| 前言 | 第1-5页 |
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-13页 |
| 第1章 绪论 | 第13-27页 |
| ·问题的提出与研究意义 | 第13-15页 |
| ·问题提出 | 第13页 |
| ·研究意义 | 第13-15页 |
| ·智能仿生手臂表面肌电信号国内外研究现状 | 第15-23页 |
| ·智能仿生手臂国内外研究现状 | 第15-17页 |
| ·表面肌电信号国内外研究现状 | 第17-20页 |
| ·表面肌电信号处理领域存在问题 | 第20-23页 |
| ·本文的主要内容与结构安排 | 第23-27页 |
| ·科研项目资助情况 | 第23页 |
| ·研究目标与主要研究问题 | 第23-24页 |
| ·章节安排 | 第24-27页 |
| 第2章 表面肌电信号产生机理及检测方法 | 第27-39页 |
| ·引言 | 第27页 |
| ·肌电信号产生机理 | 第27-29页 |
| ·表面肌电信号特点 | 第29页 |
| ·人体前臂肌肉与运动关系 | 第29-32页 |
| ·表面肌电信号检测与预处理 | 第32-36页 |
| ·表面肌电信号采集系统选择 | 第32-34页 |
| ·表面肌电信号检测 | 第34-35页 |
| ·表面肌电信号预处理 | 第35-36页 |
| ·本章小结 | 第36-39页 |
| 第3章 表面肌电信号去噪 | 第39-57页 |
| ·引言 | 第39-40页 |
| ·小波消噪原理 | 第40-41页 |
| ·非抽样双密度小波变换 | 第41-43页 |
| ·双参数软阈值函数 | 第43-46页 |
| ·阈值设定 | 第43页 |
| ·双参数软阈值函数 | 第43-46页 |
| ·仿真实验及结果分析 | 第46-56页 |
| ·本章小结 | 第56-57页 |
| 第4章 表面肌电信号建模 | 第57-73页 |
| ·引言 | 第57-58页 |
| ·传统特征提取方法 | 第58-59页 |
| ·基于时域的特征提取方法 | 第58页 |
| ·基于频域的特征提取方法[93-96] | 第58-59页 |
| ·基于傅里叶级数的表面肌电信号建模 | 第59-61页 |
| ·基于盲辨识方法的表面肌电信号建模 | 第61-65页 |
| ·肌电信号模型 | 第61-62页 |
| ·基于 FFT 的盲辨识方法 | 第62-65页 |
| ·仿真实验及结果分析 | 第65-71页 |
| ·基于传统方法的表面肌电信号特征提取 | 第65-66页 |
| ·基于傅里叶级数法的表面肌电信号建模及特征提取 | 第66-68页 |
| ·基于 FFT 盲辨识的表面肌电信号建模及特征提取 | 第68-71页 |
| ·本章小结 | 第71-73页 |
| 第5章 表面肌电信号模式识别 | 第73-91页 |
| ·引言 | 第73-74页 |
| ·半监督 BOOSTING 多模式识别算法 | 第74-81页 |
| ·问题描述 | 第74页 |
| ·差异性函数设定 | 第74-76页 |
| ·boosting 多模式识别算法 | 第76-81页 |
| ·仿真实验及结果分析 | 第81-90页 |
| ·基于不同机器学习方法的多运动模式识别 | 第81-85页 |
| ·基于半监督学习方法的多运动模式识别分析 | 第85-90页 |
| ·本章小结 | 第90-91页 |
| 第6章 表面肌电信号智能仿生手臂控制 | 第91-101页 |
| ·引言 | 第91-92页 |
| ·基于表面肌电信号的仿生手臂控制 | 第92-96页 |
| ·仿生手臂动力学建模 | 第92-94页 |
| ·基于自抗扰方法的仿生手臂控制 | 第94-96页 |
| ·仿真实验及结果分析 | 第96-99页 |
| ·本章小结 | 第99-101页 |
| 第7章 总结与展望 | 第101-105页 |
| ·主要工作及成果 | 第101-103页 |
| ·研究展望 | 第103-105页 |
| 参考文献 | 第105-115页 |
| 作者简介及研究成果 | 第115-117页 |
| 致谢 | 第117页 |