退出
我的积分:
中文文献批量获取
外文文献批量获取
Arnab Roy; John F.Doherty; 郑仕链;
Department of Electrical Engineering,The Pennsylvania State University University Park,PA 16802.;
经验模式分解; 微弱信号检测; 随机数据重排; 二分滤波器组;
机译:应用经验模式分解和互信息来分离嵌入信号中的随机和确定性影响
机译:随机矩阵方法搜索隐藏在噪声数据中的微弱信号
机译:有针对性的方法将基于掩蔽信号的经验模式分解应用于基于动态电力系统广域测量信号数据的模式识别
机译:在精神任务分类中应用经验模式分解和茶叶能量运算符对脑电图信号的应用
机译:果蝇黑腹果蝇胚胎后肠的模式,形态发生和定向细胞重排中的细胞信号传导。
机译:PNAS Plus:沉浸式音频运动会增强噪声中微弱信号的神经和感知显着性
机译:EEG信号在EMD域S. S. Shafiul Alam,S中的非线性动力学使用非线性动力学。 M. Shafiul Alam,Aurangozeb和Syed Tarekshahriar摘要 - 基于EMD Chaos的方法,提出了对应于健康人的EEG信号,癫痫发作期间的癫痫患者和Seizureattacks。脑电图(EEG)首先被凭经上分解为内在模式功能(IMF)。这些IMF的非线性动力学在最大范围的指数(LLE)和相关尺寸(CD)方面是量化的。本域中的混沌分析应用于与健康人相对应的大型脑电图(Asepileptic患者)(两者都有癫痫发作)。因此,所获得的LLE和CD表展的价值可以从EMD领域的其他EEG信号中清晰地区分脑电图的表达展示。本拟议的方法可以帮助研究人员以预测癫痫发作的癫痫发作技术。索引术语 - 脑电图(EEG),仿真态分解(EMD),最大的Lyapunov指数(LLE),相关维度(CD),癫痫发作。作者与电气电子和电子工程公司,孟加拉国工程和技术大学,孟加拉国达卡 - 1000(电子邮件:imamul@eee.buet.ac.bd)pdf cite:s. m. shafiul Alam,s。 M. Shafiul Alam,Aurangozeb和Syed Tarek Shahriar,“EEG信号歧视在EMD领域的非线性动态,”计算机电气工程卷国际杂志。 4,不。 3,pp。326-330,2012,上一篇论文对情绪的看法,使用建设性的学习言论下一篇论文物理层障碍意识到OVPN连接选择机制版权所有©2008-2013。国际计算机科学与信息技术协会出版社(IACSIT Press)
机译:邻近的碳和氢。 12.对苯二甲酸3-苯基-2-丁酯的溶剂分解中的内部重排。 13.对苯二甲酸2-苯基-1-丙酯的溶剂分解和内部重排。
机译:用于确定用于应用经验模态分解(EMD)以及对通过应用EMD获得的固有模式函数进行解调的掩蔽信号的系统和方法
机译:确定用于应用经验模态分解(EMD)的信号和用于解调从EMD应用中获得的固有模式功能的系统和方法
机译:用于异步传输模式网络中的交换系统的调度程序,具有重排单元,该重排单元使用混洗模式将输入数据划分为预定数量的组
抱歉,该期刊暂不可订阅,敬请期待!
目前支持订阅全部北京大学中文核心(2020)期刊目录。