利用等离子体光电信号同步采集系统，对钛合金激光焊接熔透焊缝与未熔透焊缝在等离子体特征振荡频率上的差异展开了对比研究。结果表明：对于熔透焊缝与未熔透焊缝，等离子体电信号的特征振荡频率存在明显差异。相比熔透焊缝，在焊接初始阶段，未熔透焊缝的等离子体电信号的特征振荡频率较高，并且特征振荡频率随热输入变化的速度也有明显差异。在相对稳定阶段，未熔透焊缝的等离子体电信号的特征振荡频率的波动范围较小，相对稳定，而此时熔透焊缝的等离子体电信号的特征振荡频率的波动范围较大，稳定性相对较差，特征振荡有明显的不确定性。

针对现有心电心音监测仪覆盖性不足、时效性差等问题，提出了一种基于无线传输的心电(ECG)心音(PCG)监护系统设计。本系统设计有64 个监护节点，各节点由传感模块、调理采集模块、存储模块、主控管理模块、通信模块、电源管理模块组成，各节点可对12 导联心电信号、HKY-06B 心音信号进行同步采集传输，将信息汇总给监护中心并及时处理与反馈，实现远程实时监护，为心血管疾病的早期诊断提供参数依据；适用于医院、社区、灾害救援现场如方舱医院等场所，保证高可靠性的同时极大提高了医护人员的工作效率。

本文通过引入线性核的主成分分析和极端梯度提升(XGBoost)模型，给出了一种连续视听刺激下脑电(EEG)情感四分类识别算法。为体现适普性，文中使用传统的功率谱密度(PSD)作为脑电信号特征，并结合XGBoost学习得到weight指标下的特征重要性度量，然后使用线性核的主成分分析对经阈值选择的重要特征进行处理后送入XGBoost模型进行识别。通过实验分析，gamma频段在XGBoost模型识别的参与重要度明显高于其他频段；另外，从通道分布上看，中央、顶叶和右枕区相对于其他脑区发挥着较为重要的作用。本文算法在所有被试参与(SAP)和被试单独依赖(SSD)两种识别方案下的识别准确率分别达到78.4%和92.6%，相对其他文献的识别算法取得了较大的提升。本文提出的方案有助于改善视听激励下脑机情感系统的识别性能。

基于表面肌电信号 (sEMG)的手部动作模式识别技术已被广泛研究，它在健全的受试者中有良好的分类性能。但对于截肢者的日常使用，其性能还需进一步研究。本文对截肢者进行了 10天的肌电信号采集，调查了截肢者对于不同动作的分类性能。模仿实际应用条件，取时域特征为支持向量机(SVM)的输入，对截肢者的双侧手臂进行手部动作识别，结果表明，健全侧的分类效果远好于截肢侧；同时，取不同的时域特征对动作进行分类，结果表明，新提出的时域特征具有更好的分类效果。通过对不同动作的分类识别，表明截肢者可以通过肌电信号较好地控制基本手部动作，但对于精细动作，其性能还需进一步提高。

为了提高脑电信号的分类准确率,提出一种基于人工蜂群算法和BP神经网络的分类方法。针对反向传播(BP)神经网络存在全局搜索能力差、对初始权重敏感和人工蜂群算法的搜索公式精于探索但疏于开发等问题,采用全局搜索因子来增强人工蜂群算法的开发能力,再加入交叉运算来解决人工蜂群算法的全局搜索。采用改进的算法来优化BP神经网络对初始权重敏感的问题,进而实现对脑电信号的分类。实验结果表明,所提算法对脑电信号的分类准确率更高,分类准确率达到91.5%,而且可以加快收敛速度。

基于传统粒子追踪测速(PTV)技术的粒径分析方法只能通过几何成像检测粒径,无法对衍射成像尺寸远远大于几何成像尺寸的粒子图像进行分析。根据衍射成像原理,通过对激光-粒子散射光-CCD信号-图像灰度值物理流程的定量分析,提出确定微纳米级示踪粒子图像灰度值与粒径之间量化关系的模型,弥补了PTV技术在粒径检测方面的不足。基于PTV实验系统,应用数字相机和Micro Vec V3软件完成SiO2粒子图像的拍摄,运用所提模型对拍摄的粒子图像进行粒径分析。实验结果表明,所提方法具有较高的准确性。

