摘要：由于水声信号的高度复杂性,基于特征工程的传统水下目标识别方法表现欠佳。基于深度学习模型的水下目标识别方法可有效减少由于特征提取过程带来的水声信号信息损失,进而提高水下目标识别效果。本文提出一种适用于水下目标识别场景的卷积神经网络结构,即在卷积模块化设计中引入卷积核为1的卷积层,更大程度地保留水声信号局部特征,且降低模型的复杂程度;同时,以全局平均池化层替代全连接层的方式构造基于特征图对应的特征向量主导分类结果的网络结构,使结果更具可解释性,且减少训练参数降低过拟合风险。实验结果表明该方法得到的水下目标识别准确率(91.7%)要优于基于传统卷积神经网络(69.8%)和基于高阶统计量特征的传统方法识别表现(85%)。这说明本文提出的模型能更好保留水声信号的时域结构,进而提高分类识别效果。

摘要：基于表面肌电信号(sEMG)非侵入式采集方式设计需求,设计了以STM32单片机为核心处理器,通过WiFi无线传输模块将下位机采集数据传送至PC端。该系统集多通道实时采集、无线传输与存储等功能于一体,可满足临床无损诊断、肢体康复训练以及开展基于表面肌电信号的手势或姿势识别等研究的要求。

摘要：本文以人体上肢动作的sEMG信号为例,提出了基于Noraxon无线表面肌电系统采集不同运动范式肌电信号,并对采集的信号进行特征提取和基于支持向量机算法的分类。经过实践测试,支持向量机算法可以很好地适应上肢康复训练所要求的动作分类要求,为上肢自主康复训练系统设计提供了分类算法支撑。

摘要：目的设计微流控芯片以便高效简便地捕获大量单细胞并测量其弹性模量。方法根据流体力学原理,设计微流控阵列及其单细胞捕获单元的通道结构和几何尺寸。培养海拉细胞,制作微流控芯片实物,并采用该芯片进行单细胞捕获实验。采用COMSOL软件对作用在被捕获细胞上的剪切力和压差进行有限元仿真。根据作用在被捕获细胞两侧的压差值和细胞在捕获通道中的伸长长度,计算出细胞的弹性模量。结果所设计的微流控芯片能有效地捕获大量单细胞;计算的单细胞弹性模量为780.7Pa±100.5Pa,与文献中报道的763Pa±93Pa接近。结论本文所提出的微流控芯片可高效捕获单细胞并测量单细胞力学特性。

摘要：计算机专业课程平台在专业教学过程中占用重要的角色,如何构建让师生共享的课程平台是新工科背景下值得研究的课题。本文以安徽省教学示范课《计算机操作系统》为例,结合软件工程的思想,开发设计了计算机专业课程教学平台,通过作者教学过程中对的使用情况及学生的反馈情况验证了该平台的实用价值和有效性。