首页--医药、卫生论文--临床医学论文--康复医学论文--康复医学工程论文

面向人工假肢的表面肌电信号人手抓取动作研究

摘要第5-7页
Abstract第7-9页
第1章 绪论第18-34页
    1.1 研究的来源和意义第18-19页
        1.1.1 课题的来源第18页
        1.1.2 课题的研究意义第18-19页
    1.2 假手控制源分析第19-24页
        1.2.1 脑电(Electroencephalography, EEG)控制技术第19-20页
        1.2.2 语音信号(Speech Signals, SS)控制技术第20-21页
        1.2.3 神经控制(Neural Control)技术第21-24页
        1.2.4 肌电控制(EMG Control)技术第24页
    1.3 国内外肌电手发展现状第24-28页
        1.3.1 国内外肌电手的结构发展第24-27页
        1.3.2 国内外肌电手控制的现状第27-28页
    1.4 肌电信号的研究现状第28-32页
        1.4.1 肌电信号的预处理研究现状第28-29页
        1.4.2 肌电信号特征提取方法的研究现状第29-31页
        1.4.3 国内外肌电信号分类与模式识别发展现状第31-32页
        1.4.4 肌电手研究存在的问题第32页
    1.5 论文的主要研究内容第32-34页
第2章 肌电信号采集系统设计第34-46页
    2.1 引言第34页
    2.2 sEMG信号产生的机理第34-39页
        2.2.1 骨骼肌的神经控制机理第34-35页
        2.2.2 sEMG信号的生理机理第35-37页
        2.2.3 肌电信号的检测方法第37-39页
        2.2.4 sEMG信号的特点第39页
    2.3 sEMG信号采集系统的设计第39-42页
        2.3.1 肌电信号采集过程中干扰的形式第39-40页
        2.3.2 sEMG采集的总体方案第40-42页
    2.4 肌群与表面电极的安放第42-45页
        2.4.1 前臂肌群与手指动作的关系第42-43页
        2.4.2 表面电极的安放位置第43-45页
    2.5 本章小结第45-46页
第3章 连续肌电信号的处理第46-74页
    3.1 引言第46页
    3.2 基于ICA的多通道肌电信号串扰混合模型与解耦第46-51页
        3.2.1 基于ICA的多通道肌电信号串扰混合模型第46-48页
        3.2.2 基于负熵的ICA多通道解耦第48-49页
        3.2.3 多通道sEMG信号耦合评价准则第49-51页
        3.2.4 多通道解耦的预处理第51页
    3.3 多通道sEMG信号解耦次序的匹配第51-56页
        3.3.1 解耦次序匹配原理第52-53页
        3.3.2 解耦次序匹配实验分析第53-56页
    3.4 工频噪声的分析第56-60页
    3.5 sEMG包络滤波第60-62页
        3.5.1 包络滤波原理第60-61页
        3.5.2 包络滤波后数据分析第61-62页
    3.6 基于同态变换的表面肌电信号提取第62-68页
        3.6.1 同态滤波原理第63-64页
        3.6.2 自适应滤波算法第64-66页
        3.6.3 同态自适应滤波分析第66-68页
    3.7 sEMG的整周期平均与滑动整周期平均滤波第68-73页
        3.7.1 sEMG的整周期平均滤波第68页
        3.7.2 滑动整周期平均滤波第68-69页
        3.7.3 sEMG滤波效果分析第69-73页
    3.8 本章小结第73-74页
第4章 肌电信号稳态数据的提取第74-88页
    4.1 引言第74页
    4.2 实验方案设计第74-76页
    4.3 基于短时能量分析的动作转换点的识别第76-80页
        4.3.1 短时能量算法第76-77页
        4.3.2 实验结果与分析第77-80页
    4.4 基于DCS的动作转换点识别第80-83页
        4.4.1 DCS动作转换点识别算法第81-82页
        4.4.2 实验结果与分析第82-83页
    4.5 基于动态差分的动作转换点识别第83-84页
        4.5.1 动作转换处极值点的提取第83页
        4.5.2 数据处理与结果分析第83-84页
    4.6 基于基元法的动作转换点的识别第84-87页
        4.6.1 EMG基元法的预处理第85-86页
        4.6.2 基元的选取第86页
        4.6.3 基元法动作转换实验分析第86-87页
    4.7 本章小结第87-88页
第5章 人手抓取动作的特征提取第88-108页
    5.1 引言第88页
    5.2 人手抓取动作模式第88-92页
        5.2.1 人手的常用抓取模式第89-91页
        5.2.2 人手的预抓取动作顺序第91-92页
    5.3 抓取动作特征提取方法第92-97页
        5.3.1 人手的抓取动作特征提取方法第92-95页
        5.3.2 抓取动作特征选择与提取第95-97页
    5.4 抓取动作特征提取实验分析第97-106页
        5.4.1 抓取肌电信号采集实验设计第97-98页
        5.4.2 时域特征提取分析第98-103页
        5.4.3 频域特征提取分析第103页
        5.4.4 小波系数特征提取分析第103-106页
    5.5 本章小结第106-108页
第6章 人手抓取动作的模式识别第108-122页
    6.1 引言第108-109页
    6.2 BP神经网络算法第109-111页
    6.3 模糊神经网络第111-115页
        6.3.1 动态模糊神经网络第112-114页
        6.3.2 动态模糊神经网络的算法第114-115页
    6.4 基于不同特征的分类识别比较第115-121页
        6.4.1 时域特征识别率分析第115-116页
        6.4.2 频域特征识别率分析第116-117页
        6.4.3 小波系数特征识别率分析第117-119页
        6.4.4 融合特征的识别率分析第119-121页
    6.5 本章小结第121-122页
结论第122-124页
参考文献第124-136页
攻读学位期间发表的学术论文第136-137页
致谢第137页

论文共137页,点击 下载论文
上一篇:线粒体及其调控基因在糖脂异常发生机制中的作用
下一篇:白藜芦醇抑制人结肠癌细胞增殖和诱导凋亡及与COX-2关系的研究