qq_60423839的博客

makefile测试实践

qq_60423839 — Mon, 27 Apr 2026 15:17:34 +0800

本文展示了一个基于GoogleTest的C++单元测试项目结构，包含以下核心部分：1) include目录存放接口声明(math_utils.h)；2) src目录实现业务逻辑(math_utils.cpp)；3) testcase目录编写测试用例(test_math.cpp)；4) third_party管理GoogleTest依赖；5) Makefile定义编译规则，将业务代码、测试代码和GoogleTest源码编译链接为测试运行器(math_test_runner)。项目实现了接口与实现分离，通过自动

【笔记】《深度学习》-DeepLearning【第一部分】

qq_60423839 — Thu, 29 Jan 2026 17:06:23 +0800

《深度学习基础》一书系统介绍了深度学习的概念、数学基础与核心算法。全书分为三部分：第一部分讲解应用数学与机器学习基础，包括线性代数、概率论、数值计算等核心数学工具；第二部分介绍成熟的深度学习算法；第三部分探讨未来研究方向。书中采用分层概念体系解释深度学习原理，强调通过经验自动学习特征表示的优势。内容涵盖监督学习、无监督学习等算法，并配有Python实现示例（如PCA降维）。本书适合机器学习学生、研究者及希望快速应用深度学习的工程师，可作为理论与实践相结合的权威参考。

《深度学习入门：基于 Python 的理论与实现》（斋藤康毅）

qq_60423839 — Wed, 21 Jan 2026 14:55:07 +0800

本文系统介绍了神经网络和深度学习的核心知识。首先从感知机原理入手，分析了其局限性及多层感知机的非线性表达能力。随后详细讲解了神经网络结构、激活函数（阶跃、Sigmoid、ReLU）和输出层设计。重点阐述了神经网络学习的关键技术：损失函数、梯度下降法、误差反向传播及其实现方法。进一步探讨了优化技巧如参数更新策略（Momentum、AdaGrad、Adam）、权重初始化、Batch Normalization和正则化方法。最后介绍了卷积神经网络（CNN）的架构、典型网络（LeNet、AlexNet、VGG、Re

【自动控制原理】学习笔记

qq_60423839 — Thu, 15 Jan 2026 14:10:37 +0800

《自动控制原理》系统阐述了控制理论的基础知识与应用方法。全书共七章，首先介绍自动控制的基本概念和发展历程，详细讲解拉普拉斯变换及其在微分方程求解中的应用。重点讨论控制系统的数学模型建立方法，包括传递函数、结构图和信号流图等。时域分析部分涵盖稳定性判据、二阶系统响应特性及稳态误差计算。根轨迹法和频率分析法分别从复平面和频域角度分析系统特性。最后介绍控制系统设计方法，包括PID校正和基于根轨迹、频率特性的校正技术。书中通过MATLAB仿真示例直观展示二阶系统的动态响应，并配有丰富的性能指标计算公式，为控制系统分

【教程笔记】KalmanFilter

qq_60423839 — Mon, 22 Dec 2025 18:33:50 +0800

背景知识简介均值 Mean可以使用全量样本的真实值来计算平均值期望 Expectation对一个隐藏状态进行足够多次测量以后它所应表现出来的值方差 Variance对数据样本在其均值附近散布情况进行的度量标准差 Standard Deviation方差的平方根正态分布 Normal Distribution（高斯分布 Gaussian Distribution）其函数图像（高斯曲线）又被称为正态分布的概率密度函数随机变量 Random Variable可以用来描述系统的隐藏状态。

Mahony互补滤波：代码仿真+实测数据处理

qq_60423839 — Mon, 22 Dec 2025 18:33:19 +0800

摘要：Mahony互补滤波是一种轻量级IMU姿态估计算法，通过融合加速度计（低频准确）和陀螺仪（高频准确）数据实现稳定姿态估计。算法包含三个核心步骤：陀螺仪积分更新姿态、加速度计计算姿态误差、PI控制器校正陀螺仪。相比EKF算法，Mahony计算量小，适合嵌入式系统，能有效抑制传感器噪声。文章详细介绍了算法原理、数学公式，并提供了Python和Matlab的代码实现，通过仿真和实测数据展示了滤波效果。互补滤波后的数据能准确去除重力加速度，获得真实的运动加速度。

卡尔曼滤波（Kalman Filter, KF）+Allan方差

qq_60423839 — Mon, 08 Dec 2025 16:05:09 +0800

本文介绍了卡尔曼滤波的核心原理与Allan方差分析方法。卡尔曼滤波基于线性高斯系统假设，通过预测和更新两个步骤实现状态最优估计，其性能取决于过程噪声Q和观测噪声R的设定。Allan方差是量化IMU噪声特性的重要工具，通过分析不同时间窗口的方差，可分离白噪声、零偏不稳定性等噪声成分，为卡尔曼滤波参数提供数据支持。参数调试应遵循"X→P→R→Q"的顺序，其中R可通过Allan方差直接获取，Q则需要结合Allan方差结果进行微调。该方法为惯性传感器噪声分析和滤波参数优化提供了系统化的解决方案。

