基于表面肌电信号的手部动作识别方法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题的研究背景和意义 | 第10页 |
| 1.2 假肢信号源概述 | 第10-12页 |
| 1.2.1 脑电控制技术 | 第11页 |
| 1.2.2 语音控制技术 | 第11-12页 |
| 1.2.3 肌电控制技术 | 第12页 |
| 1.3 国内外EMG手势识别发展及研究现状 | 第12-13页 |
| 1.3.1 手势识别概述 | 第12页 |
| 1.3.2 国内外sEMG手势识别发展及研究现状 | 第12-13页 |
| 1.4 sEMG手势识别和研究中存在的问题 | 第13-14页 |
| 1.5 各章节安排 | 第14-15页 |
| 第2章 肌电信号采集 | 第15-22页 |
| 2.1 引言 | 第15页 |
| 2.2 sEMG信号的生理机制 | 第15-16页 |
| 2.3 表面肌电信号的特征 | 第16页 |
| 2.4 sEMG数据采集实验描述 | 第16-21页 |
| 2.4.1 肌电采集设备描述 | 第17页 |
| 2.4.2 手部动作设计及采集注意事项 | 第17-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 手部动作sEMG信号的预处理及转化处理 | 第22-31页 |
| 3.1 引言 | 第22页 |
| 3.2 基于熵和EMD的去噪方法 | 第22-27页 |
| 3.2.1 自适应阈值滤波 | 第23-24页 |
| 3.2.2 去噪声实验分析 | 第24-27页 |
| 3.3 sEMG信号的转化处理 | 第27-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第4章 基于卷积神经网络的手部动作识别 | 第31-50页 |
| 4.1 引言 | 第31-33页 |
| 4.2 卷积神经网络的基础 | 第33-37页 |
| 4.3 深度神经网络的结构及特点 | 第37页 |
| 4.4 手部动作网络训练模型设计 | 第37-49页 |
| 4.4.1 网络训练模型结构 | 第39-41页 |
| 4.4.2 交叉熵损失函数及混淆矩阵 | 第41-42页 |
| 4.4.3 实验结果与对比分析 | 第42-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 本文工作总结 | 第50页 |
| 5.2 课题研究展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 攻读硕士研究生期间科研成果 | 第56页 |
