-
题名基于空时融合隐马尔科夫模型的舰艇编队目标识别方法
被引量：7
- 1
-
-
作者
但波
姜永华
李敬军
卢毅
-
机构
海军航空工程学院电子信息工程系
海军装备部
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2015年第4期926-932,共7页
-
基金
上海市科学技术委员会资助课题(11DZ2260800)
省部级基金资助课题
-
文摘
基于末制导雷达搜索舰艇编队目标时获得的目标大角域高分辨距离像(HRRP)信息,该文建立了描述单个HRRP样本内向量之间统计关系的"各态历经"空间隐马尔可夫模型(SHMM)和描述HRRP样本之间统计关系的"从左到右"时间隐马尔可夫模型(THMM)。与对一类目标全方位角训练数据只建立一个THMM模型的方法相比,该方法充分利用目标的大角域HRRP信息,提高了识别性能。通过对5类舰船目标的仿真和3类民用船只的外场实测数据分析表明该方法的有效性。
-
关键词
雷达高分辨距离像
空间隐马尔可夫模型
时间隐马尔可夫模型
编队目标识别
-
Keywords
Radar High Resolution Range Profile（HRRP）
Spatial Hidden Markov Model（SHMM）
Temporal Hidden Markov Model（THMM）
Formation target recognition
-
分类号
TN957.51
[电子电信—信号与信息处理]
-
-
题名基于DHMM的低心率变异性心音的分割方法
被引量：4
- 2
-
-
作者
许春冬
周静
应冬文
侯雷静
龙清华
-
机构
江西理工大学信息工程学院
中国科学院声学研究所语言声学与内容理解重点实验室
-
出处
《数据采集与处理》
CSCD
北大核心
2019年第4期605-614,共10页
-
基金
国家自然科学基金（11864016）资助项目
江西省研究生创新专项资金（YC2018-S330）资助项目
江西省文化艺术规划课题（YG2017384）资助项目
-
文摘
针对现有心音定位分割方法精度有限的难题,提出了一种对心率变异性较低的信号建模分割方法。首先,通过集合经验模态分解(Ensemble empirical mode decomposition,EEMD)使用有效的本征模态函数(Intrinsic mode function,IMF)分量来表征心音信号,提高心音信号的可分析性;然后,通过基础心音与非基础心音间的高斯约束关系建立高斯混合模型(Gaussian mixture model,GMM);接着,优化隐马尔可夫模型(Hidden Markov model,HMM)并建立基于时间相关性的隐马尔可夫模型(Duration-dependent hidden Markov model,DHMM),更简洁地描述分割模型,降低算法复杂度;最后,通过时域特征区分出s1,收缩期,s2和舒张期。将本文算法与经典Hilbert算法和逻辑回归的隐半马尔科夫模型(Logistic regression hidden semi-Markov model,LRHSMM)算法进行了对比,实验结果表明,本文算法的检出正确率和运算耗时等评价指标更优。
-
关键词
心音分割
集合经验模态分解
高斯建模
时域特征
基于时间相关性的隐马尔可夫模型
-
Keywords
heart sound segmentation
ensemble empirical mode decomposition
Gaussian modeling
time domain feature
duration-dependent hidden Markov model(DHMM)
-
分类号
R31
[医药卫生—基础医学]
-
