- 博客(42)
- 收藏
- 关注
原创 电磁波重构心电图中对金标准归一化问题的探讨
本文探讨了心电图(ECG)信号处理中的幅值归一化方法。针对ECG波形幅值差异大(R波高幅值、P/T波低幅值)导致模型训练易忽视低幅值区域的问题,重点分析了等频分箱(EFB)方法的应用。通过将ECG信号按幅值排序并均匀分箱,EFB能提高低幅值区域的分辨率,平衡各波形的权重。文章详细介绍了EFB的实现步骤(包括分箱、等级映射和逆变换重建),并与等宽分箱进行了对比,指出EFB能更好地均匀化幅值分布。同时强调了数据分割时需避免泄露问题,建议按受试者划分数据集。最后简要讨论了信息熵分箱和卡方分箱等监督方法在ECG回归
2026-08-18 16:36:17
271
原创 论文复现8
也就是预设参数范围、步长,逐个测试验证,这样的好处是速度快,但处理复杂情况,它的局限性会突显。此外,其优化目标由两项组成,第一项是常见的能量损失率,第二项是筛选出呼吸、心跳能量集中的频带(模式判别),因此产生了两个阈值,这两个阈值设置不到会导致分解失效。的硬性约束(筛选器),即必须有一个IMF几乎都是呼吸频段、一个IMF几乎都是是心跳的频段,否则分解不成功,但我认为,这个要求可能过于苛刻,尤其是本文仅使用网格搜索参数的情况,在。****开始********结束****
2026-06-04 20:42:45
178
原创 论文复现7-续
这个算法是一种仿生学的设计,类似的“动物园算法”已经非常多了,灰狼算法算是这个领域中最为经典的算法之一,通俗的理解是其模仿了狼群中的等级制度,并赋予了各个等级不同的意义与操作。总体来讲,这个效果不佳,这是这类算法的一个通病,换数据库、换优化算法、换各种东西,结果差异非常大,也就是要求不断的排列组组合,直到找到一种有效的组合。所有狼都会根据头狼们报告的位置,不断调整自己的位置,慢慢形成一个包围圈,向猎物(最优解)靠近。随着“狩猎”进行,狼群会慢慢收紧包围圈,动作越来越小,最后集中到最优点附近,完成搜索。
2026-06-03 14:44:08
229
原创 论文复现7
本文探讨了基于毫米波雷达的非接触式生命体征测量技术,重点复现了《激光与光电子学进展》期刊中提出的ASA-VMD方法。研究揭示了算法调参复杂、频率估计方法待优化等问题,特别是在处理极端生理状况(如剧烈运动后)时效果欠佳。作者建议未来研究应关注适应度函数设计和频率估计算法改进,以提升系统在复杂场景下的鲁棒性。
2026-05-26 16:35:50
394
原创 parall scan(并行扫描)通俗理解
本文探讨了人脑与计算机在处理并行计算时的差异,以Mamba模型中的parallelscan机制为例。人脑倾向于串行处理任务(如加法运算),而计算机通过多线程实现高效并行。Mamba利用状态空间模型的递推运算满足结合律的特性,通过并行扫描算法将O(L)的串行计算优化为O(logL)的并行步骤,解决了RNN的串行瓶颈问题。配合硬件感知算法,Mamba在训练时保持Transformer的并行效率,推理时实现RNN的常数时间更新。这种创新设计揭示了人工系统通过恰当重组可能突破神经网络的性能限制。
2026-05-21 21:00:00
387
原创 相对自适应判别器(Relative Adaptive Discriminator, RAD)
本文尝试复现了一种改进的生成对抗网络(RAD-GAN)的一个创新点:引入相对自适应判别器机制解决传统GAN训练中的不稳定问题。创新性地采用相对logit差异评估样本,而非传统绝对分数判别。具体实现包括:生成器损失函数促使生成样本与真实样本差异最大化;判别器损失函数则基于样本对的相对差异进行优化。实验表明该方法能有效缓解模式崩溃和梯度消失问题,提升训练稳定性。相关PyTorch实现代码展示了相对自适应损失函数的具体计算过程。
2026-05-09 16:03:46
268
原创 基于MATLAB的ECG R峰自动检测与交互式校正系统
