初级视觉的小波表征及其图象压缩效果

初级视觉的Ｇａｂｏｒ函数模型和变换尺度为３是初级视觉处理外界信息的主要特征,在此基础上,由于小波所具有的多分辨特性与视觉处理由粗到细的过程相一致,因而,希望存在一类能够表征这两个初高觉特征的小波亦换。从这点出发,本文先给出了具有变换尺度为３的正交Ｈａａｒ基,而后给出了具有以上两个特征的小波基和小波滤波器。     

手部蛇伤溃疡的治疗

在人体的各个部位中,手与外界接触的机会最多,最频繁,因而也最容易受到损伤。我区地处祖国的南疆,蛇种繁多,部分居民有捕蛇的习惯,同时,随着近年来蛇毒在临床上治疗某些疾病的良好作用,饲养毒蛇有明显增多的趋势,人们接触毒蛇的机会更多,因此蛇伤时有发生,又以手部最为多见。据我科统计,自1998年至今,共收治蛇伤溃疡83例,其中31例发生在手部,现报告如下。1临床资料1·1一般资料本组31例手部蛇伤溃疡患者,男24例,女7例,年龄6~74岁,平均29岁。农民21例,儿童2例,工人8例。蛇伤大部分发生在夏秋季。伤后入院时间3~23天,平均12天。溃疡面积最小0…     

基于混沌优化算法的多信号分类脑磁图源定位方法

如何利用实验测得的脑磁图数据准确定位脑磁图源的真实活动位置是脑功能研究和临床应用中的一个关键问题.在脑磁活动源定位问题中,多信号分类算法是被广泛研究和采用的一类方法.为了克服多信号分类算法及其改进算法--递归多信号分类算法全局扫描时速度太慢的缺点,提出了一种基于混沌优化算法的脑磁图源定位新方法.该方法利用混沌运动遍历性的特点估计目标函数的全局最大值,进行初步的脑磁图源定位;然后,在小范围内结合网格的方法,进一步进行精确的定位.实验结果表明,此方法可实现多个脑磁图源的定位,并且定位速度大大加快,同时又能达到所要求的定位精度.     

脑磁图神经活动源数目的估计

在脑磁图信号的分析中,正确估计出脑磁图神经活动源的数目是进一步分析脑磁图信号的前提。目前广泛采用的信息论方法和主成分分析方法都是根据特征值来确定源的数目,这两种方法在源数目较多、噪声较强的情况下,会导致误判。该文提出了一种噪声调节自动阈值的脑磁图源数目判断方法,利用基于噪声调节的主成分分析并结合聂曼- 皮尔逊准则对脑磁图源数目进行估计。同时,该方法采用了基于小波的噪声方差估计,实现了脑磁图信号中噪声方差的精确估计。通过对基于信息论方法、主成分分析方法以及该文所提议方法的实验结果的比较,表明该文所提议方法能更准确地估计脑磁图源数目,特别是在源数目较多、信噪比较小的情况下,仍能准确地估计脑磁图源数目,具有较大的实际意义。     

基于独立元分析和非线性指数分析的脑电信号中伪迹分量的自动去除

脑电(electroencephalography,EEG)信号中不可避免地存在着眼动、心跳、肌电信号以及线性噪声等伪迹干扰,这些伪迹的存在极大地影响了脑电信号分析的准确性,因此在进行脑电信号分析前需要去除伪迹干扰。为了有效地去除伪迹,结合独立元分析和非线性指数分析,提出一种自动识别并去除脑电信号中伪迹分量的方法。该方法还可同时用于提取脑电信号中的基本节律如!波等。相应的模拟与实际脑电数据的实验结果表明所提议的方法具有很好的识别和去除脑电信号伪迹分量的性能。     

基于独立元分析的脑磁图源定位

在脑磁图源定位问题中,通常感兴趣的是脑内众多神经活动源中的一个或几个,而传统源定位方法,如多信号分类方法,需要将所有源的位置都确定后,通过重组信号波形才能获得所感兴趣源的位置信息。为了提高定位效率,文章作者提出了一种结合独立元分析的脑磁图源定位方法。实验结果表明,该方法能加快定位的速度,同时能够在一定程度上克服噪声的影响,具有更强的抗噪声能力。     

动态神经元的网络模型——Ⅲ.电路实现

在动态神经元网络数学模型的基础上,利用模拟有源器件与数学开关电路组成的硬件系统来达到模拟生物神经元的目的。模拟的结果表明：这个硬件具有神经元脉冲发放的动态过程,系统中每部分的输出信号分别对应于突触后电位、感受器电位、始段分级电位和轴突上脉冲发放等波形,与生物实验资料相似,是一个比计算机仿真更接近实际的连续模型,它将为小型神经元网络的动态特性分析提供了更直观,更可靠的手段。     

棘禾草螟幼虫在苇田内平面与垂直分布的研究

<正> 棘禾草螟 Chilo hyrax Bleszynski是芦苇主要害虫,在我市一年发生2～3代,第一、二代为害较重。为了探讨该虫的田间分布型,1986～1988年,我们结合虫情测报,对第一、二代幼虫在苇田的平面及垂直分市进行了较详细的调查研究,现将结果整理如下。     

高效液相色谱法测定山栀子中栀子甙的含量

采用高效液相色谱法测定中药山栀子（Cardenia jasminoides Ellis）中保肝利胆的主要成分栀子甙（geniposide）的含量。分析结果表明,本方法重现性好,平均加样回收率为100．90％,RSD为2．00％。用此方法测定未知样品山栀子中栀子甙的平均含量为3．463g/100g。