基于sEMG信号的人手运动意图解码研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 注释表 | 第14-15页 |
| 缩略词 | 第15-16页 |
| 第一章 绪论 | 第16-23页 |
| 1.1 研究背景与意义 | 第16-17页 |
| 1.2 可穿戴康复机器人手的研究现状 | 第17-18页 |
| 1.3 本课题在机器人手研究中的作用和意义 | 第18-19页 |
| 1.4 运动意图解码的国内外研究现状 | 第19-21页 |
| 1.5 本文主要工作 | 第21-23页 |
| 第二章 sEMG信号采集系统 | 第23-38页 |
| 2.1 引言 | 第23页 |
| 2.2 sEMG信号产生的生理学基础 | 第23-25页 |
| 2.3 sEMG信号的特点 | 第25-26页 |
| 2.4 sEMG信号的数学模型 | 第26-28页 |
| 2.5 采集肌肉选择 | 第28-29页 |
| 2.6 sEMG信号的硬件采集系统 | 第29-34页 |
| 2.6.1 采集电极选择 | 第29-30页 |
| 2.6.2 采集调理电路分析 | 第30-33页 |
| 2.6.3 A/D转换 | 第33-34页 |
| 2.7 sEMG信号的软件采集界面设计 | 第34-37页 |
| 2.8 本章小结 | 第37-38页 |
| 第三章 表面肌电信号的预处理 | 第38-44页 |
| 3.1 引言 | 第38页 |
| 3.2 sEMG信号的小波降噪准则 | 第38-39页 |
| 3.3 sEMG信号的小波降噪过程 | 第39页 |
| 3.4 小波降噪的阈值选择 | 第39-40页 |
| 3.5 sEMG信号的小波降噪阈值选取实验 | 第40-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第四章 六种手部意图动作的解码 | 第44-59页 |
| 4.1 引言 | 第44页 |
| 4.2 人手运动意图解码原理与过程 | 第44-45页 |
| 4.2.1 人手运动意图解码原理 | 第44页 |
| 4.2.2 人手运动意图解码过程 | 第44-45页 |
| 4.3 sEMG信号的盲分离 | 第45-49页 |
| 4.3.1 基本ICA的数学模型 | 第45-46页 |
| 4.3.2 ICA的前提假设和不确定性 | 第46-47页 |
| 4.3.3 sEMG信号的非高斯性测度 | 第47页 |
| 4.3.4 盲源MUAPT的提取 | 第47-49页 |
| 4.4 MUAPT信息的特征提取 | 第49-50页 |
| 4.4.1 LPP算法原理 | 第49页 |
| 4.4.2 MUAPT的LPP算法实现过程 | 第49-50页 |
| 4.5 MUAPT信息的分类 | 第50-54页 |
| 4.5.1 HMM原理 | 第50-51页 |
| 4.5.2 HMM的结构 | 第51页 |
| 4.5.3 MUAPT的HMM需解决的三类问题 | 第51-54页 |
| 4.5.3.1 评估问题 | 第51-52页 |
| 4.5.3.2 识别问题 | 第52-53页 |
| 4.5.3.3 训练问题 | 第53-54页 |
| 4.5.4 MUAPT的HMM算法实现过程 | 第54页 |
| 4.6 六种手部意图动作的解码实验与分析 | 第54-58页 |
| 4.7 本章小结 | 第58-59页 |
| 第五章 基于肌电解码的康复机器人手运动控制 | 第59-72页 |
| 5.1 引言 | 第59页 |
| 5.2 人手结构分析 | 第59-60页 |
| 5.3 康复机器人手套的选用 | 第60页 |
| 5.4 运动控制方案设计 | 第60-61页 |
| 5.5 运动控制方案的主要模块 | 第61-68页 |
| 5.5.1 单片机处理模块 | 第61-62页 |
| 5.5.2 PWM生成模块 | 第62-64页 |
| 5.5.3 驱动电路模块 | 第64-65页 |
| 5.5.4 气动阀模块 | 第65-66页 |
| 5.5.5 气动肌腱模块 | 第66-68页 |
| 5.6 康复机器人手运动控制实验 | 第68-70页 |
| 5.7 冥想训练法 | 第70页 |
| 5.8 本章小结 | 第70-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 6.1 本文的主要工作 | 第72-73页 |
| 6.2 今后展望 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 致谢 | 第79-80页 |
| 在学期间的研究成果及发表的学术论文 | 第80页 |