本文介绍了一个基于MATLAB的R峰检测与交互校正系统,主要功能包括:1)鲁棒的R峰自动检测算法,采用自适应阈值和抗干扰设计;2)交互式编辑界面,支持点击增删R峰、整体偏移校正、删除密集峰等功能;3)独创的基准峰重测机制,通过手动标注典型R波实现病理样本的精准检测;4)自动生成高斯目标波形用于后续分析。系统针对噪声干扰、阈值漂移和病理异常等问题提供了完整解决方案,实测可将标注效率提升10倍,支持批量处理128Hz采样率的ECG信号,输出包含标准化ECG、高斯波形和R峰标记的三列数据。该工具特别适用于需要高精
2026-05-07 20:50:16
79
原创 总变差正则化(TV Loss)的思考
摘要:作者在重构一维时序信号时发现边缘毛刺问题,尝试用TVLoss约束梯度变化来实现去噪。但发现TVLoss会强制信号完全平滑(直线),与真实边缘特征冲突。此外,标准化后的信号幅值较低,导致L1损失无法有效对抗TVLoss。最终调整为惩罚输出与目标的梯度差异而非直接惩罚输出梯度。该经验分享为调参提供了新思路。
2026-04-30 16:17:52
70
原创 番外续2-MIT-BIH Arrhythmia Database
本文分析了MIT-BIH心律失常数据库的文件结构和内容差异。研究发现,数据库包含71个.dat文件,其中48个为官方标注的标准记录,23个为前缀带"x"的副本文件。通过信号对比分析,发现标准记录与x前缀副本在波形上无明显差异。研究进一步统计了各记录的注释标签类型及数量,识别了19种表示R峰位置的心搏类型字符(如N、L、V等)。为适应不同采样率需求,开发了数据读取和降采样函数,可同步处理原始信号和注释信息,并提取R峰位置。该分析为心律失常研究提供了数据预处理基础。
2026-04-24 20:53:48
249
原创 一种表征心电图信号多重分形的方法——质量指数谱曲率。
摘要:本文基于多尺度多重分形分析方法,通过曲率量化心电图(ECG)信号的非线性特征。研究发现健康小鼠ECG信号的非线性最强,该方法同样适用于人类ECG分析。研究采用质量指数谱技术,通过熵和曲率分别表征信号不确定性和非线性复杂度,并提供了完整的MATLAB实现代码。实验结果表明,正常小鼠ECG数据与文献报道的多重分形特征趋势一致。该方法为生物医学信号分析提供了新的量化工具。
2026-04-14 21:07:25
63
1
原创 番外(开源心电图数据库处理)-续
经过统计发现共有70、78、83、86、124、126六种,对应的ASCII为:F、N、S、V、|、~。依次是心室律与正常心律的融合、正常节拍、室上性早搏、室性早搏、孤立的QRS状伪影、信号质量的变化[1]。同时查阅了一下相关的文献,没看到有研究对其进行清洗,大家普遍认为该数据集质量很高,是一个有效的参考数据集。直观感觉,我并未发现有什么问题,当然我并不具备专业的医学背景,无法看懂心电图的细节问题。126是信号质量变化,是我关注的一点,我对比发现:并不一定是两条导联均出现质量变化。
2026-04-08 15:57:25
337
原创 番外(开源心电图数据库处理)--mit-bih-normal-sinus-rhythm-database的使用教程
心电图信号由一个文本头文件(.hea)、一个二进制文件(.dat)和一个二进制注释文件(.atr)描述[2]。具体为什么有多个头文件,我也不是很了解,有需要的可以查阅相关资料,知道上述信息咱们就可以进行实验了。212是MIT格式(两个12-Bit) 12是采样位数,ECG1是信号描述。其中头文件有个细节:有的后缀有-,有的是--。16273是标识号,2导联,128hz,总样本数,起始时间。***本文不介绍数据集内容,仅分享如何读取到心电图***第二关:数据格式(需要下载配置。输出的都是:78,这对应了。
2026-04-07 16:06:14
403
原创 空域波束成形
摘要:本文提出了一种基于MVDR(最小方差无失真响应)的空域波束成形算法,用于均匀线阵的信号增强。该算法通过最小化输出总功率来抑制干扰和噪声,同时保证期望方向信号无失真通过。实现方案包括协方差矩阵估计、MVDR权重计算和两步角度搜索(粗搜2°、细搜0.1°)。算法通过相位解缠绕、带通滤波(0.05-6Hz)和均值滤波处理信号,并计算平滑二阶差分输出。实验表明,该方法能有效提升信噪比,适用于毫米波雷达等多通道信号处理场景。
2026-03-20 12:51:44
466
原创 共轭相乘在毫米波雷达相位处理中能有什么妙用?