旋转矩阵（Rotation Matrix）

qq_60423839 — Sat, 29 Nov 2025 11:55:06 +0800

本文系统介绍了三维空间中的旋转变换方法。首先阐述了旋转矩阵的基本性质（正交性、保长性、行列式为1）及其绕单轴旋转的推导公式，重点讲解了罗德里格斯公式在绕任意轴旋转中的应用。其次，详细区分了内旋（绕自身坐标系）与外旋（绕固定坐标系）的本质差异。最后对比分析了欧拉角和四元数两种旋转表示方法：欧拉角直观但存在万向节死锁问题；四元数通过向量+角度的四维表示有效避免了死锁，但不够直观。文中还提供了MATLAB可视化代码，生动展示了旋转矩阵在ENU坐标系中的应用效果。

【COMSOL仿真练习】低频电磁建模：案例4：三维多匝线圈（线性）

qq_60423839 — Fri, 26 Sep 2025 11:35:38 +0800

本文摘要：本案例详细介绍了三维多匝线圈的建模仿真过程。首先基于理论知识构建线性模型，通过圆环和长方体组合创建几何结构，设置铜导体和空气材料属性，并添加线圈激励。特别强调了必须包含"线圈几何分析"步骤才能成功计算。文章还演示了对称结构的处理方法、理想磁导体的设置，以及螺旋线圈模型的构建流程。最后展示了均匀多匝线圈的数值型仿真，通过修改匝数参数实现不同配置。案例涵盖了从基础几何构建、材料配置、激励设置到结果后处理的全过程，为电磁场仿真提供了实用参考。

【COMSOL仿真练习】磁场和线圈建模：案例3：电磁感应

qq_60423839 — Thu, 25 Sep 2025 17:29:00 +0800

本文介绍了电磁感应线圈的建模与仿真过程。首先选择二维轴对称模型和磁场物理场，设置频域研究。通过几何变换创建多个线圈阵列，并添加空气和铜材料。在物理场中配置线圈参数，构建网格时特别处理边界层以适应高频需求。通过参数化扫描研究不同频率下的电磁效应，分析电流密度和发热功率的变化规律。最后比较了单匝和多匝线圈的性能差异，优化网格设置以获得更精确的高频计算结果。整个流程展示了从基础建模到高级参数化分析的完整电磁仿真方法。

【COMSOL仿真练习】低频电磁建模：案例2：永磁体的磁场

qq_60423839 — Thu, 25 Sep 2025 17:28:02 +0800

本文摘要介绍了COMSOL软件在电磁场建模中的应用。主要内容包括：1）低频电磁场建模方法，针对不同电流类型选择频域或稳态研究；2）永磁体磁场建模步骤，包括材料参数设置、对称性处理和网格细化；3）结果可视化和力计算方法。重点演示了如何通过镜像操作还原完整模型，以及如何计算和修正四分之一的力计算结果。案例展示了从几何建模到结果分析的全过程，为电磁场仿真提供了实用指导。

【COMSOL仿真练习】低频电磁场建模：案例1：平行板电容器的静电，瞬态和频域模拟

qq_60423839 — Wed, 24 Sep 2025 12:12:37 +0800

本文介绍了COMSOL软件中低频电磁建模的基础知识，重点演示了平行板电容器的静电、瞬态和频域模拟过程。主要内容包括：1）根据器件尺寸与波长关系选择合适模块；2）通过案例库学习建模方法；3）详细展示了从新建配置、几何建模、材料添加、边界条件设置到计算结果的完整仿真流程；4）演示了电场方向可视化、电容值计算等后处理操作。该案例为初学者提供了电磁场仿真的标准操作范例，帮助理解COMSOL在低频电磁分析中的应用。

【COMSOL仿真练习】流体仿真

qq_60423839 — Mon, 22 Sep 2025 10:52:41 +0800

本文介绍了COMSOL流体仿真的基本流程。首先通过建立三维圆柱体模型，添加水作为流体材料并设置入口、出口边界条件。随后进行网格划分，调整单元大小以平衡精度与计算速度。最后运行仿真计算并查看结果。文中详细说明了从模型构建、材料设置、边界条件定义到网格划分和求解的完整步骤，为初学者提供了清晰的入门指导。仿真结果会因网格设置不同而有所差异，这是流体仿真的基本特点。

【论文阅读】健全个体无辅助运动期间可穿戴传感器双侧下肢神经机械信号的基准数据集

qq_60423839 — Thu, 28 Aug 2025 11:51:18 +0800

本研究介绍了健全人双侧下肢运动信号百科全书（ENABL3S）数据集，该数据集记录了10名健康受试者在无辅助条件下完成多种运动活动（平地行走、上下楼梯和斜坡）时的双侧下肢神经机械信号。研究使用可穿戴传感器采集肌电图（EMG）、关节运动学和惯性测量单元（IMU）数据，并通过统一协议进行后处理。该数据集填补了传统生物力学步态分析与人体活动识别（HAR）之间的空白，为可穿戴下肢辅助设备的控制策略开发提供了基准参考。数据验证表明，膝关节运动学测量与传统光学捕捉结果高度一致，肌电激活模式也符合已有研究。ENABL3S数

