终身飞行控制工程师/研究员、飞行控制技术组负责人和高级技术专家的角度，考虑了经验教训和关键要点。