首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于模式识别的肌电信号动作分类性能研究

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

论文共106页,点击 下载论文
上一篇:电能量综合管理系统设计和应用
下一篇:基于县调的全局电压无功综合控制的研究