【论文阅读】多功能肌电控制的新策略

qq_60423839 — Thu, 28 Aug 2025 11:34:02 +0800

本文提出了一种基于肌电信号模式分类的多功能假肢控制新方法。研究发现，肌电信号在肌肉收缩初始阶段具有确定性结构特征，且不同收缩类型的模式存在差异。通过分段提取时域特征（如平均绝对值、斜率变化等），并采用人工神经网络进行分类，实现了单通道五态比例控制。实验表明，该系统对电极位移不敏感，分类准确率达85-91%，且能适应特征值变化。新方法无需复杂训练即可自然产生控制信号，显著提升了单通道控制的功能数量，为高位截肢者提供了更优的解决方案。

【论文阅读】使用可穿戴电容传感系统进行运动模式分类

qq_60423839 — Thu, 28 Aug 2025 10:34:17 +0800

本文提出了一种可穿戴电容传感系统作为肌电信号(EMG)的替代方案，用于下肢假肢的运动模式分类。该系统通过测量大腿和小腿肌肉收缩引起的电容变化，结合相位相关的线性判别分析分类器，在8名健康受试者和5名胫骨截肢者中实现了平均93.6%和93.4%的分类准确率。研究结果表明，仅使用大腿信号即可获得足够的分类信息，且系统性能与信号通道数量相关。相比EMG系统，该方案具有成本低、抗干扰性强、易于扩展等优势，为智能假肢控制提供了一种新的可行方案。

【论文阅读】MotionXpert：基于肌电信号的优化下肢运动检测分类

qq_60423839 — Thu, 28 Aug 2025 10:32:15 +0800

【摘要】本研究探讨基于表面肌电信号（sEMG）的下肢运动分类优化方法，重点分析站立-坐姿转换动作的检测。通过22名受试者的实验数据，比较不同电极位置（比目鱼肌、胫骨前肌和股直肌）和特征组合（时域/频域）对分类效果的影响。研究采用k近邻、随机森林和支持向量机算法，发现结合时频域特征的随机森林模型表现最优（F1分数87.80±5.11%），其中股直肌信号贡献最大（82.67±8.05%）。结果表明，优化电极布局和特征选择可显著提升外骨骼康复系统的运动意图识别精度，为下肢辅助设备开发提供重要参考。

【论文阅读】基于人工智能的下肢外骨骼辅助康复方法研究综述

qq_60423839 — Thu, 28 Aug 2025 10:27:37 +0800

本文综述了人工智能在下肢外骨骼辅助康复中的应用进展。研究表明，强化学习、神经网络、支持向量机和决策树等AI方法在机器人控制、步态分类、意图检测和关节轨迹预测等关键任务中发挥重要作用。虽然这些技术已显示出改善康复效果的潜力，但目前大多数研究仍局限于仿真环境或健康受试者测试，缺乏针对患者的临床验证。文章指出未来需要加强人机交互设计、数据共享和深度强化学习等新方法的探索，同时强调AI应用应注重伦理考量，确保以患者为中心。该综述为AI技术在下肢康复领域的进一步研究和临床应用提供了重要参考。

【论文阅读】基于多变量CNN模型的可穿戴外骨骼机器人人体运动活动识别

qq_60423839 — Thu, 14 Aug 2025 15:27:24 +0800

本文提出了一种新型多元卷积神经网络（CNN）架构，用于识别用户穿戴下肢外骨骼机器人时的运动活动。研究采集了500名健康成年人在平地、楼梯和坡道三种地形上执行五种日常运动（行走、上下楼梯、上下坡道）时的肌电信号和机器人传感器数据。通过对比实验，研究发现仅使用机器人编码器（髋关节角度/速度）和姿态信号（横滚/俯仰/偏航）的深层CNN架构表现最优，推理速度达1.14秒，F1值达96.17%，显著优于DDLMI（90.68%）、DeepConvLSTM（94.41%）和LSTM-CNN（95.57%）等对比模型。该

【论文阅读】基于卷积神经网络和预提取特征的肌电信号分类

qq_60423839 — Thu, 14 Aug 2025 14:43:19 +0800

【摘要】本研究提出了一种基于预提取特征的卷积神经网络(CNN)肌电信号分类方法。通过从原始EMG信号中提取时域和频域特征作为CNN输入，有效解决了肌电信号非平稳性和变异性带来的分类挑战。实验采用6个上下肢运动数据集，结果表明该方法平均准确率达98.84%，显著优于传统算法(p<0.05)。相比直接处理原始信号，特征预处理不仅提高了分类精度，还大幅降低了计算负载，使训练时间缩短至1.29秒。该模型已集成至开源平台BioPatRec，为智能假肢开发提供了高效可靠的分类方案。