基于模式识别的上肢康复机器人肌电控制研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 肌电控制研究现状 | 第12-14页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 肌电控制研究存在的问题 | 第14-15页 |
| 1.4 技术路线与研究内容 | 第15-17页 |
| 1.4.1 研究目标 | 第15页 |
| 1.4.2 技术路线 | 第15页 |
| 1.4.3 研究内容 | 第15-17页 |
| 第2章 EMG信号采集及相关技术准备 | 第17-27页 |
| 2.1 EMG信号产生机理与特点 | 第17-18页 |
| 2.1.1 EMG信号的产生机理 | 第17页 |
| 2.1.2 EMG信号的特点 | 第17-18页 |
| 2.2 EMG信号采集系统设计 | 第18-21页 |
| 2.2.1 采集系统组成 | 第18页 |
| 2.2.2 采集系统硬件选取 | 第18-21页 |
| 2.3 目标动作及信号源肌肉选取 | 第21-24页 |
| 2.3.1 目标动作定义 | 第21-22页 |
| 2.3.2 信号源肌肉选取 | 第22-23页 |
| 2.3.3 目标动作始末判断方法 | 第23-24页 |
| 2.4 EMG信号预处理 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 EMG信号的特征值提取 | 第27-43页 |
| 3.1 时域特征提取 | 第27-31页 |
| 3.1.1 时域特征计算方法 | 第27-28页 |
| 3.1.2 时域特征提取与分析 | 第28-31页 |
| 3.2 模型参数特征提取 | 第31-35页 |
| 3.2.1 AR模型基本理论 | 第31-32页 |
| 3.2.2 AR模型系数特征提取与分析 | 第32-35页 |
| 3.3 时—频域特征提取 | 第35-41页 |
| 3.3.1 WT基本理论 | 第35-37页 |
| 3.3.2 小波系数特征提取与分析 | 第37-41页 |
| 3.4 特征融合 | 第41-42页 |
| 3.4.1 时域特征组与小波系数融合 | 第41-42页 |
| 3.4.2 AR系数与小波系数融合 | 第42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 目标动作模式分类器设计 | 第43-61页 |
| 4.1 BP网络模式分类器研究与设计 | 第43-48页 |
| 4.1.1 标准BP网络的基本理论 | 第43-45页 |
| 4.1.2 用于目标动作识别的BP网络设计 | 第45-48页 |
| 4.2 SVM模式分类器研究与设计 | 第48-51页 |
| 4.2.1 SVM模式分类器基本理论 | 第48-49页 |
| 4.2.2 用于目标动作识别的SVM设计 | 第49-51页 |
| 4.3 HMM模式分类器研究与设计 | 第51-54页 |
| 4.3.1 HMM模式分类器的基本理论 | 第51-52页 |
| 4.3.2 用于目标动作识别的HMM设计 | 第52-54页 |
| 4.4 三种分类器的分类效果对比分析 | 第54-59页 |
| 4.4.1 三种分类器的分类结果 | 第54-56页 |
| 4.4.2 分类结果的对比与分析 | 第56-59页 |
| 4.5 本章小结 | 第59-61页 |
| 第5 上肢康复训练系统设计与实验验证 | 第61-75页 |
| 5.1 牵引式上肢康复机器人分析 | 第61-66页 |
| 5.1.1 机器人结构组成 | 第61-62页 |
| 5.1.2 机器人传动分析 | 第62-63页 |
| 5.1.3 目标动作逆解运算 | 第63-66页 |
| 5.2 上肢康复训练系统设计 | 第66-72页 |
| 5.2.1 硬件系统设计 | 第66-69页 |
| 5.2.2 软件系统设计 | 第69-72页 |
| 5.3 系统有效性实验验证 | 第72-74页 |
| 5.3.1 实验验证 | 第72-74页 |
| 5.3.2 实验结果分析 | 第74页 |
| 5.4 本章小结 | 第74-75页 |
| 结论 | 第75-76页 |
| 参考文献 | 第76-81页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第81-82页 |
| 致谢 | 第82页 |
