基于运动信息的步态模式与步态变换研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 课题背景及研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 国外外骨骼机器人研究现状 | 第12-15页 |
| 1.2.2 国内外骨骼机器人研究现状 | 第15-16页 |
| 1.3 步态分析研究现状 | 第16-18页 |
| 1.3.1 步态数据的采集 | 第16-17页 |
| 1.3.2 步态模式的分类 | 第17-18页 |
| 1.4 步态转换过程研究现状 | 第18页 |
| 1.5 论文的主要工作 | 第18-21页 |
| 1.5.1 论文主要研究内容 | 第18-19页 |
| 1.5.2 论文结构 | 第19-21页 |
| 第2章 下肢运动采集平台及实验过程介绍 | 第21-31页 |
| 2.1 下肢运动采集平台 | 第21-30页 |
| 2.1.1 惯性数据的采集 | 第22-23页 |
| 2.1.2 肌电信号产生机理 | 第23-24页 |
| 2.1.3 表面肌电信号的采集 | 第24-25页 |
| 2.1.4 下肢运动采集实验 | 第25-30页 |
| 2.2 本章小结 | 第30-31页 |
| 第3章 运动信息处理及融合 | 第31-43页 |
| 3.1 步态数据的特征提取 | 第31-38页 |
| 3.1.1 数据预处理 | 第31-32页 |
| 3.1.2 人体步态划分 | 第32-33页 |
| 3.1.3 小波变换 | 第33-35页 |
| 3.1.4 惯性数据基于小波分解进行特征提取 | 第35-36页 |
| 3.1.5 肌电数据的特征提取 | 第36-38页 |
| 3.2 基于粒子群优化算法的特征融合 | 第38-41页 |
| 3.2.1 二进制粒子群优化算法 | 第38-41页 |
| 3.3 特征融合结果的评价 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 基于HMM与SVM的运动意图识别 | 第43-61页 |
| 4.1 引言 | 第43-44页 |
| 4.2 隐马尔科夫模型的基本原理 | 第44-50页 |
| 4.2.1 马尔科夫过程和马尔科夫链 | 第44-45页 |
| 4.2.2 混合高斯密度CHMM | 第45-46页 |
| 4.2.3 HMM的三个基本问题和解决办法 | 第46-50页 |
| 4.3 基于CHMM与SVM的步态模式分类 | 第50-51页 |
| 4.4 CHMM的训练过程 | 第51-56页 |
| 4.4.1 参数初始化 | 第51-52页 |
| 4.4.2 CHMM的模型的训练 | 第52-53页 |
| 4.4.3 特征识别 | 第53-56页 |
| 4.5 SVM的训练 | 第56-58页 |
| 4.6 实验结果分析 | 第58-59页 |
| 4.7 本章小结 | 第59-61页 |
| 第5章 步态变换过程研究 | 第61-79页 |
| 5.1 引言 | 第61-62页 |
| 5.2 步态变换过程分析 | 第62-65页 |
| 5.3 基于DHMM的步态转换意图识别 | 第65-69页 |
| 5.3.1 数据的处理 | 第66-67页 |
| 5.3.2 特征向量的标量量化 | 第67页 |
| 5.3.3 模型训练 | 第67-69页 |
| 5.3.4 识别结果 | 第69页 |
| 5.4 步态转化过程关节角度规划 | 第69-77页 |
| 5.4.1 髋、膝、踝关节角度计算 | 第70-72页 |
| 5.4.2 转换过程末端轨迹规划 | 第72-74页 |
| 5.4.3 关节轨迹 | 第74-77页 |
| 5.5 本章小结 | 第77-79页 |
| 第6章 总结与展望 | 第79-81页 |
| 6.1 工作总结 | 第79-80页 |
| 6.2 问题与展望 | 第80-81页 |
| 参考文献 | 第81-87页 |
| 致谢 | 第87页 |