摘要:本文探讨了复数共轭相乘在信号处理中的应用,特别是在毫米波雷达生理监测中的创新实践。研究基于IWR6843ISK雷达采集的胸部运动数据,通过1发4收模式获取四天线相位信号。研究发现:双天线组合会抵消生理信息但适合角度估计;三/四天线组合需共轭修正以保持生理信号相位一致性。通过相关性分析表明,在呼吸(0.1-0.5Hz)和心跳(0.8-2Hz)频段,修正后的信号保持良好相关性,而原始信号在心跳频段差异显著。该研究为毫米波雷达在生理监测领域的应用提供了新思路。
2026-03-17 17:08:24
705
原创 浅析mmWave Studio的Frame配置
首先参考这个,这是一张chirp和profile存储的框架,可以发现其允许我们独立设计高到512个Chirp的特性以及配置4个独立的profile,基于此可以得出一个结论:我。原因是我对着bil的视频配置分别设置为0和2,采样后产生了两个文件,总计内存约为2G,这和我之前调研的一个开源数据库的内存是有非常大的出入的。我只是把采样点数改为256,按照其计算思路应该是629145600bytes,但却出现了2G,而将其改为0,就符合该数据库的计算思路了。,我们需要借助多样的Chirp实现更好的测试。
2025-09-08 22:47:14
1118
原创 毫米波雷达信号处理步骤顺序
本文介绍了毫米波雷达信号处理的预处理方法,包括参数初始化、距离FFT(Range-FFT)和多普勒FFT(Doppler-FFT)处理流程。作者提供了MATLAB代码实现,详细说明了如何去除静态杂波、计算物理距离和多普勒速度。针对内存问题,提出了通过CFAR方法缩小处理范围。最后介绍了使用MUSIC算法进行角度估计和相位解包裹的方法,为毫米波雷达信号处理初学者提供了完整的预处理方案。文章包含参数设置、算法实现和可视化代码,可作为毫米波雷达信号处理的实用参考。
2025-09-02 19:44:33
685
2
原创 信号时域与频域的可视化(基于Matlab)
本文介绍了一个用于信号分析的MATLAB函数visualize_signal,该函数可同时显示信号的时域和频域特性。函数接收信号、采样率、时间范围、频率范围及分辨率等参数,通过FFT变换对信号进行频谱分析。使用时域子图显示原始信号,频域子图显示特定频率范围内的频谱幅值。该函数实现了信号截取、FFT点数优化、频谱计算等功能,便于快速分析信号特征。最后通过示例调用展示了函数的实际应用,为信号调试提供了便利工具。
2025-08-18 16:17:35
410
原创 VMD例程(Matlab 2021b可直接使用)
VMD已是该领域大家熟知的算法了,各种教程与解析已经铺天盖地了,本文仅给出算法供大家调用验证,不进行解析。
2025-08-12 00:00:00
489
原创 DCA1000使用网线采集数据时的注意事项
DCA10000数据采集板与mmWaveStudio软件配合出现"Unable to read FPGA Version"错误。本文总结了关键解决方法
2025-08-11 13:09:19
1077
4
原创 论文复现6
这里面L=N-K+1,K是一个超参数,如何设计K是一个重大的问题,类似我的方案,前六个奇异值已经包含了信号的几乎所有成分,但最开始我调的时候用了个历程,他将L设计为N/3,前六个就大概只包括80%的能量,但这文章我并未发现是如何设计K的,所以讲一讲我的想法:我的想法是K的长度应该至少要包含一个完整的心跳周期,这样应该可以更好,但效果可以看到和文章的应该是不同的。这个是他文章中的图:他说突出了三次谐波的部分,但这个图应该是特意截取了三次谐波范围的幅值,我的复现无论怎么调节,整体来看三次谐波已经非常小了,
