摘要 | 第1-6页 |
Abstract | 第6-10页 |
第1章 引言 | 第10-19页 |
·课题的研究背景 | 第10页 |
·课题目的和意义 | 第10-11页 |
·假肢手技术的研究现状 | 第11-13页 |
·肌音信号及其在假肢手应用中的研究 | 第13-16页 |
·肌音信号介绍 | 第13-15页 |
·多模式肌音信号在假肢手控制中的应用 | 第15-16页 |
·本课题研究内容 | 第16-19页 |
第2章 多通道肌音信号采集系统 | 第19-30页 |
·肌音信号采集传感器 | 第19-21页 |
·肌音信号采集位置 | 第21-22页 |
·肌音信号采集方案设计 | 第22-24页 |
·试验者描述 | 第22页 |
·肌音信号采集流程 | 第22-24页 |
·肌音信号采集硬件系统 | 第24-29页 |
·信号放大器 | 第24-25页 |
·滤波器设计 | 第25-27页 |
·肌音信号的AD转换 | 第27-29页 |
·小结 | 第29-30页 |
第3章 肌音信号的基本特征提取 | 第30-37页 |
·肌音信号的动作分割 | 第30-32页 |
·肌音信号的时域特征 | 第32-34页 |
·常用统计量 | 第32-33页 |
·AR模型估计参数 | 第33页 |
·高阶累积量 | 第33-34页 |
·肌音信号的频域特征 | 第34-36页 |
·功率谱参数 | 第34-35页 |
·倒谱系数 | 第35页 |
·功率谱非负矩阵分解系数 | 第35-36页 |
·通道肌音信号的特征提取 | 第36页 |
·小结 | 第36-37页 |
第4章 肌音信号的特征选择和优化 | 第37-52页 |
·特征选择和优化的必要性 | 第37-38页 |
·主成分分析法 | 第38-40页 |
·主成分分析计算步骤 | 第38-39页 |
·基于主成分分析的特征优化 | 第39-40页 |
·偏最小二乘回归法 | 第40-43页 |
·偏最小二乘回归法介绍 | 第40-42页 |
·基于偏最小二乘回归法的特征优化 | 第42-43页 |
·费希尔判别分析法 | 第43-47页 |
·费希尔判别分析法的数学描述 | 第43-45页 |
·费希尔判别分析法的降维阶数 | 第45页 |
·基于费希尔判别分析法的特征优化 | 第45-47页 |
·核广义判别分析法 | 第47-51页 |
·核广义判别分析法简介 | 第47页 |
·核广义判别分析法的计算 | 第47-49页 |
·基于核广义判别分析法的特征优化 | 第49-51页 |
·小结 | 第51-52页 |
第5章 单、双通道肌音信号的多动作模式识别 | 第52-61页 |
·肌音信号的模式识别 | 第52-54页 |
·模式识别研究简介 | 第52-53页 |
·二次分类器设计 | 第53-54页 |
·训练,测试和交叉验证 | 第54页 |
·显著性检验 | 第54页 |
·单通道肌音信号手部动作的识别 | 第54-55页 |
·单、双通道肌音信号手部动作的识别对比 | 第55-58页 |
·基于主成分分析法的单双通道结果对比 | 第56页 |
·基于偏最小二乘回归法的单双通道结果对比 | 第56-57页 |
·基于费希尔判别分析法的单双通道结果对比 | 第57-58页 |
·基于核广义判别分析法的单双通道结果对比 | 第58页 |
·小结 | 第58页 |
·四种特征优化方法在手部动作识别中的比较 | 第58-60页 |
·小结 | 第60-61页 |
第6章 基于MATLAB实时数据采集工具箱的假肢手操控 | 第61-68页 |
·MATLAB环境下肌音信号的实时数据采集 | 第61-62页 |
·MATLAB实时数据采集工具箱简介 | 第61-62页 |
·实时肌音信号采集的实现 | 第62页 |
·假肢手及其相关硬件 | 第62-65页 |
·假肢手介绍 | 第62-63页 |
·假肢手电机 | 第63-64页 |
·假肢手电机的驱动电路 | 第64-65页 |
·基于MATLAB实时数据采集工具箱的假肢手操控 | 第65-66页 |
·小结 | 第66-68页 |
第7章 结论与展望 | 第68-70页 |
·结论 | 第68-69页 |
·展望 | 第69-70页 |
参考文献 | 第70-76页 |
致谢 | 第76-77页 |
攻读硕士学位期间发表的学术论文 | 第77-78页 |
附录一 | 第78-80页 |
附录二 | 第80-83页 |
附录三 | 第83-87页 |
附录四 | 第87-88页 |