人体手部动作肌电信号的处理与识别研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 本课题研究的背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 表面肌电信号去噪的研究概况 | 第10-11页 |
| 1.2.2 表面肌电信号特征提取的研究概况 | 第11-12页 |
| 1.2.3 表面肌电信号模式识别的研究概况 | 第12-14页 |
| 1.2.4 总结 | 第14页 |
| 1.3 本文主要的研究内容 | 第14页 |
| 1.4 本文结构安排 | 第14-16页 |
| 第二章 表面肌电信号的采集实验设计 | 第16-25页 |
| 2.1 表面肌电信号的产生机理 | 第16页 |
| 2.2 表面肌电信号的特点分析 | 第16-17页 |
| 2.3 表面肌电信号的采集 | 第17-24页 |
| 2.3.1 系统的构成 | 第17-19页 |
| 2.3.2 动作姿态的规划 | 第19-20页 |
| 2.3.3 电极位置的选择 | 第20页 |
| 2.3.4 表面肌电信号的采集实验 | 第20-24页 |
| 2.3.5 表面肌电信号采集注意事项 | 第24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 表面肌电信号的去噪研究 | 第25-36页 |
| 3.1 噪声来源分析 | 第25页 |
| 3.2 小波阈值去噪 | 第25-28页 |
| 3.3 EMD滤波去噪 | 第28-31页 |
| 3.3.1 EMD分解基本原理 | 第28-29页 |
| 3.3.2 EMD滤波分析 | 第29-31页 |
| 3.4 基于EMD小波阈值去噪 | 第31-32页 |
| 3.5 信号去噪效果评估标准 | 第32页 |
| 3.6 实验及结果分析 | 第32-34页 |
| 3.7 本章小结 | 第34-36页 |
| 第四章 表面肌电信号的特征提取 | 第36-44页 |
| 4.1 时域特征提取 | 第36-38页 |
| 4.2 频域特征提取 | 第38-40页 |
| 4.3 时频域特征提取 | 第40-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第五章 基于支持向量机的表面肌电信号识别及其优化 | 第44-57页 |
| 5.1 模式识别概述 | 第44页 |
| 5.2 SVM原理 | 第44-49页 |
| 5.2.1 SVM概述 | 第44-45页 |
| 5.2.2 SVM分类原理 | 第45-47页 |
| 5.2.3 核函数 | 第47-48页 |
| 5.2.4 SVM分类方法 | 第48-49页 |
| 5.3 SVM的参数选择 | 第49页 |
| 5.4 人工鱼群优化算法寻优原理 | 第49-53页 |
| 5.4.1 人工鱼群算法概述 | 第49页 |
| 5.4.2 鱼群四种行为描述 | 第49-52页 |
| 5.4.3 人工鱼群算法（AFSA）寻优流程 | 第52-53页 |
| 5.5 人工鱼群优化SVM（AFSVM）参数 | 第53-54页 |
| 5.6 实验与结果分析 | 第54-56页 |
| 5.6.1 实验数据基础 | 第54页 |
| 5.6.2 模型的建立以及实验与结果分析 | 第54-56页 |
| 5.7 本章小结 | 第56-57页 |
| 第六章 结论与展望 | 第57-59页 |
| 6.1 主要结论 | 第57页 |
| 6.2 展望 | 第57-59页 |
| 参考文献 | 第59-64页 |
| 攻读研究生期间参与的研究成果 | 第64-65页 |
| 致谢 | 第65页 |