2025-07-03 10:17:47
972
原创 官方DataCapturedemo_xWR.lua的教程
摘要:使用DCA1000EVM采集雷达信号时需注意操作流程:1)连接设备后出现FPGA版本号是关键,若未显示需重启设备;2)设置频率和波特率(921600)后直接运行官方LUA脚本即可,无需手动导入固件;3)脚本默认使用测试数据源,需删除或注释脚本中的"TestSource"才能获取真实雷达信号。错误操作如二次导入固件会导致系统卡机,建议严格按指南流程操作。
2025-07-01 09:36:21
285
原创 论文复现5
根据打印信息我彻底了解了该指令的使用方法:首先小波包分解的层数,层数越高其节点越高,这代表了频谱分辨率越高,其次节点数的索引是不会包含前几层的索引值的,例如咱们的七层分解,开始的节点索引就是127,所以在重构信号时节点索引需要根据情况来设计,而不是按照咱们上文分析的10-26,在本次应该是137-153,这也与上面的打印值是可以对应的。效果就是这样,了解一下小波变化,也许对后续的分析有帮助。讨论:在这里我不知道是本身小波分解的问题,还是其它问题,但这样的频谱分布不按计算的顺序来,有可能造成的就是信息丢失。
2025-06-16 16:01:40
702
原创 论文复现4
这里我个人分析一下,大家可以思考一下自己深呼吸时的状态,胸腹的起伏是远超正常呼吸导的,在信号的反应上就是呼吸成分更多,振幅更高,这可能是导致谐波阶数远超目前关注的谐波范围。(这是我的一个测试,输入信号为整个60s,并未加滑动窗口)在两端是相等的,而我们这个情况是不等的,所以分别计算了两端的频率差(最开始没注意到,按原文中的也有进步,注意到后微调,又进步了一点点)这不仅是实时性的问题,也证明了文中的观点,信号长度的设计很影响结果,因为其中包括FFT等运算,所以信号长度是一个很关键的超参数。
2025-06-02 20:38:31
688
原创 论文复现3
[1]戴鹏,曹忠丽,陈飞鸣,等.一种非接触式人体生理信号监测方法[J].传感器与微系统,2013,32(03):49-52.DOI:10.13873/j.1000-97872013.03.020.本文使用的传感器为PVDF传感器,本文主要想法是尝试复现该LMS滤波器作用于毫米波雷达信号并进行可行性分析。
2025-04-09 21:48:28
407
原创 论文复现2
复现Non-contact monitoring of human cardiorespiratory activity during sleep using FMCW millimeter wave radar
2025-04-07 14:51:04
1198
原创 论文复现1
复现论文:Short Communication: Continuous body movement-robust respiration rate detection using Frequency-Modulated Continuous Wave millimeter wave radar based on non-negative matrix factorization algorithm
2025-03-30 17:50:53
1002
原创 Python绘制混淆矩阵
