基于表面肌电信号的人体肘关节运动角度预测
| 摘要 | 第2-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题研究背景和意义 | 第8-9页 |
| 1.2 研究现状 | 第9-13页 |
| 1.2.1 肌电信号在假肢控制领域发展现状 | 第9-10页 |
| 1.2.2 肌电信号的特征分析方法研究进展 | 第10-11页 |
| 1.2.3 基于肌电信号的分类和预测算法研究情况 | 第11-12页 |
| 1.2.4 目前存在的主要问题 | 第12-13页 |
| 1.3 本文研究内容与结构安排 | 第13-15页 |
| 1.3.1 主要研究内容 | 第13页 |
| 1.3.2 论文结构安排 | 第13-15页 |
| 第2章 表面肌电信号和关节角度采集系统的构建 | 第15-24页 |
| 2.1 引言 | 第15页 |
| 2.2 肌电信号的采集系统构建 | 第15-20页 |
| 2.2.1 表面肌电信号的特点 | 第15-16页 |
| 2.2.2 采集设备主要硬件组成 | 第16-18页 |
| 2.2.3 表面肌电信号采集软件 | 第18-19页 |
| 2.2.4 表面肌电信号的采集系统 | 第19-20页 |
| 2.3 人体肘关节角度信息的采集系统 | 第20-23页 |
| 2.3.1 测量人体肘关节角度的意义和方法介绍 | 第20页 |
| 2.3.2 实验设备介绍 | 第20-22页 |
| 2.3.3 测量肘关节角度软件界面 | 第22-23页 |
| 2.3.4 肘关节运动角度信息获取系统 | 第23页 |
| 2.4 本章总结 | 第23-24页 |
| 第3章 信号的采集和处理 | 第24-36页 |
| 3.1 系统采集方案设计 | 第24-25页 |
| 3.2 表面肌电信号的采集和预处理 | 第25-30页 |
| 3.2.1 表面肌电信号的采集 | 第25-27页 |
| 3.2.2 表面肌电信号的预处理 | 第27-30页 |
| 3.3 肘关节运动角度的采集 | 第30-33页 |
| 3.3.1 肘关节运动角度的采集方法 | 第30-32页 |
| 3.3.2 肘关节角度信号的测量原理 | 第32-33页 |
| 3.4 表面肌电信号与关节角度信号的同步 | 第33-35页 |
| 3.5 本章总结 | 第35-36页 |
| 第4章 表面肌电信号的初步分析和特征提取 | 第36-43页 |
| 4.1 表面肌电信号的初步分析 | 第36-37页 |
| 4.1.1 手臂动作的快慢对表面肌电信号影响 | 第36页 |
| 4.1.2 肌肉用力大小对表面肌电信号的影响 | 第36-37页 |
| 4.2 肌电信号的特征提取 | 第37-42页 |
| 4.2.1 肌电信号的特征提取方法介绍 | 第37页 |
| 4.2.2 时域特征提取方法 | 第37-39页 |
| 4.2.3 频域特征提取方法 | 第39-42页 |
| 4.3 本章总结 | 第42-43页 |
| 第5章 基于sEMG的肘关节运动角度信号的预测 | 第43-58页 |
| 5.1 BP神经网络预测模型 | 第43-50页 |
| 5.1.1 人工神经网络模型 | 第43-44页 |
| 5.1.2 BP神经网络模型 | 第44-45页 |
| 5.1.3 BP神经网络学习算法和实现 | 第45-50页 |
| 5.2 遗传算法优化的BP神经网络设计 | 第50-56页 |
| 5.2.1 遗传算法的介绍 | 第50-52页 |
| 5.2.2 遗传算法改进的BP神经网络 | 第52-55页 |
| 5.2.3 GA改进BP神经网络的结果及分析 | 第55-56页 |
| 5.3 本章小结 | 第56-58页 |
| 第6章 总结与展望 | 第58-60页 |
| 6.1 本文工作总结 | 第58页 |
| 6.2 对未来工作的展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 攻读学位期间取得的研究成果 | 第63-64页 |
| 致谢 | 第64-65页 |
