摘要 | 第1-15页 |
ABSTRACT | 第15-18页 |
第1章 绪论 | 第18-32页 |
·研究背景及意义 | 第18-21页 |
·肌电控制的国内外研究现状 | 第21-25页 |
·基于模式识别的肌电控制问题分析 | 第25-29页 |
·空间解耦 | 第25-26页 |
·特征提取 | 第26-27页 |
·模式分类 | 第27-28页 |
·存在的问题 | 第28-29页 |
·研究目标及内容 | 第29-32页 |
·研究目标 | 第29-30页 |
·研究内容 | 第30页 |
·组织安排 | 第30-32页 |
第2章 sEMG信号产生机理与采集 | 第32-44页 |
·sEMG信号产生机理与特点 | 第32-34页 |
·神经肌肉系统的基本功能单位 | 第32-33页 |
·sEMG信号的产生机理 | 第33-34页 |
·上肢运动与肌肉的对应关系 | 第34-36页 |
·sEMG信号与肢体动作模式的关系 | 第36-37页 |
·面向上肢康复训练的sEMG信号采集 | 第37-41页 |
·sEMG信号采集系统 | 第37-38页 |
·sEMG信号采集方案 | 第38-41页 |
·sEMG信号采集结果 | 第41-43页 |
·本章小结 | 第43-44页 |
第3章 应用独立分量分析的多通道sEMG信号空间解耦 | 第44-60页 |
·ICA的基本原理 | 第44-45页 |
·ICA的估计原理与算法 | 第45-48页 |
·基于负熵的独立性判据 | 第45-47页 |
·FastICA算法简介 | 第47-48页 |
·多通道sEMG信号间的空间耦合 | 第48-50页 |
·多通道sEMG信号的空间解耦 | 第50-54页 |
·sEMG信号的非高斯性 | 第50-51页 |
·ICA分解预处理 | 第51-52页 |
·多通道sEMG信号的ICA分解 | 第52-53页 |
·独立分量次序和多通道sEMG信号的匹配 | 第53-54页 |
·结果分析 | 第54-58页 |
·本章小结 | 第58-60页 |
第4章 基于小波包变换与样本熵的sEMG信号特征提取 | 第60-82页 |
·小波变换与小波包变换 | 第60-63页 |
·小波变换基本理论 | 第60-62页 |
·小波包变换 | 第62-63页 |
·基于小波包变换与样本熵的特征提取 | 第63-69页 |
·样本熵简介 | 第63-65页 |
·样本熵用于特征提取的局限性 | 第65-67页 |
·sEMG信号的小波包分解 | 第67-69页 |
·小波包样本熵特征 | 第69页 |
·改进小波包分解后的sEMG信号特征 | 第69-76页 |
·改进小波包分解 | 第70-74页 |
·特征降维与优化 | 第74-76页 |
·特征空间的可分性评价 | 第76-78页 |
·空间解耦对特征提取的影响 | 第78-81页 |
·空间解耦对特征可分性的影响 | 第78-79页 |
·空间解耦对特征提取速度的影响 | 第79-81页 |
·本章小结 | 第81-82页 |
第5章 基于遗传BP神经网络的上肢动作模式分类 | 第82-102页 |
·基于BP神经网络的上肢动作模式分类 | 第82-91页 |
·BP算法及其实现 | 第83-85页 |
·BP神经网络设计与训练 | 第85-87页 |
·不同特征对分类结果的影响 | 第87-91页 |
·基于遗传BP神经网络的上肢动作模式分类 | 第91-100页 |
·遗传算法的基本原理 | 第92-93页 |
·遗传算法对BP神经网络的优化 | 第93-96页 |
·遗传算法对分类结果的影响 | 第96-100页 |
·本章小结 | 第100-102页 |
第6章 上肢康复训练机器人肌电控制的原型系统 | 第102-112页 |
·原型系统组成 | 第102-103页 |
·上肢康复训练机器人 | 第103-107页 |
·机器人机械本体 | 第103-104页 |
·机器人控制系统 | 第104-105页 |
·机器人运动学分析 | 第105-107页 |
·系统测试 | 第107-110页 |
·测试过程 | 第108-109页 |
·测试结果 | 第109-110页 |
·本章小结 | 第110-112页 |
总结与展望 | 第112-116页 |
参考文献 | 第116-132页 |
攻读博士学位期间发表的论文及参与课题 | 第132-134页 |
致谢 | 第134-136页 |
外文论文 | 第136-149页 |
学位论文评阅及答辩情况表 | 第149页 |