| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-21页 |
| 1.1 选题的背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-19页 |
| 1.2.1 表面肌电信号的应用研究现状 | 第11页 |
| 1.2.2 表面肌电信号获取与预处理方法研究现状 | 第11-14页 |
| 1.2.3 表面肌电信号特征提取与选择方法研究现状 | 第14-15页 |
| 1.2.4 表面肌电信号模式分类方法研究现状 | 第15-16页 |
| 1.2.5 上肢康复训练机器人研究现状 | 第16-18页 |
| 1.2.6 面向上肢康复训练的肌电信号解析与控制中存在的问题 | 第18-19页 |
| 1.3 本文研究内容与结构安排 | 第19-21页 |
| 1.3.1 研究内容概述 | 第19页 |
| 1.3.2 文章结构安排 | 第19-21页 |
| 第2章 表面肌电信号概述及其采集实验设计 | 第21-41页 |
| 2.1 表面肌电信号的产生机理 | 第21-22页 |
| 2.2 表面肌电信号主要特点 | 第22-23页 |
| 2.3 表面肌电信号数学模型 | 第23-25页 |
| 2.4 表面肌电信号采集实验设计 | 第25-39页 |
| 2.4.1 采集设备介绍与肌电电极的选择 | 第25-29页 |
| 2.4.2 上肢肩关节动作模式设计与功能性肌肉块的选取 | 第29-31页 |
| 2.4.3 表面肌电信号采集实验中的注意事项 | 第31-32页 |
| 2.4.4 表面肌电信号的获取与分析 | 第32-39页 |
| 2.5 本章小结 | 第39-41页 |
| 第3章 表面肌电信号特征提取方法研究 | 第41-62页 |
| 3.1 表面肌电信号预处理 | 第41-55页 |
| 3.1.1 表面肌电信号噪声分析 | 第41-42页 |
| 3.1.2 原始信号频域分析与数字滤波处理 | 第42-47页 |
| 3.1.3 滑动加窗处理 | 第47-51页 |
| 3.1.4 动作段信号端点检测 | 第51-55页 |
| 3.2 表面肌电信号的特征提取 | 第55-57页 |
| 3.2.1 时域特征提取方法 | 第55-56页 |
| 3.2.2 频域特征提取方法 | 第56-57页 |
| 3.3 特征提取结果分析 | 第57-60页 |
| 3.3.1 时域特征提取结果分析 | 第57-58页 |
| 3.3.2 频域特征提取结果分析 | 第58-60页 |
| 3.3.3 特征向量的确定 | 第60页 |
| 3.4 有效信号特征数据归一化处理 | 第60-61页 |
| 3.5 本章小结 | 第61-62页 |
| 第4章 表面肌电信号动作模式识别方法研究 | 第62-78页 |
| 4.1 常用动作模式分类器 | 第62页 |
| 4.2 人工神经网络简介 | 第62-63页 |
| 4.3 基于BP算法的上肢动作模式分类 | 第63-70页 |
| 4.3.1 BP神经网络模型及其学习算法 | 第64-67页 |
| 4.3.2 BP神经网络算法设计 | 第67-68页 |
| 4.3.3 实验结果与分析 | 第68-70页 |
| 4.4 基于DBN算法的上肢动作模式分类 | 第70-77页 |
| 4.4.1 DBN算法网络模型及其学习算法 | 第70-73页 |
| 4.4.2 DBN算法设计 | 第73-76页 |
| 4.4.3 实验结果与分析 | 第76-77页 |
| 4.5 本章小结 | 第77-78页 |
| 第5章 模式识别结果及相关影响因素分析 | 第78-87页 |
| 5.1 两种分类方法实验结果比较分析 | 第78-80页 |
| 5.2 所用特征对模式识别结果的影响 | 第80-83页 |
| 5.2.1 时域特征提取下的上肢动作模式识别效果 | 第80-82页 |
| 5.2.2 频域特征提取下的上肢动作模式识别效果 | 第82-83页 |
| 5.3 上肢动作模式数量对模式识别结果的影响 | 第83-84页 |
| 5.4 电极个数对模式识别结果的影响 | 第84-85页 |
| 5.5 本章小结 | 第85-87页 |
| 第6章 总结与展望 | 第87-91页 |
| 6.1 主要工作总结 | 第87-88页 |
| 6.2 未来工作展望 | 第88-91页 |
| 参考文献 | 第91-98页 |
| 攻读学位期间取得的研究成果 | 第98-99页 |
| 致谢 | 第99页 |
