| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题背景与研究意义 | 第10-11页 |
| 1.2 国内外研究现状及发展趋势 | 第11-16页 |
| 1.2.1 肌电动作识别与连续估计研究现状 | 第11-15页 |
| 1.2.2 肌电信号研究 | 第15-16页 |
| 1.3 存在的问题分析 | 第16-17页 |
| 1.4 本课题研究内容 | 第17-19页 |
| 第2章 肌电信号与关节角度信号采集 | 第19-31页 |
| 2.1 下肢结构模型介绍 | 第19-21页 |
| 2.2 肌电信号原理及肌群位置选择 | 第21-23页 |
| 2.2.1 肌电信号产生原理 | 第21-22页 |
| 2.2.2 下肢肌群位置选择 | 第22-23页 |
| 2.3 多元信号采集平台 | 第23-27页 |
| 2.3.1 表面肌电采集系统 | 第24-25页 |
| 2.3.2 三维运动捕捉系统 | 第25-27页 |
| 2.4 实验准备 | 第27-30页 |
| 2.4.1 受试者选择 | 第27页 |
| 2.4.2 肌电传感器与marker点黏贴 | 第27-29页 |
| 2.4.3 实验方案 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 肌电信号预处理及特征提取 | 第31-40页 |
| 3.1 肌电信号预处理 | 第31-33页 |
| 3.1.1 肌电信号滤波处理 | 第31-32页 |
| 3.1.2 肌电信号分割与检测 | 第32-33页 |
| 3.2 肌电信号特征提取 | 第33-36页 |
| 3.3 肌电信号特征降维 | 第36-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 基于肌电信号的膝关节连续运动估计 | 第40-61页 |
| 4.1 基于BP神经网络的回归算法 | 第40-45页 |
| 4.1.1 BP神经网络结构与算法 | 第40-42页 |
| 4.1.2 存在的问题 | 第42-43页 |
| 4.1.3 参数设置 | 第43-45页 |
| 4.1.4 基于BP神经网络的膝关节角度估计 | 第45页 |
| 4.2 基于支持向量机的回归算法 | 第45-48页 |
| 4.2.1 支持向量机基本原理 | 第45-46页 |
| 4.2.2 回归拟合算法 | 第46-47页 |
| 4.2.3 核函数选择 | 第47-48页 |
| 4.2.5 基于支持向量机的膝关节角度估计 | 第48页 |
| 4.3 基于正则化超限学习机的回归算法 | 第48-51页 |
| 4.3.1 超限学习机的发展 | 第48-49页 |
| 4.3.2 正则化超限学习机算法 | 第49-51页 |
| 4.3.3 基于正则化超限学习机的膝关节角度估计 | 第51页 |
| 4.4 实验结果与分析 | 第51-59页 |
| 4.4.1 评判指标 | 第51-52页 |
| 4.4.2 最优肌电特征选取 | 第52-56页 |
| 4.4.3 BP神经网络、支持向量机回归和正则化超限学习机对比 | 第56-59页 |
| 4.5 本章小结 | 第59-61页 |
| 第5章 肌肉与膝关节角度相关性研究 | 第61-65页 |
| 5.1 皮尔逊相关系数指标 | 第61页 |
| 5.2 屈伸模式下相关系数研究 | 第61-63页 |
| 5.3 深蹲模式下相关系数研究 | 第63-64页 |
| 5.4 不同模式下皮尔逊相关系数比较 | 第64页 |
| 5.5 本章小结 | 第64-65页 |
| 第6章 总结及展望 | 第65-67页 |
| 6.1 研究总结 | 第65-66页 |
| 6.2 研究展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 附录：攻读学位期间参加的科研项目和成果 | 第73页 |