| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-15页 |
| ·选题的背景及意义 | 第8页 |
| ·基于表面肌电信号手部抓取动作模式识别国内外研究进展 | 第8-11页 |
| ·表面肌电信号的采集及预处理和特征提取研究现状 | 第8-10页 |
| ·表面肌电信号的手部抓取动作模式识别研究现状 | 第10-11页 |
| ·基于sEMG手部抓取动作模式的力预测研究现状 | 第11-12页 |
| ·基于sEMG手部抓取动作模式的力采集及预处理研究现状 | 第11页 |
| ·基于sEMG手部抓取动作模式的力预测方法研究现状 | 第11-12页 |
| ·本文课题研究的主要内容和结构安排 | 第12-15页 |
| ·本文主要研究内容 | 第12-14页 |
| ·本文结构安排 | 第14-15页 |
| 第2章 获取人手动作sEMG及预处理 | 第15-31页 |
| ·sMEG信号采集系统及实验设置 | 第15-18页 |
| ·sEMG信号的采集与整理 | 第18-20页 |
| ·sEMG信号预处理流程 | 第20-27页 |
| ·sEMG的噪声源分析 | 第20-21页 |
| ·六阶Butterworth带通滤波处理 | 第21-22页 |
| ·快速独立成分分析（FastICA）算法 | 第22-27页 |
| ·sMEG信号活动段检测 | 第27-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 基于sEMG的人手动作模式识别技术 | 第31-42页 |
| ·sEMG特征提取及分析 | 第31-34页 |
| ·标准样本熵（SSE）特征 | 第34-37页 |
| ·人手动作模式识别算法及分类器 | 第37-41页 |
| ·常用模式识别分类器 | 第37-38页 |
| ·支持向量机（SVM）的算法建模 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 基于sEMG的人手抓取力预测技术 | 第42-51页 |
| ·抓取力信号提取 | 第42-45页 |
| ·采集设备及实验设置 | 第42-44页 |
| ·抓取力采集及其预处理 | 第44-45页 |
| ·抓取力预测的sEMG特征选择 | 第45-47页 |
| ·基于sEMG的抓取力预测模型 | 第47-50页 |
| ·抓取力预测模型的选择 | 第47-48页 |
| ·AGA- -SVR抓取力预测回归模型 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 实验研究与结果分析 | 第51-64页 |
| ·基于sEMG抓取动作模式识别 | 第51-56页 |
| ·MATLAB-GUI抓取动作模式识别平台 | 第51-52页 |
| ·四种人手动作识别结果及结论 | 第52-56页 |
| ·抓取力预测结果分析 | 第56-63页 |
| ·MATLAB-GUI抓取力预测平台 | 第56-57页 |
| ·随意抓取模式下力预测 | 第57-59页 |
| ·规定抓取模式下力预测 | 第59-63页 |
| ·本章小结 | 第63-64页 |
| 第6章 本文的结论与展望 | 第64-67页 |
| ·主要结论总结 | 第64-65页 |
| ·展望未来工作 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 攻读学位期间取得的研究成果 | 第71-72页 |
| 致谢 | 第72页 |
