| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题的来源 | 第9页 |
| 1.2 研究的目的和意义 | 第9-10页 |
| 1.2.1 研究背景 | 第9-10页 |
| 1.2.2 研究的目的 | 第10页 |
| 1.2.3 研究的意义 | 第10页 |
| 1.3 国内外研究现状及分析 | 第10-14页 |
| 1.3.1 国内外研究现状 | 第10-14页 |
| 1.3.2 研究现状分析 | 第14页 |
| 1.4 主要研究内容 | 第14-16页 |
| 第2章 肘关节骨肌系统模型的建立 | 第16-29页 |
| 2.1 引言 | 第16页 |
| 2.2 人体上肢的运动学和动力学 | 第16-19页 |
| 2.2.1 上肢的运动学 | 第16-17页 |
| 2.2.2 肘关节动力学 | 第17-19页 |
| 2.3 基于 Hill 模型的肌肉模型简化 | 第19-21页 |
| 2.3.1 肌肉结构的简化 | 第19-20页 |
| 2.3.2 主动收缩单元(CE) | 第20-21页 |
| 2.3.3 并联弹性单元(PE) | 第21页 |
| 2.4 确定肌肉力-长度和肌肉力-速度影响因子(fl 和 fv) | 第21-23页 |
| 2.4.1 主动收缩力 F~(CE)中的 fl 因子 | 第21-22页 |
| 2.4.2 被动收缩力 F~(PE)中的 fl 因子 | 第22-23页 |
| 2.5 肘关节的骨肌模型 | 第23-27页 |
| 2.6 肌肉力的优化分配 | 第27-28页 |
| 2.7 本章小结 | 第28-29页 |
| 第3章 神经网络改进算法用于关节力矩预测 | 第29-40页 |
| 3.1 引言 | 第29页 |
| 3.2 关节力矩的预测 | 第29-30页 |
| 3.3 肌电信号特征值的选取 | 第30-31页 |
| 3.4 神经网络预测关节力矩的改进算法 | 第31-36页 |
| 3.4.1 神经网络模型简介 | 第31-32页 |
| 3.4.2 结合 Hill 模型的神经网络改进算法 | 第32-36页 |
| 3.5 基于 Hill 模型神经网络算法的 matlab 仿真 | 第36-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第4章 基于希尔伯特-黄变换的震颤信号分析 | 第40-52页 |
| 4.1 引言 | 第40页 |
| 4.2 希尔伯特-黄变换 | 第40-42页 |
| 4.2.1 希尔伯特变换(Hilbert Transform) | 第40-41页 |
| 4.2.2 经验模态分解(EMD)方法 | 第41-42页 |
| 4.2.3 希尔伯特谱分析 | 第42页 |
| 4.3 希尔伯特谱和边际谱 | 第42-43页 |
| 4.4 基于 HHT 的滤波算法用于手臂震颤信号分离 | 第43-47页 |
| 4.4.1 震颤角度信号的仿真分析 | 第43-46页 |
| 4.4.2 患者运动性震颤实验 | 第46-47页 |
| 4.5 手臂运动肌电信号的 HHT 识别 | 第47-51页 |
| 4.5.1 肌电信号的 EMD 分解 | 第47-48页 |
| 4.5.2 肌电信号谱分析 | 第48-50页 |
| 4.5.3 震颤运动的判断 | 第50-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第5章 基于震颤的生物力学模型实验研究 | 第52-66页 |
| 5.1 引言 | 第52页 |
| 5.2 实验设计 | 第52-55页 |
| 5.2.1 单自由度实验平台 | 第52-53页 |
| 5.2.2 实验中的规定和注意事项 | 第53-54页 |
| 5.2.3 EMG 信号采集系统的介绍 | 第54-55页 |
| 5.3 骨肌系统控制仿真实验 | 第55-57页 |
| 5.4 肘关节力矩预测实验 | 第57-62页 |
| 5.4.1 神经网络预测实验 | 第57-61页 |
| 5.4.2 基于逆向动力学关节肌肉力的预测实验 | 第61-62页 |
| 5.5 震颤运动动作识别实验 | 第62-65页 |
| 5.5.1 时域识别指标 | 第62-64页 |
| 5.5.2 频域识别指标 | 第64-65页 |
| 5.6 本章小结 | 第65-66页 |
| 结论 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 附录 | 第70-72页 |
| 攻读硕士学位期间发表的学术论文 | 第72-74页 |
| 致谢 | 第74页 |
