| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第15-26页 |
| 1.1 肌电信号的形成 | 第15-16页 |
| 1.2 肌电信号分解的国内外进展和现状 | 第16-22页 |
| 1.2.1 插入式肌电信号分解的国内外进展和现状 | 第17-19页 |
| 1.2.2 表面肌电信号分解的国内外进展和现状 | 第19-22页 |
| 1.3 本课题研究的意义 | 第22页 |
| 1.4 本文的研究内容 | 第22-26页 |
| 第2章 基于聚类和卷积核补偿的表面肌电信号分解 | 第26-48页 |
| 2.1 数据模型和卷积核补偿(CKC) | 第27-28页 |
| 2.2 基于模糊C均值(FCM)聚类的CKC方法 | 第28-30页 |
| 2.3 基于自组织映射(SOM)神经网络的CKC方法 | 第30-32页 |
| 2.4 仿真SEMG信号的结果与讨论 | 第32-46页 |
| 2.4.1 仿真信号的生成 | 第32-36页 |
| 2.4.1.1 随机混合矩阵产生的仿真信号 | 第32-33页 |
| 2.4.1.2 平面容积导体模型生成的仿真信号 | 第33-34页 |
| 2.4.1.3 高斯函数产生的仿真信号 | 第34-36页 |
| 2.4.2 基于模糊C均值(FCM)聚类的CKC方法的结果 | 第36-41页 |
| 2.4.3 基于自组织映射(SOM)神经网络的CKC方法的结果 | 第41-45页 |
| 2.4.4 讨论 | 第45-46页 |
| 2.5 本章小结 | 第46-48页 |
| 第3章 基于线性最小均方误差估计量逼近的表面肌电信号分解 | 第48-64页 |
| 3.1 线性最小均方误差(LMMSE)估计量 | 第48-50页 |
| 3.2 基于LMMSE估计量逼近的方法 | 第50-52页 |
| 3.3 实验结果与讨论 | 第52-63页 |
| 3.3.1 仿真sEMG信号的结果 | 第52-57页 |
| 3.3.1.1 随机混合矩阵生成仿真信号的结果 | 第52-56页 |
| 3.3.1.2 平面容积导体模型生成的仿真信号 | 第56-57页 |
| 3.3.2 真实SEMG信号的结果 | 第57-61页 |
| 3.3.2.1 真实sEMG信号的测量 | 第57-58页 |
| 3.3.2.2 结果 | 第58-61页 |
| 3.3.3 讨论 | 第61-63页 |
| 3.4 本章小结 | 第63-64页 |
| 第4章 基于测量信号相关的表面肌电信号分解 | 第64-91页 |
| 4.1 数据模型与原理 | 第64-66页 |
| 4.2 测量信号矩阵的自相关方法 | 第66-68页 |
| 4.3 采用Moore-Penrose伪逆构造相关矩阵的方法 | 第68-70页 |
| 4.4 采用奇异值分解(SVD)构造相关矩阵的方法 | 第70-71页 |
| 4.5 实验结果与讨论 | 第71-90页 |
| 4.5.1 仿真SEMG信号的结果 | 第71-81页 |
| 4.5.1.1 采用Moore-Penrose伪逆构造相关矩阵的方法 | 第71-79页 |
| 4.5.1.2 采用奇异值分解(SVD)构造相关矩阵的方法 | 第79-81页 |
| 4.5.2 真实SEMG信号的结果 | 第81-88页 |
| 4.5.2.1 采用Moore-Penrose伪逆构造相关矩阵的方法 | 第81-84页 |
| 4.5.2.2 采用奇异值分解(SVD)构造相关矩阵的方法 | 第84-88页 |
| 4.5.3 讨论 | 第88-90页 |
| 4.6 本章小结 | 第90-91页 |
| 第5章 总结和展望 | 第91-94页 |
| 5.1 本文的主要工作和成果 | 第91-93页 |
| 5.2 研究展望 | 第93-94页 |
| 参考文献 | 第94-106页 |
| 作者简历 | 第106-107页 |
| 攻读博士学位期间主要的研究成果 | 第107-108页 |
| 致谢 | 第108页 |
