脑电信号分析与特征提取 指导教师: 童基均 老师 学 生: 叶建伟 班 级: 03电子（2）班 浙江理工大学信息电子学院 2007.1.17

针对卫星导航欺骗干扰识别问题，提出了基于Wigner对角切片谱的特征提取算法。由于Wigner对角切片谱（DS-WB）存在交叉项及算法复杂度较高等不足，算法定义了基于Choi-Williams核函数的Wigner对角切片谱的分布熵、奇异值熵、均值及其对数和构成四维特征矢量，并通过支持向量机（SVM）实现欺骗干扰识别。算法具有特征矢量维数低，且在低信噪比条件下能达到较高识别率的优点。软件仿真与硬件实验相结合验证了算法的有效性与优越性。在信噪比分别为5 dB和-4 dB时，软件仿真与硬件实验的正确识别率可达90%以上。与基于双谱提取的特征向量相比较，基于DS-WB的特征向量具有更好的识别性能与鲁棒性。

对垃圾图像判别问题中的特征提取和特征选择研究现状进行了总结。从特征的可区分性、鲁棒性和提取效率三个方面比较了垃圾图像判别中的主要特征，分析了特征的优缺点。结合分类学习算法、仿真实验结果，对已有的主要特征选择和分析方法进行比对，为进一步研究特征提取、特征选择方法，提高垃圾图像分类器的性能和效率提供有价值的参考。

针对卫星通信中辐射源信号分类识别问题，开展基于双谱二次特征的卫星通信信号分类识别算法研究。通过辐射源信号的对角切片双谱获取信号特征，利用Chirp-Z变换将双谱对角切片特征从频域扩展至复平面，并提出扩展的基于巴氏（Bhattacharyya）距离的分离度准则作为信号双谱二次特征提取依据，提取出具有最强可分离度特征作为特征参数，并通过支持向量机进行分类识别仿真实验。实验表明，该识别算法适用于不同类型的卫星通信信号，且对噪声变化不敏感，可实现较高的正确识别率。

第 7 章：特征提取与特征选择第一部分：简述题1. 简述 PCA 的原理、学习模型和算法步骤。2. 简述 LAD 的原理和学习模型。3. 作为一类非线性降维方法

用于肌电信号特征提取

感兴趣区域（Region of interests， ROI）是图像中可能引起人眼视觉关注的区域。根据视觉注意机制的经典模型Itti模型来提取图像的低层特征，利用局部迭代的特征合并策略并在此基础上综合自动阈值分割和种子点的区域生长方法得到感兴趣区域的提取方法。实验结果表明该方法符合生物的视觉注意机制，具有良好的鲁棒性。

对心电信号的干扰进行分析，并利用计算机实现心电信号的预处理，包括针对工频干扰、肌电噪声及基线漂移等噪声采取相关的消噪处理 利用计算机实现对心电信号中关键的 QRS 波群特征点自动检测，采用多组 MITBIH 生理信号数据库，对所用算法进行客观评价； 设计并利用计算机算法实现 ECG 信号特征参数提取，并以此预判存在疾病的可能性，采用多组 MITBIH 生理信号数据库，计算疾病预判正确率，对所设计的算法进行客观评价；

使用tensoflow2搭建神经网络进行歌曲分类，使用librosa进行歌曲信号的特征提取

为获取视觉交互系统中人机距离信息, 利用单摄像头检测人脸特征区域、完成人脸与摄像机距离测量。首先通过改进的AdaBoost算法快速检测并定位特征区域, 其次利用系统约束条件、摄像机标定原理和面积映射关系推导像距测量方程, 完成距离测量。通过规定距离实验, 证明了像距测量方程的可行性。复杂环境实验表明系统在复杂背景下有较好的鲁棒性, 但不同光照会影响测量精度。系统适应性实验验证了对多名待测者的普遍适用性, 但佩戴眼镜会影响测量的精度和实时性。测距系统在有效量程内有较高精度, 处理速度约为5 fps, 满足精度与实时性要求。