基于表面肌电信号的下肢肌力预测研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-21页 |
| 1.1 课题来源 | 第10页 |
| 1.2 课题研究背景及意义 | 第10-12页 |
| 1.3 肌力预测的国内外研究现状 | 第12-19页 |
| 1.3.1 肌力获取技术的研究现状分析 | 第12-13页 |
| 1.3.2 基于肌电信号的肌力预测研究现状 | 第13-18页 |
| 1.3.3 肌力预测的基本问题 | 第18-19页 |
| 1.4 本文主要工作及组织结构 | 第19-21页 |
| 第2章 信号采集和预处理 | 第21-36页 |
| 2.1 肌电信号-肌力关系研究 | 第21-25页 |
| 2.1.1 静力收缩时的肌电信号-肌力关系 | 第22-24页 |
| 2.1.2 肌疲劳对肌电信号-肌力关系的影响 | 第24-25页 |
| 2.2 信号采集实验方法 | 第25-28页 |
| 2.2.1 信号采集方案的确定 | 第25-27页 |
| 2.2.2 肌肉组织选取 | 第27-28页 |
| 2.3 信号采集实验设备 | 第28-30页 |
| 2.3.1 表面肌电信号采集设备 | 第28-29页 |
| 2.3.2 膝关节角度信号采集设备 | 第29-30页 |
| 2.3.3 力信号采集设备 | 第30页 |
| 2.4 信号预处理 | 第30-35页 |
| 2.4.1 信号特征提取 | 第31-32页 |
| 2.4.2 基于极值定位的信号同步方法 | 第32-34页 |
| 2.4.3 信号的归一化处理 | 第34-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第3章 肌力预测 | 第36-50页 |
| 3.1 静力收缩模式的肌力预测 | 第36-41页 |
| 3.1.1 SVR方法 | 第36-38页 |
| 3.1.2 SVR参数优化策略 | 第38-39页 |
| 3.1.3 肌力预测结果及分析 | 第39-41页 |
| 3.2 基于肌肉活动程度的肌力预测 | 第41-44页 |
| 3.2.1 肌力预测模型 | 第41-42页 |
| 3.2.2 肌力预测结果及分析 | 第42-44页 |
| 3.3 动力收缩模式的肌力预测 | 第44-47页 |
| 3.3.1 肌力预测方法 | 第44-45页 |
| 3.3.2 肌力预测结果及分析 | 第45-47页 |
| 3.4 基于疲劳补偿的肌力预测 | 第47-49页 |
| 3.4.1 肌疲劳程度的表征参数 | 第47页 |
| 3.4.2 考虑肌疲劳程度的肌力预测实验 | 第47-48页 |
| 3.4.3 肌力预测的肌疲劳补偿策略 | 第48-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第4章 肌力预测的应用研究 | 第50-59页 |
| 4.1 肌力预测软件系统 | 第50-54页 |
| 4.1.1 表面肌电信号模块 | 第51页 |
| 4.1.2 力与角度信号模块 | 第51-52页 |
| 4.1.3 肌力预测模块 | 第52-53页 |
| 4.1.4 肌力预测软件示意图 | 第53-54页 |
| 4.2 基于肌力预测的康复机器人控制策略 | 第54-58页 |
| 4.2.1 力-速度位置控制策略 | 第54-56页 |
| 4.2.2 力-速度位置控制实验及结果分析 | 第56-58页 |
| 4.3 本章小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 5.1 全文工作总结 | 第59-60页 |
| 5.2 未来工作展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间取得的科研成果 | 第66-67页 |
| 攻读硕士学位期间参与的项目 | 第67页 |
