| 中文摘要 | 第10-12页 |
| ABSTRACT | 第12-14页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 课题研究背景及意义 | 第15-16页 |
| 1.2 国内外研究动态 | 第16-19页 |
| 1.2.1 肌电信号特征识别研究现状 | 第16-17页 |
| 1.2.2 关节加速度信号特征识别研究现状 | 第17-18页 |
| 1.2.3 虚拟现实及康复训练研究现状 | 第18-19页 |
| 1.3 论文研究内容及结构 | 第19-21页 |
| 1.3.1 主要研究内容 | 第19-20页 |
| 1.3.2 论文结构 | 第20-21页 |
| 第二章 信号采集与预处理 | 第21-31页 |
| 2.1 表面肌电信号概述 | 第21-22页 |
| 2.1.1 肌电信号产生机理 | 第21页 |
| 2.1.2 表面肌电信号特点 | 第21-22页 |
| 2.2 人体踝关节概述 | 第22-24页 |
| 2.2.1 踝关节动作 | 第22-23页 |
| 2.2.2 踝关节相关骨骼肌 | 第23-24页 |
| 2.3 实验方法与数据采集 | 第24-26页 |
| 2.3.1 实验仪器 | 第24-25页 |
| 2.3.2 数据采集方法 | 第25-26页 |
| 2.4 肌电信号和加速度信号预处理 | 第26-30页 |
| 2.4.1 自适应陷波器 | 第26-27页 |
| 2.4.2 小波阈值去噪 | 第27-28页 |
| 2.4.3 预处理结果与分析 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 肌电信号和关节加速度信号特征提取 | 第31-43页 |
| 3.1 特征提取概述 | 第31页 |
| 3.2 肌电信号特征提取 | 第31-39页 |
| 3.2.1 时域特征 | 第31-32页 |
| 3.2.2 时域特征提取结果分析 | 第32页 |
| 3.2.3 频域特征 | 第32-33页 |
| 3.2.4 频域特征提取结果分析 | 第33-34页 |
| 3.2.5 基于熵的特征提取 | 第34-37页 |
| 3.2.6 熵特征提取结果分析 | 第37-39页 |
| 3.3 加速度信号特征提取 | 第39-42页 |
| 3.3.1 加速度特征提取方法 | 第39-40页 |
| 3.3.2 加速度特征提取结果分析 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 特征融合与分类识别 | 第43-53页 |
| 4.1 支持向量机 | 第43-46页 |
| 4.1.1 支持向量机基本原理 | 第43-45页 |
| 4.1.2 参数选择方法 | 第45页 |
| 4.1.3 支持向量机算法扩展 | 第45-46页 |
| 4.2 多特征融合技术 | 第46-47页 |
| 4.3 实验结果及分析 | 第47-50页 |
| 4.3.1 基于EMG信号的SVM识别 | 第47-48页 |
| 4.3.2 基于ACC信号的SVM识别 | 第48-49页 |
| 4.3.3 基于EMG和ACC特征融合的SVM识别 | 第49-50页 |
| 4.4 本章小结 | 第50-53页 |
| 第五章 虚拟模型设计与仿真 | 第53-65页 |
| 5.1 识别结果传输 | 第53-54页 |
| 5.1.1 LabVIEW与MATLAB的接口实现方法 | 第53页 |
| 5.1.2 识别结果读取显示 | 第53-54页 |
| 5.2 下肢模型设计 | 第54-59页 |
| 5.2.1 SolidWorks软件概述 | 第54-55页 |
| 5.2.2 下肢三维模型设计 | 第55-58页 |
| 5.2.3 运动算例生成 | 第58-59页 |
| 5.3 虚拟康复训练系统 | 第59-64页 |
| 5.3.1 LabVIEW软件平台 | 第59-60页 |
| 5.3.2 贪吃蛇游戏实现方法 | 第60-62页 |
| 5.3.3 下肢脚踝运动算例导入 | 第62-63页 |
| 5.3.4 速度设定与康复评价 | 第63-64页 |
| 5.3.5 康复训练系统界面实现 | 第64页 |
| 5.4 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 工作总结 | 第65-66页 |
| 6.2 研究展望 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 攻读学位期间取得的研究成果 | 第73-74页 |
| 致谢 | 第74-75页 |
| 个人简况及联系方式 | 第75-78页 |