肌电信号多类特征分析及在步态识别中的应用
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-20页 |
| 1.1 课题背景与研究意义 | 第11-12页 |
| 1.2 国内外研究现状及发展趋势 | 第12-18页 |
| 1.2.1 下肢步态研究 | 第12-13页 |
| 1.2.2 肌电信号研究 | 第13-18页 |
| 1.3 存在的问题分析 | 第18页 |
| 1.4 本课题研究内容 | 第18-20页 |
| 第2章 下肢运动与肌电信号 | 第20-34页 |
| 2.1 下肢及步态 | 第20-26页 |
| 2.1.1 下肢生理结构 | 第20-21页 |
| 2.1.2 下肢运动特点 | 第21页 |
| 2.1.3 人体运动步态 | 第21-23页 |
| 2.1.4 步态模式细分 | 第23-25页 |
| 2.1.5 步态分析方法 | 第25-26页 |
| 2.2 表面肌电信号 | 第26-32页 |
| 2.2.1 肌电信号的产生 | 第26-27页 |
| 2.2.2 肌电信号的获取 | 第27-30页 |
| 2.2.3 原始肌电信号数据分析 | 第30-32页 |
| 2.3 基于肌电信号的步态识别 | 第32-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 肌电信号预处理及特征提取 | 第34-48页 |
| 3.1 肌电信号预处理 | 第34-38页 |
| 3.1.1 噪声分类 | 第34页 |
| 3.1.2 信号去噪 | 第34-35页 |
| 3.1.3 小波模极大值消噪法 | 第35-38页 |
| 3.2 肌电信号特征提取 | 第38-47页 |
| 3.2.1 特征提取方法及特点 | 第38-40页 |
| 3.2.2 线性时域特征分析 | 第40-43页 |
| 3.2.3 非线性分形维数特征分析 | 第43-47页 |
| 3.3 本章小结 | 第47-48页 |
| 第4章 基于SVM的肌电信号识别与优化 | 第48-61页 |
| 4.1 步态识别 | 第48页 |
| 4.2 模式识别算法 | 第48-49页 |
| 4.3 基于SVM的步态识别 | 第49-52页 |
| 4.3.1 识别原理 | 第49页 |
| 4.3.2 算法设计 | 第49-51页 |
| 4.3.3 SVM步态识别 | 第51-52页 |
| 4.4 SVM优化算法 | 第52-53页 |
| 4.5 基于GA优化SVM的步态识别 | 第53-60页 |
| 4.5.1 GA优化算法 | 第53-55页 |
| 4.5.2 GA优化SVM分类器算法设计 | 第55-56页 |
| 4.5.3 GA优化性能分析 | 第56-60页 |
| 4.6 本章小结 | 第60-61页 |
| 第5章 基于K均值算法的肌电信号分类与识别 | 第61-70页 |
| 5.1 EMG信号非线性特征 | 第61页 |
| 5.2 聚类分析方法研究 | 第61-63页 |
| 5.2.1 聚类方法 | 第61页 |
| 5.2.2 K均值算法 | 第61-62页 |
| 5.2.3 改进K均值算法 | 第62-63页 |
| 5.3 改进K均值算法的下肢步态分类 | 第63-68页 |
| 5.3.1 分类算法设计 | 第63-65页 |
| 5.3.2 分类结果与讨论 | 第65-68页 |
| 5.4 本章小结 | 第68-70页 |
| 第6章 总结及展望 | 第70-72页 |
| 6.1 研究总结 | 第70-71页 |
| 6.2 研究展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 附录 攻读学位期间参加的科研项目和成果 | 第78页 |
