| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第15-23页 |
| 1.1 课题研究背景和意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-21页 |
| 1.2.1 非穿戴式人体行为识别技术 | 第16-18页 |
| 1.2.2 穿戴式人体行为识别技术 | 第18-21页 |
| 1.3 本文的研究内容与创新点 | 第21页 |
| 1.4 本文的章节安排 | 第21-23页 |
| 2 肌电信号概述 | 第23-48页 |
| 2.1 肌电信号生理学基础 | 第23-28页 |
| 2.1.1 肌电信号产生原理 | 第23-24页 |
| 2.1.2 肌电信号的获取方法 | 第24-25页 |
| 2.1.3 表面肌电信号特性 | 第25-27页 |
| 2.1.4 表面肌电信号的数学模型 | 第27-28页 |
| 2.2 人体下肢肌群分析 | 第28-32页 |
| 2.3 表面肌电信号采集方案 | 第32-36页 |
| 2.4 表面肌电信号预处理 | 第36-42页 |
| 2.4.1 滤波预处理 | 第36-37页 |
| 2.4.2 肌肉动作起始时刻检测 | 第37-41页 |
| 2.4.3 肌电信号数据分割 | 第41-42页 |
| 2.5 表面肌电信号特征提取 | 第42-47页 |
| 2.5.1 时域特征 | 第43-44页 |
| 2.5.2 频域特征 | 第44-45页 |
| 2.5.3 时频域特征 | 第45-46页 |
| 2.5.4 混沌与分形 | 第46页 |
| 2.5.5 高阶谱分析 | 第46-47页 |
| 2.6 本章小结 | 第47-48页 |
| 3 穿戴式肌电信号采集系统设计方案 | 第48-70页 |
| 3.1 采集系统整体方案 | 第48-50页 |
| 3.2 肌电信号采集设备电路设计 | 第50-60页 |
| 3.2.1 肌电极 | 第54-56页 |
| 3.2.2 模拟前端电路模块 | 第56-58页 |
| 3.2.3 系统芯片模块 | 第58-60页 |
| 3.2.4 直流稳压电源模块 | 第60页 |
| 3.3 肌电信号采集设备嵌入式软件设计 | 第60-62页 |
| 3.4 基于iOS操作系统的移动智能设备APP程序设计 | 第62-64页 |
| 3.5 蓝牙低功耗通信协议 | 第64-65页 |
| 3.6 肌电信号采集设备的同步设计 | 第65-69页 |
| 3.7 本章小结 | 第69-70页 |
| 4 表面肌电信号的采集和预处理 | 第70-83页 |
| 4.1 表面肌电信号采集实验 | 第70-74页 |
| 4.1.1 实验准备 | 第70-71页 |
| 4.1.2 下肢肌群选择 | 第71-73页 |
| 4.1.3 实验采集方案 | 第73-74页 |
| 4.2 表面肌电信号预处理 | 第74-80页 |
| 4.2.1 数字滤波器设计 | 第74-75页 |
| 4.2.2 起始时刻检测算法 | 第75-78页 |
| 4.2.3 数据分割算法 | 第78-80页 |
| 4.3 表面肌电信号特征向量 | 第80-81页 |
| 4.4 特征归一化 | 第81-82页 |
| 4.5 本章小结 | 第82-83页 |
| 5 基于表面肌电信号的人体行为识别 | 第83-95页 |
| 5.1 支持向量机概述 | 第83-87页 |
| 5.1.1 支持向量机模型基本原理 | 第83-85页 |
| 5.1.2 核函数的参数寻优算法 | 第85-86页 |
| 5.1.3 多标签分类策略 | 第86-87页 |
| 5.2 实验结果分析 | 第87-91页 |
| 5.3 实时性测试 | 第91-93页 |
| 5.4 降采样分析 | 第93-94页 |
| 5.5 本章小结 | 第94-95页 |
| 6 总结与展望 | 第95-97页 |
| 6.1 本文总结 | 第95-96页 |
| 6.2 展望 | 第96-97页 |
| 参考文献 | 第97-102页 |
| 作者简历 | 第102页 |
| 读硕期间的科研成果 | 第102页 |