| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题研究的背景及意义 | 第8-10页 |
| 1.2 国内外研究现状及分析 | 第10-12页 |
| 1.2.1 肌电信号相关研究 | 第10-11页 |
| 1.2.2 智能设备的文本输入研究 | 第11-12页 |
| 1.3 本课题的研究内容 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-15页 |
| 第2章 相关理论知识 | 第15-25页 |
| 2.1 引言 | 第15页 |
| 2.2 肌电信号 | 第15-17页 |
| 2.2.1 肌肉伸缩与手指活动 | 第15-16页 |
| 2.2.2 肌电信号概念 | 第16-17页 |
| 2.3 几种常见分类算法 | 第17-24页 |
| 2.3.1 支持向量机(SVM)算法 | 第17-20页 |
| 2.3.2 k-最邻近(KNN)算法 | 第20页 |
| 2.3.3 随机森林(RandomForest)算法 | 第20-23页 |
| 2.3.4 判别分析(DiscriminantAnalysis)法 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于肌电信号的文本输入系统设计 | 第25-45页 |
| 3.1 引言 | 第25-26页 |
| 3.2 系统实现 | 第26-28页 |
| 3.3 噪声诊断与抑制方案 | 第28-32页 |
| 3.3.1 集合经验模态分解(EEMD) | 第29页 |
| 3.3.2 噪声诊断与抑制方案设计 | 第29-31页 |
| 3.3.3 去噪方案的效果 | 第31-32页 |
| 3.4 动作检测与提取方案的设计 | 第32-38页 |
| 3.4.1 传统提取方法及其问题 | 第32-33页 |
| 3.4.2 定义信号变化量 | 第33-34页 |
| 3.4.3 基于变化量的动作检测与提取方案 | 第34-38页 |
| 3.5 字符识别模型设计 | 第38-43页 |
| 3.5.1 内嵌式特征工程 | 第38-39页 |
| 3.5.2 分类模型的建立 | 第39-43页 |
| 3.6 文本纠错模型的设计与优化 | 第43-44页 |
| 3.7 本章小结 | 第44-45页 |
| 第4章 实验设计与性能评估 | 第45-52页 |
| 4.1 引言 | 第45页 |
| 4.2 实验设计 | 第45-46页 |
| 4.2.1 字符输入实验内容 | 第45-46页 |
| 4.2.2 单词输入实验内容 | 第46页 |
| 4.3 实验结果分析与对比 | 第46-51页 |
| 4.3.1 模型评估结果与对比 | 第46-48页 |
| 4.3.2 不同情况下的识别结果与对比 | 第48-49页 |
| 4.3.3 字符识别结果与分析 | 第49-50页 |
| 4.3.4 单词纠错结果与分析 | 第50-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 总结与展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士学位期间的研究成果 | 第58页 |