摘要 | 第1-13页 |
ABSTRACT | 第13-15页 |
缩略词注释表 | 第15-16页 |
第1章 绪论 | 第16-26页 |
·研究目的和意义 | 第16-19页 |
·课题研究的目的 | 第16-19页 |
·课题研究的意义 | 第19页 |
·肌电假肢的研究现状 | 第19-24页 |
·国外肌电假肢的研究状况 | 第20-23页 |
·国内肌电假肢的研究状况 | 第23-24页 |
·论文的立题依据 | 第24页 |
·论文的主要内容和创新点 | 第24-25页 |
·论文的结构安排 | 第25-26页 |
第2章 肌电信号的产生机理及应用 | 第26-35页 |
·肌肉电信号产生的生物电生理基础 | 第26-29页 |
·肌电的发现历史 | 第26-27页 |
·运动单位与肌电信号的产生 | 第27-29页 |
·肌电信号的采集与特征 | 第29-31页 |
·肌电信号的采集 | 第29-30页 |
·肌电信号的特征 | 第30-31页 |
·肌电信号的应用领域 | 第31-32页 |
·基于模式识别的肌电假肢控制方案 | 第32-34页 |
·本章小结 | 第34-35页 |
第3章 肌电信号的预处理与特征提取方法研究 | 第35-45页 |
·信号预处理 | 第35-37页 |
·放大与滤波 | 第35页 |
·分析窗口 | 第35-37页 |
·特征参数提取 | 第37-39页 |
·时域法 | 第37页 |
·频域法 | 第37页 |
·时-频分析法 | 第37-38页 |
·高阶谱法 | 第38页 |
·混沌与分形法 | 第38-39页 |
·时域参数 | 第39-41页 |
·自回归模型分析法 | 第41-44页 |
·参数模型法在肌电假肢分类中的应用 | 第41-42页 |
·自回归模型 | 第42-44页 |
·特征矩阵 | 第44页 |
·本章小结 | 第44-45页 |
第4章 基于线性判别分析法的肌电信号动作分类研究 | 第45-55页 |
·基于模式识别的EMG分类研究方法 | 第45-47页 |
·判别函数 | 第47页 |
·线性判别分析法 | 第47-50页 |
·概念 | 第47-48页 |
·投影平方和与散布矩阵 | 第48-49页 |
·判别分析方法 | 第49页 |
·改进的线性判别分析方法 | 第49-50页 |
·Fisher线性判别模型 | 第50-51页 |
·基于LDA的EMG信号运动类型分类 | 第51-54页 |
·判别思想 | 第51-52页 |
·后验概率 | 第52页 |
·最大后验概率与线性判别函数 | 第52-54页 |
·本章小结 | 第54-55页 |
第5章 肌电信号时域特征与AR模型特征分类性能分析 | 第55-72页 |
·受试者与运动类型的选择 | 第55-56页 |
·受试者 | 第55-56页 |
·运动类型 | 第56页 |
·肌电信号采集实验 | 第56-57页 |
·时域特征迭代选择算法 | 第57-59页 |
·时域特征分类结果及分析 | 第59-66页 |
·TD特征的分类结果及分析 | 第59-64页 |
·八个时域特征在残疾人样本中的分类结果及分析 | 第64-66页 |
·不同阶次AR模型的分类结果及分析 | 第66-68页 |
·AR模型与时域特征组合的分类结果及分析 | 第68-71页 |
·本章小结 | 第71-72页 |
第6章 肌肉收缩力与随机噪声对分类性能的影响分析 | 第72-91页 |
·肌肉收缩力变化的数值仿真分类结果及分析 | 第72-79页 |
·仿真数据的选取 | 第72-73页 |
·特征参数的选取 | 第73-74页 |
·结果与分析 | 第74-79页 |
·肌肉收缩力改变的模拟实验分类结果 | 第79-82页 |
·实验数据的获取 | 第79-80页 |
·结果与分析 | 第80-82页 |
·随机噪声对分类性能的影响分析 | 第82-90页 |
·肌电信号中的噪声 | 第82页 |
·研究方法 | 第82-83页 |
·完全随机噪声对分类结果的影响分析 | 第83-86页 |
·与信号标准差有关的噪声对分类结果的影响分析 | 第86-89页 |
·大噪声对分类结果的影响 | 第89-90页 |
·本章小结 | 第90-91页 |
第7章 总结与展望 | 第91-94页 |
参考文献 | 第94-102页 |
致谢 | 第102-103页 |
作者攻读硕士学位期间发表的论文 | 第103-104页 |
作者攻读硕士学位期间申请的专利 | 第104-105页 |
作者攻读硕士学位期间参加的科研项目情况 | 第105-106页 |
学位论文评阅及答辩情况表 | 第106页 |