| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 康复训练技术的国内外研究现状 | 第12-18页 |
| 1.2.1 康复训练机器人的研究现状 | 第13-15页 |
| 1.2.2 基于虚拟现实技术的康复系统研究现状 | 第15-18页 |
| 1.3 康复训练中运动功能评价方法研究现状 | 第18-20页 |
| 1.3.1 传统康复运动评价方法的研究现状 | 第18页 |
| 1.3.2 脑肌电同步分析方法的研究现状 | 第18-20页 |
| 1.4 本文主要研究内容 | 第20-21页 |
| 第2章 基于脑肌电信号的运动意图识别及疲劳特征提取 | 第21-37页 |
| 2.1 引言 | 第21页 |
| 2.2 脑肌电信号采集与预处理 | 第21-30页 |
| 2.2.1 脑电和肌电信号的产生原理及特征 | 第21-24页 |
| 2.2.2 脑电和肌电信号的采集 | 第24-25页 |
| 2.2.3 脑电和肌电信号的预处理 | 第25-30页 |
| 2.3 基于肌电信号的运动意图识别 | 第30-34页 |
| 2.3.1 肌电信号特征提取 | 第31页 |
| 2.3.2 基于肌电特征的运动模式分类 | 第31-34页 |
| 2.4 基于脑肌电信号的运动疲劳特征提取 | 第34-35页 |
| 2.4.1 脑疲劳特征提取 | 第34-35页 |
| 2.4.2 肌肉疲劳特征提取 | 第35页 |
| 2.5 本章小结 | 第35-37页 |
| 第3章 脑肌电同步分析方法研究 | 第37-49页 |
| 3.1 引言 | 第37页 |
| 3.2 一致性分析 | 第37-39页 |
| 3.2.1 一致性算法 | 第37-38页 |
| 3.2.2 仿真分析 | 第38-39页 |
| 3.3 格兰杰因果分析 | 第39-42页 |
| 3.3.1 格兰杰因果算法 | 第39-41页 |
| 3.3.2 仿真分析 | 第41-42页 |
| 3.4 变分模态分解-偏定向相干分析 | 第42-47页 |
| 3.4.1 变分模态分解-偏定向相干算法 | 第42-45页 |
| 3.4.2 仿真分析 | 第45-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第4章 基于脑肌电特征的虚拟场景参数优化 | 第49-61页 |
| 4.1 引言 | 第49页 |
| 4.2 基于萤火虫优化的模糊神经网络 | 第49-54页 |
| 4.2.1 模糊神经网络构建 | 第49-52页 |
| 4.2.2 萤火虫优化算法 | 第52-54页 |
| 4.3 仿真分析 | 第54-58页 |
| 4.3.1 基于萤火虫算法的模糊神经网络训练 | 第54-57页 |
| 4.3.2 学习算法对比 | 第57-58页 |
| 4.4 基于萤火虫-模糊神经网络的场景参数优化模型 | 第58-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第5章 虚拟康复系统搭建及实验研究 | 第61-75页 |
| 5.1 引言 | 第61页 |
| 5.2 虚拟康复系统的搭建 | 第61-64页 |
| 5.2.1 系统硬件组成 | 第62页 |
| 5.2.2 系统软件组成 | 第62-64页 |
| 5.3 实验研究及结果分析 | 第64-74页 |
| 5.3.1 实验对象及方案 | 第64-65页 |
| 5.3.2 康复训练动作识别率测试 | 第65-66页 |
| 5.3.3 虚拟场景参数优化测试 | 第66-70页 |
| 5.3.4 康复训练状态评估 | 第70-74页 |
| 5.4 本章小结 | 第74-75页 |
| 结论 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第83-85页 |
| 致谢 | 第85页 |