针对激光深熔焊接过程的监控问题,基于小孔内部压力平衡条件分析了小孔振荡和小孔深度的关系。在此基础上基于小孔行为与等离子体行为的耦合性,以及等离子体振荡特征与等离子体电信号波动特征的一致性,利用短时自相关分析方法分析了A304不锈钢和Q235碳钢在激光深熔焊接过程中等离子体电信号振荡周期与焊缝熔深之间的关系。结果表明,等离子体电信号振荡周期随焊缝熔深的增加而增大,并且不同焊接材料的等离子体电信号振荡周期与焊缝熔深之间的关系不同。最后,在可变热输入连续焊接验证实验中,在焊接过程稳定的条件下,等离子体电信号的短时自相关分析结果与焊缝熔深之间有比较好的对应关系,与所分析的小孔振荡特征方程具有一致性。

睡眠呼吸暂停综合征（SAS）素有“睡眠杀手”之称。 由于其诊断金标准多导睡眠监测仪（PSG）的限制, 诊断率一直偏低。 由于呼吸暂停发生时会引发心率节奏的变化, 因此利用心电图（ECG）通过心率变异性（HRV）分析可以实现SAS的自动筛查。 但是, ECG-SAS方法所用电极穿戴繁琐、 材质致敏性较高, 影响睡眠安适度。 鉴于脉率变异性（PRV）分析与HRV分析高度相关, 并且光电容积脉搏波（PPG）信号相对ECG信号获取方式更加简单, 不仅电极不易致敏, 而且更易于穿戴, 对睡眠干扰小。 由此, 提出利用同步采集的PPG信号和ECG信号, 应用相同的建模方法, 比较二者的疾病识别能力。 应用反向传播（BP）神经网络, 分别建立PPG-SAS与ECG-SAS自动筛查模型, 并采用十折交叉验证法及受试者工作特征（ROC）曲线对模型进行对比与评估。 实验数据来源于MIT-BIH Polysomnographic Database, 共8 248个样本, 其中正常样本6 227例。 首先采用三层BP神经网络, 默认参数下建立PPG-SAS与ECG-SAS模型, 使用十折交叉验证法及ROC曲线进行模型分类准确性的对比; 然后依次改变影响分类性能的隐层节点数、 训练函数以及传递函数, 建立多个PPG-SAS与ECG-SAS模型, 从中选取各自的最优模型再进行对比。 通过比较识别率、 预测率以及ROC曲线面积, 采用默认参数的PPG-SAS模型优于ECG-SAS模型。 通过比较平均分类准确率, 隐层节点数为50、 训练函数为一步正割算法、 隐含层传递函数为双曲正切S型函数时, PPG-SAS模型得到的最高识别率与预测率分别为80.30%和80.13%; 隐层节点数为50、 训练函数为一步正割算法、 隐含层传递函数为径向基时, ECG-SAS模型的最高识别率与预测率分别为77.60%和77.67%。 以上实验结果均表明PPG信号的SAS分类能力较ECG信号更具优越性, 由此证明了PPG信号筛查SAS的可行性及可靠性, 为临床SAS病症的早期发现及诊断率提升奠定理论基础。

对国际电信联盟无线通信部第三研究组干扰与兼容性分析相关的标准文本(建议书、手册、报告等)进行了系统的整理与分析, 介绍了导致无线电信号干扰的主要传播机理, 对于标准文本中干扰与兼容性分析的传播模型进行了简要的介绍, 给出了相关传播模型和标准的最新进展, 对于标准与模型的发展趋势进行了展望。

为了实现电磁干扰环境下的心电信号监测, 提出了一种抗电磁干扰的心电信号监测系统。论文给出了输出光电流的计算公式, 分析了半波电压及插入损耗对系统灵敏度的影响。利用铌酸锂电光晶体搭建实验系统, 测试了5位健康志愿者的心电信号。应用提出的系统和电学心电信号采集系统分别测试了正常环境及电磁环境下志愿者的心电信号。测试结果表明: 在正常环境下, 本系统能获得与电学心电信号采集系统同样清晰的心电信号波形; 在电磁环境下, 本系统获得的心电信号优于电学心电信号采集系统。最后定量计算了两者的信噪比, 计算结果表明: 在电磁干扰下, 本系统的信噪比变化量为0.54 dB(V2)/0.49 dB(V4), 而电学心电信号采集系统的信噪比变化量为24.07 dB(V2)/16.75 dB(V4)。