| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 脑肌电耦合研究现状 | 第11-12页 |
| 1.3 肌肉疲劳研究现状 | 第12-16页 |
| 1.3.1 基于肌电幅值参数方法 | 第13-14页 |
| 1.3.2 频谱参数方法 | 第14页 |
| 1.3.3 时频分布参数方法 | 第14页 |
| 1.3.4 非线性参数方法 | 第14-16页 |
| 1.4 本文主要工作及创新点 | 第16页 |
| 1.5 章节安排 | 第16-18页 |
| 第2章 脑肌电信号基础知识 | 第18-25页 |
| 2.1 脑电信号简介 | 第18-21页 |
| 2.1.1 脑电信号产生机理 | 第18-19页 |
| 2.1.2 脑电信号特点 | 第19-20页 |
| 2.1.3 脑电节律 | 第20页 |
| 2.1.4 脑电信号特征提取方法 | 第20-21页 |
| 2.2 肌电信号简介 | 第21-23页 |
| 2.2.1 肌电信号产生机理 | 第21页 |
| 2.2.2 肌电信号特点 | 第21-22页 |
| 2.2.3 肌电信号影响因素 | 第22页 |
| 2.2.4 肌电信号特征提取方法 | 第22-23页 |
| 2.3 本章小结 | 第23-25页 |
| 第3章 基于多元经验模态分解-传递熵的脑肌电耦合分析 | 第25-47页 |
| 3.1 经验模态分解理论及方法延伸 | 第25-34页 |
| 3.1.1 经验模态分解 | 第25-28页 |
| 3.1.2 集合经验模态分解 | 第28-31页 |
| 3.1.3 多元经验模态分解 | 第31-34页 |
| 3.2 传递熵 | 第34-35页 |
| 3.3 实验数据采集 | 第35-37页 |
| 3.4 实验结果分析 | 第37-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 疲劳识别研究 | 第47-59页 |
| 4.1 引言 | 第47-48页 |
| 4.2 张量表述 | 第48-50页 |
| 4.3 基于张量线性拉普拉斯判别的特征提取方法 | 第50-53页 |
| 4.3.1 肌电数据的张量表示 | 第50页 |
| 4.3.2 投影矩阵获得 | 第50-53页 |
| 4.3.3 特征生成和选择 | 第53页 |
| 4.4 实验数据采集 | 第53-56页 |
| 4.4.1 实验环境及实验设备 | 第53-54页 |
| 4.4.2 握力肌电采集 | 第54-56页 |
| 4.5 实验结果与分析 | 第56-58页 |
| 4.5.1 带宽参数选择 | 第56-57页 |
| 4.5.2 特征维数选择 | 第57-58页 |
| 4.5.3 分类结果 | 第58页 |
| 4.6 本章小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 5.1 本文工作总结 | 第59页 |
| 5.2 研究展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-71页 |
| 附录 | 第71页 |