面向仿生假手的表面肌电信号检测与模式识别研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8页 |
| 1.2 表面肌电信号国内外研究现状 | 第8-12页 |
| 1.2.1 表面肌电信号采集和预处理研究现状 | 第9-10页 |
| 1.2.2 表面肌电信号特征参数提取方法研究现状 | 第10-12页 |
| 1.2.3 表面肌电信号模式识别分类研究现状 | 第12页 |
| 1.3 本文研究内容 | 第12-13页 |
| 1.4 小结 | 第13-14页 |
| 第2章 表面肌电信号及其特性 | 第14-22页 |
| 2.1 表面肌电信号概述 | 第14-16页 |
| 2.1.1 肌肉组织结构及动作电位 | 第14页 |
| 2.1.2 MUAP模型 | 第14-15页 |
| 2.1.3 影响表面肌电信号的因素 | 第15-16页 |
| 2.2 表面肌电信号获取 | 第16-18页 |
| 2.2.1 表面肌电信号数据采集与获取 | 第16-17页 |
| 2.2.2 采样频率 | 第17-18页 |
| 2.2.3 采样序列的滤波 | 第18页 |
| 2.3 表面肌电信号分析及处理 | 第18-21页 |
| 2.3.1 非平稳信号及其动态特征描述 | 第18-19页 |
| 2.3.2 表面肌电信号活动段分析 | 第19-20页 |
| 2.3.3 表面肌电信号降维处理 | 第20-21页 |
| 2.4 小结 | 第21-22页 |
| 第3章 表面肌电信号特征提取方法研究 | 第22-35页 |
| 3.1 时域特征提取方法 | 第22-25页 |
| 3.1.1 时域特征 | 第22-23页 |
| 3.1.2 实验与结果分析 | 第23-25页 |
| 3.2 频域特征提取方法 | 第25-27页 |
| 3.2.1 频域特征 | 第25页 |
| 3.2.2 实验与结果分析 | 第25-27页 |
| 3.3 时频域特征提取方法 | 第27-34页 |
| 3.3.1 基于小波变换(WT)的特征值提取 | 第27-29页 |
| 3.3.2 基于小波包变换(WPT)的特征值提取 | 第29-31页 |
| 3.3.3 实验与结果分析 | 第31-34页 |
| 3.4 小结 | 第34-35页 |
| 第4章 表面肌电信号模式识别分类方法研究 | 第35-47页 |
| 4.1 标准支持向量机（SVM）分类器 | 第35-39页 |
| 4.1.1 支持向量机原理 | 第35-36页 |
| 4.1.2 最优分类面的构造 | 第36-37页 |
| 4.1.3 核函数的选取 | 第37-38页 |
| 4.1.4 参数的选取 | 第38-39页 |
| 4.2 最小二乘支持向量机（SVM）的原理 | 第39-40页 |
| 4.3 基于支持向量机的表面肌电信号分类方法 | 第40-44页 |
| 4.3.1 遗传算法 | 第40-42页 |
| 4.3.2 粒子群算法 | 第42-44页 |
| 4.4 模式识别结果与分析 | 第44-46页 |
| 4.4.1 识别准确率 | 第44-45页 |
| 4.4.2 识别时间 | 第45-46页 |
| 4.5 小结 | 第46-47页 |
| 第5章 结论 | 第47-49页 |
| 5.1 结论 | 第47页 |
| 5.2 展望 | 第47-49页 |
| 参考文献 | 第49-54页 |
| 在学研究成果 | 第54-55页 |
| 致谢 | 第55页 |
