【摘 要】
：
针对移动心电（ECG）信号监测系统中运动干扰难以滤除的问题,提出了一种易于硬件实现的数字自适应变步长最小均方（LMS）算法。通过简化步长因子与输入信号的关系,减少了权值更新系统
【机 构】
：
中国科学院上海微系统与信息技术研究所,上海科技大学信息科学与技术学院,中国科学院大学
【基金项目】
：
上海市科委资金资助项目（14521106200）,上海市经信委资金资助项目（13XI-32）
论文部分内容阅读
针对移动心电（ECG）信号监测系统中运动干扰难以滤除的问题,提出了一种易于硬件实现的数字自适应变步长最小均方（LMS）算法。通过简化步长因子与输入信号的关系,减少了权值更新系统的运算量;分析传统LMS算法收敛性不稳定的问题,结合迭代次数优化步长因子,提高了算法的收敛性能。对比传统LMS算法,所提算法在运算量增加微小的情况下,收敛性能大幅提升,信噪比（SNR）增加大于14dB。仿真结果表明：算法在心电信号进行实时硬件集成滤除运动干扰方面具有运算量小,滤波效果好等优点。
其他文献
传统谱聚类算法直接对原始数据建立高斯核邻接矩阵后再对数据进行聚类,并未考虑数据的深层次特征以及数据的邻域流形结构,并且仅进行单一聚类,针对以上三点不足,提出了利用稀
针对聚合通道特征(ACF)算法中行人外观轮廓不稳定导致检测率下降的问题,使用快速边缘检测检测出待检测图像的边缘图;用边缘图代替ACF算法图像通道中的梯度幅值通道,获取较稳定的行人轮廓信息;采用准确率较高的Real Adaboost分类器提高分类准确性。仿真实验结果表明:算法相对于原ACF算法误检窗口减少,检测精度提升,漏检率在INRIA,Caltech数据库上分别降低了5.1%和14.8%。
为了提高目标跟踪的准确性,针对目标跟踪过程中光照变化、遮挡、姿势变化等问题,提出了基于二维主成分分析(2DPCA)与稀疏表示的目标跟踪算法。在贝叶斯框架中使用了2DPCA与L2规范化呈现快速与鲁棒的目标跟踪算法。提出了新的似然函数表示方法,同时采用增量子空间学习的方法对冗余字典进行更新,有效抑制了跟踪漂移并能处理目标遮挡问题。通过对具有挑战性的跟踪视频进行定性和定量分析,实验结果证明:跟踪方法在跟