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 |