首页--医药、卫生论文--临床医学论文--康复医学论文

基于患者疼痛感的康复机器人系统控制方法研究

摘要第6-7页
Abstract第7-8页
第1章 绪论第12-23页
    1.1 课题来源第12页
    1.2 课题背景及意义第12-14页
    1.3 国内外研究现状第14-21页
        1.3.1 疼痛评估研究现状第14-16页
        1.3.2 脑-机接.研究现状第16-19页
        1.3.3 功能性电刺激研究现状第19-21页
    1.4 本论文主要工作第21-23页
第2章 基于生理信号的疼痛强度识别第23-45页
    2.1 引言第23-24页
    2.2 用于疼痛强度识别的生理信号第24-27页
        2.2.1 血容量搏动(BVP)第24-25页
        2.2.2 心电信号(ECG)第25-26页
        2.2.3 皮电信号(SC)第26-27页
    2.3 疼痛诱导实验设计第27-30页
        2.3.1 疼痛诱导实验第27-29页
        2.3.2 生理信号采集第29-30页
    2.4 疼痛强度识别算法第30-39页
        2.4.1 数据预处理第30-31页
        2.4.2 特征提取第31-33页
        2.4.3 特征选择以及降维第33-36页
        2.4.4 分类方法第36-39页
    2.5 实验结果第39-44页
        2.5.1 单通道信号结果第39-40页
        2.5.2 多通道信号结果第40-43页
        2.5.3 多个被试样本结果第43-44页
        2.5.4 单人多天样本结果第44页
    2.6 本章小结第44-45页
第3章 基于SSVEP的脑-机接.研究第45-64页
    3.1 引言第45-46页
    3.2 脑-机接.关键技术第46-53页
        3.2.1 脑电信号采集第46-47页
        3.2.2 脑电信号模式选择第47-50页
        3.2.3 脑电信号处理方式第50-53页
    3.3 基于SSVEP的脑-机接.实验设计第53-56页
        3.3.1 视觉刺激设计第53-54页
        3.3.2 实验范式设计第54-55页
        3.3.3 脑电信号采集设备第55-56页
    3.4 基于SSVEP的脑-机接.算法第56-60页
        3.4.1 脑电信号预处理第56-59页
        3.4.2 特征提取第59页
        3.4.3 分类算法设计第59-60页
        3.4.4 算法评价标准第60页
    3.5 实验结果及分析第60-63页
        3.5.1 离线BCI训练结果第60-62页
        3.5.2 在线BCI测试结果第62-63页
    3.6 本章小结第63-64页
第4章 基于迭代学习控制的功能性电刺激研究第64-83页
    4.1 引言第64页
    4.2 功能性电刺激第64-66页
    4.3 迭代学习控制算法第66-71页
        4.3.1 迭代学习控制理论第67-68页
        4.3.2 迭代学习控制形式第68-71页
    4.4 基于迭代学习控制的功能性电刺激仿真第71-78页
        4.4.1 肘关节神经肌肉模型第72-75页
        4.4.2 基于单独PD控制仿真第75-76页
        4.4.3 基于单独ILC控制仿真第76-77页
        4.4.4 基于ILC+PD控制仿真第77-78页
    4.5 基于迭代学习控制的功能性电刺激实验第78-81页
        4.5.1 实验条件及过程第79-80页
        4.5.2 实验结果及分析第80-81页
    4.6 本章小结第81-83页
第5章 基于疼痛反馈的康复机器人控制第83-95页
    5.1 引言第83-84页
    5.2 集成BCI与FES的主动康复实验第84-86页
    5.3 集成BCI与康复机器人的主动康复实验第86-89页
    5.4 基于疼痛反馈的脑-控康复系统实验第89-94页
    5.5 本章小结第94-95页
结论第95-97页
参考文献第97-105页
攻读硕士学位期间发表的论文和获得的科研成果第105-106页
致谢第106-107页

论文共107页,点击 下载论文
上一篇:基于Roesser模型的二维高散系统H_∞滤波研究
下一篇:分数阶系统的自适应PID控制方法研究