| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第13-22页 |
| 1.1 课题研究背景及意义 | 第13-14页 |
| 1.2 跌倒检测的国内外研究现状 | 第14-17页 |
| 1.3 肌电信号的研究方法 | 第17-19页 |
| 1.3.1 肌电信号特征提取方法 | 第17-18页 |
| 1.3.2 常用的模式分类方法综述 | 第18-19页 |
| 1.4 足底压力感知技术简介 | 第19-20页 |
| 1.4.1 足底压力研究现状及应用 | 第19-20页 |
| 1.4.2 足底压力感知技术 | 第20页 |
| 1.5 本文的的内容与结构 | 第20-21页 |
| 1.6 本章小结 | 第21-22页 |
| 第2章 肌电与足底压力信号的采集 | 第22-28页 |
| 2.1 肌电信号的产生机理及特性 | 第22-23页 |
| 2.2 下肢肌电信号的选取 | 第23-24页 |
| 2.2.1 下肢典型肌肉的位置及功能 | 第23-24页 |
| 2.2.2 下肢典型肌肉的选择 | 第24页 |
| 2.3 下肢表面肌电信号的采集 | 第24-25页 |
| 2.3.1 电极的选取 | 第24页 |
| 2.3.2 下肢表面肌电信号获取系统 | 第24-25页 |
| 2.4 压力信号的采集 | 第25-27页 |
| 2.4.1 压力传感模块 | 第25-26页 |
| 2.4.2 压力采集鞋的设计 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 表面肌电信号的降噪方法研究 | 第28-42页 |
| 3.1 多通道表面肌电信号降噪与去混迭研究 | 第28-36页 |
| 3.1.1 二代小波降噪原理 | 第29-30页 |
| 3.1.2 独立成分分析(ICA)的原理 | 第30-31页 |
| 3.1.3 实验分析 | 第31-36页 |
| 3.2 基于 EEMD 分析的 sEMG 降噪方法 | 第36-37页 |
| 3.2.1 经验模态分解(EMD) | 第36页 |
| 3.2.2 总体平均经验模态分解(EEMD) | 第36-37页 |
| 3.2.3 HHT 分析 | 第37页 |
| 3.3 实验分析 | 第37-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 肌电信号的特征提取研究 | 第42-50页 |
| 4.1 基于熵的特征提取方法原理 | 第42-44页 |
| 4.1.1 模糊熵原理 | 第42-43页 |
| 4.1.2 近似熵原理 | 第43页 |
| 4.1.3 基本尺度熵原理 | 第43-44页 |
| 4.2 肌电信号的特征实验分析 | 第44-48页 |
| 4.2.1 实验过程 | 第44-45页 |
| 4.2.2 特征分析 | 第45-48页 |
| 4.3 本章小结 | 第48-50页 |
| 第5章 基于肌电与足底压力信号的跌倒识别 | 第50-66页 |
| 5.1 模式识别方法 | 第50-55页 |
| 5.1.1 基于类中心的欧氏距离法分类 | 第50页 |
| 5.1.2 K 最近邻算法 | 第50页 |
| 5.1.3 支持向量机 | 第50-53页 |
| 5.1.4 Fisher 线性判别法 | 第53页 |
| 5.1.5 加权核 Fisher 线性判别分析方法(WKFDA ) | 第53-55页 |
| 5.2 信息融合方法 | 第55-58页 |
| 5.2.1 信息融合方式 | 第56页 |
| 5.2.2 基于 SVM 与 D-S 证据推理的信息融合方法 | 第56-58页 |
| 5.3 实验分析 | 第58-65页 |
| 5.3.1 实验过程 | 第58-59页 |
| 5.3.2 分类性能的评价准则 | 第59-60页 |
| 5.3.3 基于肌电信号的的跌倒检测实验分析 | 第60-62页 |
| 5.3.4 基于肌电与足底压力信号融合的跌倒检测 | 第62-65页 |
| 5.4 本章小结 | 第65-66页 |
| 第6章 总结与展望 | 第66-69页 |
| 6.1 本文工作总结 | 第66-67页 |
| 6.2 研究展望 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-77页 |
| 附录 | 第77页 |
