基于多源信息融合的人体运动分析与建模研究
| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第一章 绪论 | 第13-35页 |
| ·课题目的和意义 | 第13-14页 |
| ·国际国内研究状况和进展 | 第14-17页 |
| ·基于多源信息融合的人体运动分析与建模基本框架 | 第17-26页 |
| ·信息融合的概念、应用 | 第18-19页 |
| ·信息融合的模型 | 第19-22页 |
| ·多源信息融合算法 | 第22-26页 |
| ·本文的主要工作和创新点 | 第26-29页 |
| ·论文各部分的主要内容 | 第29-35页 |
| 第二章 人体运动信息及其检测 | 第35-53页 |
| ·人体运动机理及肌肉模型 | 第35-39页 |
| ·人体运动机理 | 第35-37页 |
| ·肌肉动力学模型 | 第37-39页 |
| ·人体惯性参数 | 第39-40页 |
| ·运动学信息获取 | 第40-45页 |
| ·高速摄影系统 | 第40-41页 |
| ·录像解析系统 | 第41-45页 |
| ·动力学信息获取 | 第45-46页 |
| ·生理学(肌电)信息获取 | 第46-49页 |
| ·肌电信号产生的机理 | 第46-48页 |
| ·肌电信号检测的方法 | 第48-49页 |
| ·运动员综合信息获取平台 | 第49-51页 |
| 小结 | 第51-53页 |
| 第三章 肌电信息的获取与分析 | 第53-76页 |
| ·肌电在分析运动员人体力学行为中的作用和意义 | 第53-54页 |
| ·实验装置及肌电数据采集 | 第54-57页 |
| ·基于AR模型的肌电信号特征提取 | 第57-72页 |
| ·肌电信号的AR模型 | 第57-63页 |
| ·肌电信号分类器研究 | 第63-72页 |
| ·举重过程中肌电信号的特征选取 | 第72-74页 |
| 小结 | 第74-76页 |
| 第四章 地面反力信息的获取与分析 | 第76-99页 |
| ·地面反力在运动员力学行为研究中的作用和意义 | 第76-78页 |
| ·几种典型人体运动的实验研究与地面反力的特征选择 | 第78-84页 |
| ·抓举运动过程分解 | 第84-87页 |
| ·利用多支持向量机实现抓举运动阶段的自动识别 | 第87-92页 |
| ·支持向量机基本理论 | 第88-90页 |
| ·多分类支持向量机与抓举运动阶段分类器设计 | 第90-92页 |
| ·抓举运动过程地面反力的小波分析 | 第92-96页 |
| ·小波分析的概念 | 第92-95页 |
| ·抓举过程中地面反力的小波变换 | 第95-96页 |
| 小结 | 第96-99页 |
| 第五章 基于多源信息融合的抓举运动过程分解与识别 | 第99-109页 |
| ·运动信息融合的目的 | 第99-100页 |
| ·抓举运动信息融合的网络结构与算法 | 第100-105页 |
| ·信息融合结构的确定 | 第100-102页 |
| ·网络的学习算法 | 第102-105页 |
| ·融合策略与结果 | 第105-106页 |
| 小结 | 第106-109页 |
| 第六章 基于多源信息融合的人体建模方法初探 | 第109-122页 |
| ·抓举运动的逆动力学建模 | 第109-114页 |
| ·基于优化的关节力矩估计研究 | 第114-117页 |
| ·融合多源信息的关节力矩估计方法探讨 | 第117-120页 |
| 小结 | 第120-122页 |
| 总结与展望 | 第122-126页 |
| 致谢 | 第126-127页 |
| 附录 | 第127-129页 |
| 攻读博士学位期间的主要研究工作及成果 | 第129-131页 |
