面向仿人手的表面肌电信号的模式识别研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 引言 | 第13页 |
| 1.2 表面肌电信号的研究意义 | 第13-14页 |
| 1.3 表面肌电信号的研究历史与现状 | 第14-15页 |
| 1.4 模式识别在肌电假肢中的应用研究 | 第15-18页 |
| 1.4.1 特征提取方法 | 第15-16页 |
| 1.4.2 分类方法 | 第16-18页 |
| 1.6 本章小结 | 第18-19页 |
| 第二章 肌电信号的理论分析研究 | 第19-28页 |
| 2.1 引言 | 第19页 |
| 2.2 肌电信号的产生机理 | 第19-22页 |
| 2.2.1 静息电位 | 第20页 |
| 2.2.2 动作电位 | 第20-21页 |
| 2.2.3 终板电位 | 第21页 |
| 2.2.4 损伤电位 | 第21-22页 |
| 2.3 肌电信号的模型 | 第22-27页 |
| 2.3.1 线性系统模型 | 第23-24页 |
| 2.3.2 集中参数模型 | 第24-25页 |
| 2.3.3 非平稳模型 | 第25-27页 |
| 2.3.4 双极型模型 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 表面肌电信号的特征提取 | 第28-41页 |
| 3.1 表面肌电信号的采集设备 | 第28页 |
| 3.2 表面肌电信号的采集过程 | 第28-29页 |
| 3.3 表面肌电信号的提取 | 第29-30页 |
| 3.4 特征提取方法 | 第30-39页 |
| 3.4.1 时域特征提取 | 第30-32页 |
| 3.4.2 频域特征的提取 | 第32-34页 |
| 3.4.3 时频域的特征提取 | 第34-37页 |
| 3.4.4 非线性特征的提取 | 第37-39页 |
| 3.5 各特征向量比较 | 第39页 |
| 3.6 本章小结 | 第39-41页 |
| 第四章 基于模糊理论的模式识别 | 第41-55页 |
| 4.1 模式识别概述 | 第41页 |
| 4.2 模糊理论的基本概念 | 第41-43页 |
| 4.2.1 模糊集合隶属函数 | 第41-42页 |
| 4.2.2 模糊集合的表示方法 | 第42页 |
| 4.2.3 模糊集合的运算 | 第42-43页 |
| 4.3 模糊数学的分类识别 | 第43-48页 |
| 4.3.1 基于模糊的特征提取 | 第43-44页 |
| 4.3.2 确定模糊集 | 第44页 |
| 4.3.3 确定隶属度函数 | 第44-48页 |
| 4.3.3.1 形成调查表 | 第44-45页 |
| 4.3.3.2 建立隶属函数 | 第45页 |
| 4.3.3.3 隶属度的计算 | 第45-48页 |
| 4.4 模糊聚类的分类识别 | 第48-53页 |
| 4.5 本章小结 | 第53-55页 |
| 第五章 基于决策树及BAYES 理论的分类器设计 | 第55-71页 |
| 5.1 决策树的研究现状 | 第55页 |
| 5.2 决策树的建立 | 第55-70页 |
| 5.2.1 训练集1 对1 决策树的构建 | 第55-66页 |
| 5.2.2 基于Bayes 理论的分类规则的制定 | 第66-68页 |
| 5.2.3 1 对多分类决策树的规划 | 第68-70页 |
| 5.3 本章小结 | 第70-71页 |
| 第六章 结论 | 第71-74页 |
| 6.1 结论分析 | 第71-73页 |
| 6.2 研究展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-79页 |
| 攻读硕士学位期间发表的学术论文 | 第79页 |
