| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 引言 | 第11-12页 |
| 1.2 人体下肢外骨骼研究介绍 | 第12-15页 |
| 1.2.1 国外人体外骨骼研究现状 | 第12-14页 |
| 1.2.2 国内人体外骨骼研究现状 | 第14-15页 |
| 1.3 人体肌电信号研究概述 | 第15-17页 |
| 1.3.1 sEMG在下肢外骨骼的应用研究 | 第15页 |
| 1.3.2 sEMG的特征提取方法 | 第15-16页 |
| 1.3.3 sEMG的模式分类方法 | 第16-17页 |
| 1.3.4 sEMG的模式在线学习 | 第17页 |
| 1.4 课题的研究意义 | 第17-18页 |
| 1.5 论文主要工作 | 第18-21页 |
| 1.5.1 论文主要研究内容 | 第18-19页 |
| 1.5.2 论文结构 | 第19-21页 |
| 第2章 下肢肌电信号及运动信息获取 | 第21-31页 |
| 2.1 sEMG的生理基础 | 第21-23页 |
| 2.1.1 sEMG产生的机理 | 第21-22页 |
| 2.1.2 sEMG的特点 | 第22-23页 |
| 2.2 实验设备 | 第23-25页 |
| 2.2.1 sEMG采集相关设备 | 第23-24页 |
| 2.2.2 下肢运动信息采集相关设备 | 第24-25页 |
| 2.3 sEMG和下肢运动信息采集实验 | 第25-29页 |
| 2.3.1 sEMG电极位置选择 | 第25-26页 |
| 2.3.2 Mti传感器位置安放 | 第26页 |
| 2.3.3 sEMG及下肢运动信号实验过程 | 第26-27页 |
| 2.3.4 sEMG及运动信息实验结果与分析 | 第27-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第3章 下肢sEMG预处理及特征提取 | 第31-55页 |
| 3.1 sEMG滤波处理 | 第31-38页 |
| 3.1.1 肌电信号采集的干扰因素 | 第31-32页 |
| 3.1.2 EMD滤波 | 第32-35页 |
| 3.1.3 小波去噪 | 第35-37页 |
| 3.1.4 EMD+小波去噪 | 第37-38页 |
| 3.2 sEMG的活动段提取技术 | 第38-41页 |
| 3.2.1 单门限多阈值活动段提取技术 | 第39-40页 |
| 3.2.2 实验结果及步频计算 | 第40-41页 |
| 3.3 sEMG特征提取技术 | 第41-47页 |
| 3.3.1 时域特征 | 第42-43页 |
| 3.3.2 频域特征 | 第43页 |
| 3.3.3 小波包奇异值分解 | 第43-46页 |
| 3.3.4 时序模型AR特征 | 第46-47页 |
| 3.4 sEMG特征选择技术 | 第47-53页 |
| 3.4.1 常用特征选择算法 | 第48-49页 |
| 3.4.2 相关性和冗余性指标 | 第49页 |
| 3.4.3 基于动态相关性和冗余性分析的前向特征选择方法 | 第49-51页 |
| 3.4.4 实验结果与讨论 | 第51-53页 |
| 3.5 本章小结 | 第53-55页 |
| 第4章 基于sEMG路况识别和疲劳检测的在线学习算法 | 第55-71页 |
| 4.1 传统分类器 | 第55-58页 |
| 4.1.1 RBF神经网络 | 第55-57页 |
| 4.1.2 BP神经网络 | 第57-58页 |
| 4.2 ELM极限学习机 | 第58-63页 |
| 4.2.1 ELM极限学习机概述 | 第59-61页 |
| 4.2.2 隐含层节点数选择 | 第61页 |
| 4.2.3 疲劳检测实验结果及对比分析 | 第61-63页 |
| 4.3 OS_ELM极限学习机在线增量学习算法 | 第63-67页 |
| 4.3.1 引言 | 第63-64页 |
| 4.3.2 OS_ELM在线学习原理 | 第64-65页 |
| 4.3.3 路况识别实验结果与分析 | 第65-67页 |
| 4.4 集成在线分类器 | 第67-69页 |
| 4.4.1 基于adaboost+OS_ELM增强分类器 | 第67-68页 |
| 4.4.2 实验结果与分析 | 第68-69页 |
| 4.5 本章小结 | 第69-71页 |
| 第5章 基于多路况关节角度步态规划模型的建立 | 第71-85页 |
| 5.1 引言 | 第71-72页 |
| 5.1.1 多路况关节角度步态规划模型的建立过程 | 第72页 |
| 5.2 关节角度特征提取 | 第72-77页 |
| 5.2.1 关节角度傅里叶级数系数提取 | 第72-75页 |
| 5.2.2 基于PCA的降维处理 | 第75-77页 |
| 5.3 基于粒子群优化的模糊神经网络建模 | 第77-83页 |
| 5.3.1 模糊神经网络原理 | 第77-79页 |
| 5.3.2 粒子群优化算法 | 第79-80页 |
| 5.3.3 实验结果与分析 | 第80-83页 |
| 5.4 本章小结 | 第83-85页 |
| 第6章 总结与展望 | 第85-87页 |
| 6.1 结论 | 第85-86页 |
| 6.2 问题与展望 | 第86-87页 |
| 参考文献 | 第87-93页 |
| 致谢 | 第93页 |
