| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 下肢外骨骼机器人研究现状 | 第10-14页 |
| 1.2.1 国外研究现状 | 第10-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 步态识别研究分析 | 第14-18页 |
| 1.3.1 步态识别基本方法介绍 | 第15-16页 |
| 1.3.2 常用传感器识别方法介绍 | 第16-18页 |
| 1.4 论文的主要内容和章节安排 | 第18-19页 |
| 第二章 人体下肢运动及跌倒行为分析 | 第19-28页 |
| 2.1 运动生物力学介绍 | 第19页 |
| 2.2 人体下肢运动特性 | 第19-21页 |
| 2.2.1 人体下肢关节结构分析 | 第20页 |
| 2.2.2 人体步行运动分析 | 第20-21页 |
| 2.3 人体步态的划分与步态周期 | 第21-23页 |
| 2.4 人体跌倒行为分析 | 第23-27页 |
| 2.4.1 跌倒行为特征 | 第23-24页 |
| 2.4.2 跌倒模型建立 | 第24-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于优化有向无环图的LSTSVM算法 | 第28-43页 |
| 3.1 双支持向量机理论 | 第28-34页 |
| 3.1.1 传统支持向量机原理 | 第28-30页 |
| 3.1.2 双支持向量机 | 第30-32页 |
| 3.1.3 最小二乘双支持向量机 | 第32-34页 |
| 3.2 多分类支持向量机 | 第34-37页 |
| 3.3 优化有向无环图原理 | 第37-40页 |
| 3.3.1 有向无环图的结构特性 | 第37-38页 |
| 3.3.2 可分性测度的确定 | 第38-39页 |
| 3.3.3 有向无环图的优化重组 | 第39-40页 |
| 3.4 基于优化有向无环图的LSTSVM多分类算法描述 | 第40-41页 |
| 3.4.1 样本训练阶段 | 第40-41页 |
| 3.4.2 样本分类阶段 | 第41页 |
| 3.5 本章小结 | 第41-43页 |
| 第四章 下肢外骨骼机器人步态识别 | 第43-66页 |
| 4.1 实验平台硬件搭建 | 第43-50页 |
| 4.1.1 平台设计的基本要求 | 第43-44页 |
| 4.1.2 下肢外骨骼机器人整体结构设计 | 第44页 |
| 4.1.3 下肢外骨骼机器人传感器系统设计 | 第44-49页 |
| 4.1.4 主控板设计 | 第49-50页 |
| 4.2 数据预处理与特征提取 | 第50-60页 |
| 4.2.1 数据的采集与分析 | 第50-54页 |
| 4.2.2 数据预处理 | 第54-58页 |
| 4.2.3 特征提取和选择 | 第58-60页 |
| 4.3 实验及结果分析 | 第60-65页 |
| 4.3.1 核函数的选择 | 第60-61页 |
| 4.3.2 实验结果分析 | 第61-65页 |
| 4.4 本章小结 | 第65-66页 |
| 总结与展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间取得的研究成果 | 第73-74页 |
| 致谢 | 第74-75页 |
| 附件 | 第75页 |