| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-15页 |
| 1.2.1 上肢康复机器人国内外研究现状 | 第9-12页 |
| 1.2.2 肌电信号人机接口的国内外研究现状 | 第12-13页 |
| 1.2.3 脑电信号人机接口的国内外研究现状 | 第13-15页 |
| 1.3 研究内容及章节安排 | 第15-17页 |
| 第2章 上肢康复机器人系统组成 | 第17-25页 |
| 2.1 上肢康复机器人本体结构 | 第17-18页 |
| 2.2 上肢康复机器人训练系统整体组成 | 第18-19页 |
| 2.3 上肢运动模式识别系统组成 | 第19-21页 |
| 2.3.1 肌电信号采集设备MYO臂环 | 第20-21页 |
| 2.4 运动想象控制系统组成 | 第21-24页 |
| 2.4.1 脑电信号采集设备EMOTIVEPOC+ | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于sEMG的肘关节运动模式识别 | 第25-44页 |
| 3.1 表面肌电信号采集 | 第25-27页 |
| 3.2 sEMG预处理 | 第27-29页 |
| 3.2.1 巴特沃斯带通滤波处理 | 第27-28页 |
| 3.2.2 端点检测 | 第28-29页 |
| 3.3 sEMG特征提取 | 第29-33页 |
| 3.3.1 sEMG的时频域特征 | 第29-31页 |
| 3.3.2 LDA降维 | 第31-33页 |
| 3.4 肘关节运动模式识别分类器选择及其改进型 | 第33-41页 |
| 3.4.1 常用的模式识别分类器 | 第33-34页 |
| 3.4.2 BP神经网络上肢运动模式分类 | 第34-39页 |
| 3.4.3 基于动态自适应学习速率的BP算法 | 第39-41页 |
| 3.5 实验结果分析 | 第41-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第4章 基于EEG的运动想象分类研究 | 第44-53页 |
| 4.1 脑电信号采集 | 第44-46页 |
| 4.1.1 脑电信号诱发方式 | 第44页 |
| 4.1.2 脑电信号采集方案设计 | 第44-45页 |
| 4.1.3 脑电节律特征 | 第45-46页 |
| 4.2 常用的脑电信号消噪处理方法 | 第46-48页 |
| 4.2.1 小波阈值消噪处理 | 第46-47页 |
| 4.2.2 经验模态分解 | 第47-48页 |
| 4.3 常用的脑电信号特征提取方法 | 第48-51页 |
| 4.3.1 基于小波变换的脑电信号特征提取 | 第48-50页 |
| 4.3.2 基于CSP的特征提取 | 第50-51页 |
| 4.4 推和拉想象动作分类 | 第51-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第5章 上位机软件设计与测试 | 第53-64页 |
| 5.1 上肢运动模式在线识别 | 第53-58页 |
| 5.1.1 软件总体设计 | 第53-54页 |
| 5.1.2 软件各模块设计 | 第54-57页 |
| 5.1.3 在线识别结果分析 | 第57-58页 |
| 5.2 运动想象在线分析与设计 | 第58-63页 |
| 5.2.1 软件总体设计 | 第58-59页 |
| 5.2.2 软件在线设计与实现 | 第59-61页 |
| 5.2.3 运动想象在线实验 | 第61-63页 |
| 5.3 本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64页 |
| 6.2 展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读学位期间取得的研究成果 | 第70-71页 |
| 致谢 | 第71页 |