| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 第一章 绪论 | 第6-11页 |
| ·引言 | 第6页 |
| ·课题研究背景及其意义 | 第6页 |
| ·国内外研究现状 | 第6-9页 |
| ·外骨骼助力装置发展现状 | 第6-9页 |
| ·表面肌电信号的研究意义与应用价值 | 第9页 |
| ·本文主要工作 | 第9-11页 |
| ·本文主要研究内容及要解决的关键问题 | 第9-10页 |
| ·本文主要工作及内容安排 | 第10-11页 |
| 第二章 肌电信号产生的机理及其在外骨骼系统中的应用 | 第11-28页 |
| ·引言 | 第11页 |
| ·肌电信号产生的机理 | 第11-13页 |
| ·肌电信号的数学模型 | 第13-19页 |
| ·肌电信号在外骨骼系统中的应用 | 第19-28页 |
| ·外骨骼控制方法 | 第19-20页 |
| ·基于EMG信号的外骨骼助力装置控制系统 | 第20-21页 |
| ·特征提取方法 | 第21-26页 |
| ·分类器 | 第26-28页 |
| 第三章 基于AR模型的sEMG信号的特征提取 | 第28-46页 |
| ·自回归(AR)参数模型法 | 第28-29页 |
| ·肌电信号的AR参数模型 | 第29页 |
| ·AR模型参数的估计方法 | 第29-37页 |
| ·最小二乘法 | 第30-31页 |
| ·U-C算法 | 第31-35页 |
| ·U-C算法的参数估计 | 第35-37页 |
| ·AR模型阶数的选择 | 第37-38页 |
| ·sEMG的AR模型特征提取 | 第38-40页 |
| ·肌电信号的采集和预处理 | 第38-39页 |
| ·肌电信号的动作起止点判别 | 第39-40页 |
| ·肌电信号的特征提取 | 第40页 |
| ·实验数据分析 | 第40-46页 |
| ·sEMG信号分析及预处理 | 第40-43页 |
| ·肌电信号AR特征值的提取 | 第43-46页 |
| 第四章 表面肌电信号的分类和动作识别 | 第46-56页 |
| ·人工神经网络概述 | 第46-47页 |
| ·人工神经网络简介 | 第46页 |
| ·人工神经网络的基本特征 | 第46-47页 |
| ·BP网络的基本原理 | 第47-50页 |
| ·BP网络结构 | 第47-48页 |
| ·BP网络学习规则 | 第48-50页 |
| ·Levenberg-Marquardt算法 | 第50-52页 |
| ·分类实验研究 | 第52-56页 |
| 第五章 总结与展望 | 第56-58页 |
| ·本文总结 | 第56页 |
| ·研究展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 攻读学位期间的研究成果 | 第61-62页 |
| 致谢 | 第62-64页 |