摘要 | 第4-5页 |
Abstract | 第5-6页 |
目录 | 第7-10页 |
1 绪论 | 第10-29页 |
1.1 课题背景及意义 | 第10-12页 |
1.2 假肢手肌电控制国内外研究现状 | 第12-26页 |
1.2.1 肌电假肢的结构与控制简介 | 第12-14页 |
1.2.2 基于模式识别的假肢手肌电控制研究现状 | 第14-23页 |
1.2.3 假肢手抓取力的肌电控制研究现状 | 第23-25页 |
1.2.4 假肢手肌电控制国内研究现状 | 第25-26页 |
1.3 基于抓取模式与力同步解码的假肢手肌电控制所面临的问题 | 第26-28页 |
1.3.1 基于抓取模式与力同步解码的假肢手肌电控制研究现状 | 第26-27页 |
1.3.2 肌肉收缩水平变化影响动作模式的识别率 | 第27页 |
1.3.3 训练时间长或训练样本过多的问题 | 第27-28页 |
1.4 课题来源及本文主要研究内容 | 第28-29页 |
1.4.1 课题来源 | 第28页 |
1.4.2 本文的研究思路和主要内容 | 第28-29页 |
2 表面肌电信号模式识别方法的初步选择 | 第29-52页 |
2.1 引言 | 第29页 |
2.2 离线实验基本配置 | 第29-37页 |
2.2.1 待识别人手抓取模式的选择 | 第29-31页 |
2.2.2 表面肌电信号的采集 | 第31-34页 |
2.2.3 表面机电信号的去噪处理 | 第34-36页 |
2.2.4 表面机电信号的数据分割 | 第36-37页 |
2.3 表面肌电信号模式识别的基本原理 | 第37-38页 |
2.4 表面肌电信号特征的降维、评价与初步选择 | 第38-49页 |
2.4.1 表面肌电信号特征的降维方法 | 第38-40页 |
2.4.2 表面肌电信号特征的评价指标 | 第40-41页 |
2.4.3 实验范式与特征评价结果 | 第41-45页 |
2.4.4 最优特征或特征组合的选择 | 第45-49页 |
2.5 分类器的比较与选择 | 第49-51页 |
2.6 本章小结 | 第51-52页 |
3 具有鲁棒性的模式识别方法的选择 | 第52-70页 |
3.1 引言 | 第52页 |
3.2 肌肉收缩水平变化对抓取模式识别率的影响 | 第52-57页 |
3.2.1 实验范式 | 第52页 |
3.2.2 实验结果与分析 | 第52-57页 |
3.3 肌肉收缩水平变化时提高抓取模式识别率的方案 | 第57-67页 |
3.3.1 实验范式 | 第57页 |
3.3.2 方案一:增加训练样本范围 | 第57-60页 |
3.3.3 方案二:选择稳定性好的肌电信号特征 | 第60-66页 |
3.3.4 方案三:选择鲁棒性强的模式分类器 | 第66-67页 |
3.4 选择性能优异的肌电信号模式识别方法的总结及最终方案 | 第67-70页 |
4 抓取模式与力的同步肌电解码 | 第70-83页 |
4.1 引言 | 第70页 |
4.2 基于表面肌电信号的抓取力解码 | 第70-79页 |
4.2.1 肌电信号中关于抓取力信息的特征提取及分析 | 第70-74页 |
4.2.2 肌电信号抓取力解码的方法 | 第74-79页 |
4.3 抓取模式与力的同步肌电解码 | 第79-82页 |
4.3.1 抓取模式与力的同步肌电解码的基本思路 | 第79-80页 |
4.3.2 实验范式与结果分析 | 第80-82页 |
4.4 本章小结 | 第82-83页 |
5 基于抓取模式与力同步解码的假肢手肌电控制实验研究 | 第83-96页 |
5.1 引言 | 第83页 |
5.2 假肢手肌电控制的实验平台 | 第83-86页 |
5.2.1 虚拟多自由度假肢手系统的构建 | 第83-85页 |
5.2.2 基于抓取模式与力同步解码的假肢手肌电控制实验平台 | 第85-86页 |
5.3 基于虚拟现实的假肢手多模式肌电控制实验 | 第86-89页 |
5.3.1 实验方法 | 第86-87页 |
5.3.2 实验结果与讨论 | 第87-89页 |
5.4 动作模式与抓取力同步解码的假肢手肌电控制实验 | 第89-95页 |
5.4.1 实验方法 | 第89-90页 |
5.4.2 实验结果与讨论 | 第90-95页 |
5.5 本章小结 | 第95-96页 |
6 总结与展望 | 第96-98页 |
6.1 全文总结 | 第96-97页 |
6.2 本文创新点 | 第97页 |
6.3 本文的不足与展望 | 第97-98页 |
参考文献 | 第98-106页 |
附录1 | 第106-108页 |
攻读学位期间主要的研究成果 | 第108-109页 |
致谢 | 第109页 |