-
公开(公告)号：CN103479397B
公开(公告)日：2015-01-07
申请号：CN201310479298.4
申请日：2013-10-15
Applicant: 哈尔滨工业大学
Abstract: 基于松弛算法的彩色超声参数化血流信号提取方法，本发明涉及基于松弛算法的彩色超声参数化血流信号提取方法。该方法为了解决由于软组织的散射强度远大于血红细胞，因此在超声回波信号中包含的杂波与血流信号的能量比可能高达40dB，导致血流信号提取的准确性差的问题。该方法采用彩色超声检测仪对血流信号进行采集，并发射至接收信号端；接收信号端对接收到的超声回波信号建立仿射模型，采用松弛算法估计仿射模型参数，获得血流信号频率和振幅。本发明适用于超声彩色血流成像技术领域，应用于各种心血管疾病研究中。
-
Patent Agency Ranking
公开(公告)号：CN101900708A
公开(公告)日：2010-12-01
申请号：CN201010256309.9
申请日：2010-08-18
Applicant: 哈尔滨工业大学
Abstract: 一种基于振动和声频信号的高速列车轨道伤损探测方法，属于信号检测与处理及安全监测领域，它解决了现有列车轨道探伤存在的探测速度慢、探伤方法单一的问题。所述方法为：一、通过设置在列车轨道测试点上的传感器采集列车轨道的振动信号和声频信号；二、分别提取振动和声频信号所包含的信息特征；三、采用非线性相关分析方法分别获得振动信号非线性相关曲线和声频信号的非线性相关曲线；四、分别分析步骤三获得的两条非相关性曲线信息，分别获得两条非线性相关系数曲线的最小值；五、将两个最小值及其对应的信息进行数据融合，获得损伤系数，根据该系数查表获得损伤程度。本发明适用于铁路列车轨道伤损探测及列车运行安全监测。
-
公开(公告)号：CN101900708B
公开(公告)日：2013-07-31
申请号：CN201010256309.9
申请日：2010-08-18
Applicant: 哈尔滨工业大学
Abstract: 一种基于振动和声频信号的高速列车轨道伤损探测方法，属于信号检测与处理及安全监测领域，它解决了现有列车轨道探伤存在的探测速度慢、探伤方法单一的问题。所述方法为：一、通过设置在列车轨道测试点上的传感器采集列车轨道的振动信号和声频信号；二、分别提取振动和声频信号所包含的信息特征；三、采用非线性相关分析方法分别获得振动信号非线性相关曲线和声频信号的非线性相关曲线；四、分别分析步骤三获得的两条非相关性曲线信息，分别获得两条非线性相关系数曲线的最小值；五、将两个最小值及其对应的信息进行数据融合，获得损伤系数，根据该系数查表获得损伤程度。本发明适用于铁路列车轨道伤损探测及列车运行安全监测。
-
公开(公告)号：CN101763336B
公开(公告)日：2012-06-27
申请号：CN201010032480.1
申请日：2010-01-18
Applicant: 哈尔滨工业大学
Abstract: 一种具有激励噪声添加参数选取功能的集合经验模态分解方法，它涉及信号分析与处理技术领域。它解决了使用常规的EEMD方法对非线性非平稳信号进行处理时无法同时实现分解精度高且计算量小的问题，本发明的步骤为：一、设置集合数和噪声振幅的初始值；二、对信号进行集合经验模态分解，得到内固模态函数矩阵；三、求得分解误差下界，与前次结果比较，判断分解误差是否减小以便确定是否还要进一步减小噪声振幅；四、改变集合数，获得新集合数下的分解误差；五、比较分解误差，使EEMD的分解误差差值小于预设分解误差差值，停止分解，具有激励噪声添加集合数和添加振幅选取功能的集合经验模态分解完毕。本发明适用于非线性、非平稳信号处理。
-
公开(公告)号：CN103479397A
公开(公告)日：2014-01-01
申请号：CN201310479298.4
申请日：2013-10-15
Applicant: 哈尔滨工业大学
Abstract: 基于松弛算法的彩色超声参数化血流信号提取方法，本发明涉及基于松弛算法的彩色超声参数化血流信号提取方法。该方法为了解决由于软组织的散射强度远大于血红细胞，因此在超声回波信号中包含的杂波与血流信号的能量比可能高达40dB，导致血流信号提取的准确性差的问题。该方法采用彩色超声检测仪对血流信号进行采集，并发射至接收信号端；接收信号端对接收到的超声回波信号建立仿射模型，采用松弛算法估计仿射模型参数，获得血流信号频率和振幅。本发明适用于超声彩色血流成像技术领域，应用于各种心血管疾病研究中。
-
公开(公告)号：CN101763336A
公开(公告)日：2010-06-30
申请号：CN201010032480.1
申请日：2010-01-18
Applicant: 哈尔滨工业大学
Abstract: 一种具有激励噪声添加参数选取功能的集合经验模态分解方法，它涉及信号分析与处理技术领域。它解决了使用常规的EEMD方法对非线性非平稳信号进行处理时无法同时实现分解精度高且计算量小的问题，本发明的步骤为：一、设置集合数和噪声振幅的初始值；二、对信号进行集合经验模态分解，得到内固模态函数矩阵；三、求得分解误差下界，与前次结果比较，判断分解误差是否减小以便确定是否还要进一步减小噪声振幅；四、改变集合数，获得新集合数下的分解误差；五、比较分解误差，使EEMD的分解误差差值小于预设分解误差差值，停止分解，具有激励噪声添加集合数和添加振幅选取功能的集合经验模态分解完毕。本发明适用于非线性、非平稳信号处理。
-
-
-
-
-
Search Results
6
records
(took 0.027 seconds)
