| 中文摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-15页 |
| ·表面肌电信号的研究意义 | 第8-9页 |
| ·国内外研究现状及存在的问题 | 第9-14页 |
| ·表面肌电信号的发展与应用 | 第9-10页 |
| ·表面肌电信号检测技术现状 | 第10页 |
| ·表面肌电信号特征提取方法研究现状 | 第10-12页 |
| ·表面肌电信号模式识别方法研究现状 | 第12-13页 |
| ·肌电信号模式识别中存在的问题 | 第13-14页 |
| ·本课题的来源与研究的内容 | 第14-15页 |
| 第2章 表面肌电信号的产生机理分析及其采集方法 | 第15-21页 |
| ·表面肌电信号的产生机理 | 第15-16页 |
| ·肌电信号的特点分析 | 第16页 |
| ·肌电信号的采集 | 第16-21页 |
| ·实验设备 | 第16-18页 |
| ·表面肌电信号的采集实验 | 第18-21页 |
| 第3章 肌电采集系统的硬件模块设计与实现 | 第21-37页 |
| ·肌电检测电路的特点及设计思路 | 第21页 |
| ·肌电放大电路设计 | 第21-25页 |
| ·肌电滤波电路设计 | 第25-28页 |
| ·基于 TMS320F2812 的采集系统设计 | 第28-33页 |
| ·数字信号处理器 TMS320F2812 介绍 | 第28-29页 |
| ·采集系统设计 | 第29-30页 |
| ·数据采集功能实现 | 第30-33页 |
| ·系统电源电路和时钟电路设计 | 第33-34页 |
| ·系统电源电路设计 | 第33页 |
| ·系统时钟电路设计 | 第33-34页 |
| ·系统整体功能调试 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 表面肌电信号特征提取算法研究 | 第37-51页 |
| ·小波变换 | 第37-40页 |
| ·小波分析的基本理论 | 第37-39页 |
| ·小波变换的推导过程 | 第39-40页 |
| ·基于小波变换的肌电信号去噪 | 第40-44页 |
| ·信号的小波分解 | 第40-41页 |
| ·肌电信号去噪实验研究 | 第41-44页 |
| ·基于小波包能量法的肌电动作特征提取 | 第44-47页 |
| ·小波包变换的基本理论 | 第44-45页 |
| ·基于 db30 小波包变换的肌电信号能量提取 | 第45-47页 |
| ·基于 AR 模型系数的肌电动作特征提取 | 第47-51页 |
| ·AR 模型基本理论 | 第47-48页 |
| ·4 阶 AR 模型的特征提取 | 第48-51页 |
| 第5章 表面肌电信号的人工神经网络识别 | 第51-68页 |
| ·肌电信号的模式分类方法 | 第51-53页 |
| ·贝叶斯决策分类 | 第51页 |
| ·聚类分析 | 第51-53页 |
| ·绝对值积分法 | 第53页 |
| ·人工神经网络 | 第53-67页 |
| ·BP 神经网络 | 第54-60页 |
| ·BP 神经网络拓扑结构 | 第54-55页 |
| ·BP 神经网络的隐含层节点 | 第55页 |
| ·基于小波包能量的 BP 神经网络分类 | 第55-58页 |
| ·基于 AR 模型系数的 BP 神经网络分类 | 第58-60页 |
| ·Elman 神经网络 | 第60-67页 |
| ·Elman 神经网络结构 | 第61页 |
| ·Elman 神经网络的学习过程 | 第61-62页 |
| ·基于小波包能量的 Elman 神经网络分类 | 第62-64页 |
| ·基于 AR 模型系数的 Elman 神经网络分类 | 第64-67页 |
| ·识别结果分析 | 第67-68页 |
| 第6章 总结与展望 | 第68-70页 |
| ·总结 | 第68-69页 |
| ·展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-76页 |
| 申请学位期间的研究成果及发表的学术论文 | 第76-77页 |
| 附录 | 第77-80页 |