首页--医药、卫生论文--基础医学论文--医用一般科学论文--生物医学工程论文--一般性问题论文--生物信息、生物控制论文

基于表面肌电信号的下肢运动模式识别的研究

摘要第4-5页
ABSTRACT第5-6页
目录第7-10页
第一章 绪论第10-20页
    1.1 研究背景第10-11页
    1.2 研究意义第11页
    1.3 国内外的研究现状第11-16页
        1.3.1 下肢肌电信号在国外康复医疗领域的应用第12-16页
        1.3.2 下肢肌电信号在国内康复医疗领域的应用第16页
    1.4 下肢外骨骼康复机器人的控制机理第16-18页
        1.4.1 控制信号源的研究第16-17页
        1.4.2 肌电信号的控制原理第17-18页
    1.5 研究的主要内容第18-20页
第二章 表面肌电信号的产生与采集第20-36页
    2.1 肌电信号的概述第20-22页
        2.1.1 表面肌电信号的产生机理第20-21页
        2.1.2 表面肌电信号的特征第21-22页
    2.2 人体下肢肌肉的功能及其步态分析第22-27页
        2.2.1 人体的运动分析第22-23页
        2.2.2 下肢肌群及其作用分析第23-25页
        2.2.3 下肢步态分析第25-27页
    2.3 表面肌电信号的采集系统第27-35页
        2.3.1 表面肌电信号采集的硬件系统第27-32页
        2.3.2 采集过程的干扰因素第32-33页
        2.3.3 表面肌电信号的采集第33-35页
    2.4 本章小结第35-36页
第三章 表面肌电信号预处理和特征提取方法第36-54页
    3.1 表面肌电信号预处理第36-41页
        3.1.1 小波包分析的信号消噪技术第37-39页
        3.1.2 仿真分析第39-41页
    3.2 表面肌电信号特征提取方法综述第41-44页
        3.2.1 时域分析方法第41-42页
        3.2.2 频域分析方法第42页
        3.2.3 时频分析方法第42-44页
    3.3 表面肌电信号的小波特征提取第44-53页
        3.3.1 小波变换的基本理论第44-45页
        3.3.2 常用的小波函数及选择第45-47页
        3.3.3 Mallat算法第47-49页
        3.3.4 数据段分割技术第49页
        3.3.5 小波特征的提取方法第49-53页
    3.4 本章小结第53-54页
第四章 基于遗传算法优化神经网络的下肢肌电信号处理第54-66页
    4.1 人工神经网络与模式识别概述第54-57页
        4.1.1 人工神经网络简介第54-56页
        4.1.2 模式识别概述第56页
        4.1.3 神经网络模式识别的特点第56-57页
    4.2 Elman神经网络第57-59页
        4.2.1 Elman神经网络的结构第57-58页
        4.2.2 Elman 神经网络算法第58-59页
    4.3 遗传算法的基本理论第59-62页
        4.3.1 遗传算法的基本组成第59-60页
        4.3.2 遗传算法的运算过程及关键问题第60-62页
    4.4 遗传算法优化 Elman 神经网络的实现第62-65页
        4.4.1 遗传算法优化神经网络的结构第62-63页
        4.4.2 实验结果第63-65页
    4.5 本章小结第65-66页
第五章 基于 HMM 的下肢表面肌电信号模式识别的研究第66-80页
    5.1 HMM 的基本原理第66-68页
        5.1.1 马尔可夫模型第66-67页
        5.1.2 HMM 的基本概念第67页
        5.1.3 HMM 的结构组成第67-68页
    5.2 HMM 经典算法分析第68-74页
        5.2.1 HMM 的三个基本问题第68-69页
        5.2.2 HMM 的三个基本算法第69-74页
    5.3 HMM 的类型及算法实现中的问题第74-75页
        5.3.1 HMM 的基本类型第74页
        5.3.2 HMM 算法实现中出现的问题第74-75页
    5.4 基于 HMM 的下肢 SEMG 模式识别第75-78页
        5.4.1 特征提取第75页
        5.4.2 基于 HMM 的 SEMG 状态识别第75-77页
        5.4.3 实验结果与分析第77-78页
    5.5 本章小结第78-80页
第六章 结论第80-82页
参考文献第82-86页
攻取学位期间所取得的相关科研成果第86-88页
致谢第88页

论文共88页,点击 下载论文
上一篇:中国“艺术品证券化交易模式”研究
下一篇:良性阵发性位置性眩晕治疗方案的研究