| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-18页 |
| ·课题来源 | 第8页 |
| ·本课题研究背景和意义 | 第8-10页 |
| ·假肢控制研究现状 | 第10-16页 |
| ·基于表面肌电信号的假肢控制原理和系统实现 | 第10-14页 |
| ·基于表面肌电信号的假肢控制原理 | 第10-11页 |
| ·肌电控制接口的功能结构表 | 第11页 |
| ·表面肌电信号的特征提取方法 | 第11-13页 |
| ·表面肌电信号的分类识别 | 第13-14页 |
| ·国内外研究进展 | 第14-16页 |
| ·本文的主要研究工作 | 第16-17页 |
| ·本论文的结构 | 第17-18页 |
| 第2章 肌电信号的产生、采集和处理 | 第18-41页 |
| ·肌电信号的产生机理 | 第18-20页 |
| ·肌电信号的数学模型 | 第20-26页 |
| ·线性系统模型 | 第20-22页 |
| ·集中参数模型 | 第22-23页 |
| ·非平稳模型 | 第23-25页 |
| ·双极型模型 | 第25-26页 |
| ·肌电信号的采集 | 第26-32页 |
| ·实验设备 | 第26-27页 |
| ·表面电极放置 | 第27-30页 |
| ·肌电动作分割 | 第30-32页 |
| ·动作表面肌电信号处理 | 第32-34页 |
| ·表面肌电信号特征提取 | 第32页 |
| ·降维处理 | 第32-33页 |
| ·特征属性集可分性研究 | 第33-34页 |
| ·动作模式辨识分类器 | 第34-40页 |
| ·BP 神经网络分类器 | 第34-37页 |
| ·BP 网络算法 | 第34-36页 |
| ·BP 网络实验设计 | 第36-37页 |
| ·支持向量机（SVM）分类器 | 第37-40页 |
| ·支持向量机理论 | 第37-39页 |
| ·SVM 分类方法 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第3章 基于时域和频域的特征提取方法研究 | 第41-47页 |
| ·时域统计特征提取 | 第41-44页 |
| ·时域特征 | 第41-42页 |
| ·实验结果与分析 | 第42-44页 |
| ·频域特征的提取 | 第44-46页 |
| ·频域特征 | 第44-45页 |
| ·实验结果与分析 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第4章 基于时频域的特征提取方法研究 | 第47-59页 |
| ·常用的时频分析方法 | 第47-48页 |
| ·短时傅里叶变换 | 第47页 |
| ·维格纳分布 | 第47-48页 |
| ·Choi-Williams 变换 | 第48页 |
| ·小波变换（WT）和小波包变换（WPT） | 第48-53页 |
| ·基于小波变换的特征提取 | 第48-51页 |
| ·小波系数最大值 | 第49页 |
| ·小波系数奇异值 | 第49-50页 |
| ·小波系数能量 | 第50-51页 |
| ·小波包变换的特征提取 | 第51-53页 |
| ·实验结果与分析 | 第53-58页 |
| ·本章小结 | 第58-59页 |
| 第5章 基于参数模型和高阶谱分析的特征提取方法研究 | 第59-81页 |
| ·基于AR 和MVAR 参数模型表面肌电信号特征提取 | 第59-67页 |
| ·AR 模型特征提取 | 第59-61页 |
| ·多变量AR 模型特征提取 | 第61-63页 |
| ·多变量AR 模型参数估计 | 第61-63页 |
| ·多变量AR 模型阶次确定和特征提取 | 第63页 |
| ·实验结果与分析 | 第63-67页 |
| ·参数化双谱分析 | 第67-77页 |
| ·双谱的定义 | 第67-71页 |
| ·高阶矩函数与高阶累积量 | 第67-68页 |
| ·双谱及其性质 | 第68-71页 |
| ·双谱估计 | 第71-75页 |
| ·双谱估计方法 | 第71-73页 |
| ·参数化双谱估计步骤 | 第73-75页 |
| ·双谱特征提取 | 第75-77页 |
| ·实验结果与分析 | 第77-79页 |
| ·各特征向量结果比较 | 第79-80页 |
| ·本章小结 | 第80-81页 |
| 第6章 总结与展望 | 第81-84页 |
| 主要工作和研究成果 | 第81-82页 |
| 创新点: | 第82页 |
| 展望: | 第82-84页 |
| 参考文献 | 第84-90页 |
| 致谢 | 第90-91页 |
| 攻读硕士学位期间已发表或录用的论文 | 第91-93页 |