| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 外骨骼机器人的研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 多传感器数据融概述 | 第14-18页 |
| 1.3.1 多传感器数据融合的定义 | 第14-15页 |
| 1.3.2 多传感器数据融合的层次 | 第15-17页 |
| 1.3.3 多传感器数据融合的应用 | 第17-18页 |
| 1.4 本文主要研究内容 | 第18-20页 |
| 第二章 下肢外骨骼机器人系统设计 | 第20-35页 |
| 2.1 引言 | 第20页 |
| 2.2 下肢外骨骼机器人的机械结构设计 | 第20-24页 |
| 2.2.1 人体下肢分析 | 第20-21页 |
| 2.2.2 机械结构设计 | 第21-24页 |
| 2.3 下肢外骨骼机器人的传感系统设计 | 第24-31页 |
| 2.3.1 传感器的选型及安装 | 第24-28页 |
| 2.3.2 传感器网络的通信 | 第28-31页 |
| 2.4 下肢外骨骼机器人运动状态分析 | 第31-34页 |
| 2.4.1 人体运动状态分析 | 第31-33页 |
| 2.4.2 外骨骼机器人运动状态分类 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 外骨骼传感器数据低层次融合 | 第35-45页 |
| 3.1 引言 | 第35页 |
| 3.2 压力数据融合 | 第35-36页 |
| 3.3 倾角传感器数据融合 | 第36-43页 |
| 3.3.1 倾角传感器数据预处理 | 第36-38页 |
| 3.3.2 姿态角融合 | 第38-43页 |
| 3.4 关节角度数据融合 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 外骨骼运动数据采集和特征选择 | 第45-58页 |
| 4.1 引言 | 第45页 |
| 4.2 运动数据的采集 | 第45-46页 |
| 4.3 数据预处理 | 第46-48页 |
| 4.4 特征提取 | 第48-57页 |
| 4.4.1 特征评价准则 | 第48-49页 |
| 4.4.2 基于距离和信息增益的特征选择算法 | 第49-55页 |
| 4.4.3 特征降维 | 第55-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 高层次数据融合 | 第58-73页 |
| 5.1 引言 | 第58页 |
| 5.2 常用分类算法原理分析 | 第58-61页 |
| 5.2.1 K最近邻算法（KNN） | 第58页 |
| 5.2.2 朴素贝叶斯 | 第58-59页 |
| 5.2.3 随机森林 | 第59-60页 |
| 5.2.4 支持向量机理 | 第60-61页 |
| 5.3 分类算法在外骨骼系统应用中的评估分析 | 第61-65页 |
| 5.3.1 分类算法的评估标准 | 第61-63页 |
| 5.3.2 外骨骼应用中算法评估分析 | 第63-65页 |
| 5.4 基于有限状态转移和SVM的运动状态识别算法 | 第65-72页 |
| 5.4.1 算法框架 | 第65-66页 |
| 5.4.2 算法目的 | 第66-67页 |
| 5.4.3 算法概述 | 第67-69页 |
| 5.4.4 算法评估分析 | 第69-72页 |
| 5.5 本章小结 | 第72-73页 |
| 总结与展望 | 第73-76页 |
| 6.1 本文工作的总结 | 第73-74页 |
| 6.2 对未来工作的展望 | 第74-76页 |
| 参考文献 | 第76-81页 |
| 附录 | 第81-83页 |
| 攻读硕士学位期间取得的研究成果 | 第83-84页 |
| 致谢 | 第84-85页 |
| 附件 | 第85页 |