基于肌电信号的下肢步态特征提取及其识别方法
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题背景与研究意义 | 第10页 |
| 1.2 国内外研究现状及发展趋势 | 第10-13页 |
| 1.3 主要存在的问题 | 第13页 |
| 1.4 本课题研究内容 | 第13-15页 |
| 第2章 肌电信号采集与预处理 | 第15-28页 |
| 2.1 下肢运动特点及步态 | 第15-18页 |
| 2.1.1 下肢运动特点 | 第15页 |
| 2.1.2 人的步态 | 第15-16页 |
| 2.1.2.1 时间参数 | 第15页 |
| 2.1.2.2 空间参数 | 第15-16页 |
| 2.1.2.3 肌电活动参数 | 第16页 |
| 2.1.3 步态分析 | 第16-17页 |
| 2.1.4 步行规律及模式细分 | 第17-18页 |
| 2.2 肌肉活动及其肌电信号 | 第18-20页 |
| 2.2.1 下肢肌肉群分布 | 第18-19页 |
| 2.2.2 肌电信号的产生 | 第19-20页 |
| 2.3 肌电信号的实验采集 | 第20-23页 |
| 2.3.1 肌电信号的采集方案 | 第20-22页 |
| 2.3.2 肌电信号的采集数据 | 第22-23页 |
| 2.4 肌电信号预处理 | 第23-27页 |
| 2.4.1 预处理方法及预处理过程 | 第23-25页 |
| 2.4.2 小波模极大值去噪方法 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 肌电信号特征分析 | 第28-38页 |
| 3.1 特征提取方法及其特点 | 第28-30页 |
| 3.2 时域特征分析 | 第30-31页 |
| 3.3 非线性多尺度熵特征分析 | 第31-37页 |
| 3.3.1 多尺度熵基本理论 | 第32-33页 |
| 3.3.2 多尺度熵结果分析 | 第33-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 肌电信号特征分类及其优化 | 第38-45页 |
| 4.1 步态识别 | 第38页 |
| 4.2 基于支持向量机(SVM)的步态识别 | 第38-40页 |
| 4.2.1 支持向量机 | 第38-39页 |
| 4.2.2 支持向量机识别结果分析 | 第39-40页 |
| 4.3 粒子群优化算法(PSO) | 第40-41页 |
| 4.4 PSO 优化 SVM | 第41-44页 |
| 4.4.1 PSO 优化 SVM 算法及流程 | 第41-42页 |
| 4.4.2 优化结果与讨论 | 第42-44页 |
| 4.4.2.1 肌电信号数据分析 | 第42页 |
| 4.4.2.2 结果与讨论 | 第42-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 步态非均匀性及其识别 | 第45-50页 |
| 5.1 个体步态差异 | 第45页 |
| 5.2 步态非均匀性分析 | 第45-47页 |
| 5.3 非均匀性步态识别 | 第47-49页 |
| 5.4 本章小结 | 第49-50页 |
| 第6章 研究总结及展望 | 第50-52页 |
| 6.1 研究总结 | 第50-51页 |
| 6.2 研究展望 | 第51-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 附录 | 第57页 |