混淆矩阵为评估分类模型提供了一种直观的方式,使得我们可以详细分析模型的表现,尤其是在类别不平衡的情况下。通过理解混淆矩阵的内容和相关指标,我们可以更有效地优化和调整模型,提升其分类性能。这种方法仅适用于其中数据已知的情况,方便对颜色等的调节,但python生成的图片可能不符合一些论文对图片分辨率的要求,所以后续我会继续分享其它绘制混淆矩阵的方法。我首先在这里分享一下如何使用python绘制简单的混淆矩阵,后续可能会出通过python库对混淆矩阵进行计算的过程以及使用Origin绘制的过程。
2024-10-16 19:00:39
1805
1
原创 在Excel中快速完成批量替换
最近打标签由于数据库特别混乱大多需要我手动校验后进行调整,所以使用python来自动完成这项工作变得不切实际,所以只能自己一个人慢慢做,这极大降低了效率,而发现其中一项工作是将一些名称完成固定的替换,这个功能几乎每个数据都要用,所以我就想着通过Excel本身自带的编程功能来实现,发现效果还可以,这用的应该是很经典的VB语言。参数解析:("G1:H8") 从G1到G8是原名称,H1到H8是替换后的名称。("A:A") 替换的范围。这是我刚了解到的在Excel中编码,以前完全没用过,能提高一定的效率。
2024-07-20 16:45:23
925
原创 51单片机通过8255A扩展控制数码管和LCD1602
使用51单片机控制数码管和LCD1602进行计数,同时通过矩阵键盘进行控制,完成一个数字时钟,本文主要介绍数码管和8255A的驱动方式,并提供相关代码。
2024-01-07 14:16:59
3577
原创 免费的保险丝
其实一个保险丝的价格并没有多贵,尤其是这种接入市电的用电器,安全应该放在第一位,这种设计有些开发经验的应该就能分析出无法实现恒温控制,开关的选择上也存在危险。同时希望少一些这种设计(毕竟保险丝没那么贵,大概就是几毛钱的成本,在获取利益的同时重视产品品质才能长远),也希望消费者选择一些靠谱的用电器,否则发生触电或是火灾那真是得不偿失!不同于常规的保险丝,这个保险丝完全免费,作用应该就是发生短路时候烧断实现保护功能,至于这种保险丝的保护效果如何笔者也不是很清楚,如果有使用过的朋友们可以在评论区科普一下。
2023-09-09 22:06:35
341
原创 C语言简介
C语言简介C语言是一门面向过程的计算机编程语言,与C++、C#、Java等面向对象编程语言有所不同。C语言的设计目标是提供一种能以简易的方式编译、处理低级存储器、仅产生少量的机器码以及不需要任何运行环境支持便能运行的编程语言。C语言描述问题比汇编语言迅速、工作量小、可读性好、易于调试、修改和移植,而代码质量与汇编语言相当。C语言一般只比汇编语言代码生成的目标程序效率低10%-20%。因此,C语言可以编写系统软件。 当前阶段,在编程领域中,C语言的运用非常之多,它兼顾了高级语言和汇编语言的优点,...
2023-09-04 14:33:03
1576
原创 51单片机----引入定时器/计数器
在之前的文章中,软件延时是通过占用CPU运算时间实现延时,在延时期间单片机实际上仍处于运行所以无法进行其他功能,这是不能符合大部分工作场景的,所以需要引入定时器功能。51单片机的定时器和计数器是通过同一个硬件电路实现的,通过配置寄存器的不同,就可以将他当作定时器或计数器。定时器和计数器的区别为使其存储器数值加1的信号不同,当配置为定时器时,每经过一个机器周期,计数存储器的值加1(靠内部震荡电路信号),当配置为计数器时,P3.4或P3.5引脚每输入一个负跳变信号,计数存储器的值加1。
2023-06-28 17:53:43
230
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人
RSS订阅