基于表面肌电信号的人手抓取动作模式识别技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-19页 |
| ·课题背景 | 第11页 |
| ·表面肌电信号的研究意义 | 第11-12页 |
| ·表面肌电信号的国内外研究现状 | 第12-17页 |
| ·肌电信号采集和预处理的研究现状 | 第13-14页 |
| ·表面肌电信号特征提取研究现状 | 第14-16页 |
| ·表面肌电信号的模式分类研究现状 | 第16-17页 |
| ·肌电假肢控制存在的问题 | 第17页 |
| ·论文的主要内容 | 第17页 |
| ·本章小结 | 第17-19页 |
| 第二章 表面肌电信号采集 | 第19-26页 |
| ·肌电控制系统组成 | 第19-20页 |
| ·前臂功能性肌肉选择 | 第20-21页 |
| ·肌电电极属性及选择 | 第21-22页 |
| ·表面肌电信号的采集 | 第22-24页 |
| ·本章小结 | 第24-26页 |
| 第三章 表面肌电信号的特征提取方法研究 | 第26-40页 |
| ·表面肌电信号的数字滤波 | 第26-28页 |
| ·滤波算法原理 | 第26-28页 |
| ·动作表面肌电信号起始点检测 | 第28-30页 |
| ·动作表面肌电信号的特征提取 | 第30-35页 |
| ·时域特征提取方法 | 第30-31页 |
| ·频域特征的提取方法 | 第31-32页 |
| ·时频域特征提取方法 | 第32-35页 |
| ·PCA 降维方法 | 第35-39页 |
| ·PCA 算法原理 | 第36-37页 |
| ·PCA 方法的计算过程 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 表面肌电信号的动作模式识别方法研究 | 第40-47页 |
| ·模式识别概述 | 第40-41页 |
| ·支持向量机分类算法原理 | 第41-46页 |
| ·SVM 的基本思想 | 第41-42页 |
| ·最优分类面 | 第42-43页 |
| ·广义的最优分类面 | 第43-45页 |
| ·基于支持向量机多类别分类器算法 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 实验及结果分析 | 第47-58页 |
| ·人手抓取动作选取 | 第47页 |
| ·实验准备工作 | 第47-48页 |
| ·特征值提取对识别结果的影响 | 第48-55页 |
| ·时域特征提取方法对人手抓取动作的识别率 | 第48-50页 |
| ·时频域特征提取方法对人手抓取动作的识别率 | 第50-52页 |
| ·时域特征方法与时频域特征提取方法的比较 | 第52-53页 |
| ·减少人手抓取动作种类对识别率的影响 | 第53-55页 |
| ·电极个数对识别结果的影响 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-61页 |
| ·主要工作和研究成果 | 第58-59页 |
| ·创新点 | 第59页 |
| ·展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 攻读学位期间发表的学术论文 | 第66页 |
