| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第13-26页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.2 人体运动意图识别研究现状 | 第15-21页 |
| 1.2.1 基于人体生物电信号方法 | 第15-17页 |
| 1.2.2 基于人机交互力信息方法 | 第17-19页 |
| 1.2.3 肌音信号研究与应用 | 第19-21页 |
| 1.3 信号特征提取与选择 | 第21-23页 |
| 1.3.1 手工设计特征 | 第22-23页 |
| 1.3.2 自动提取特征 | 第23页 |
| 1.4 论文主要研究内容与结构安排 | 第23-26页 |
| 第2章 卷积神经网络与支持向量机结合模型 | 第26-45页 |
| 2.1 卷积神经网络 | 第26-33页 |
| 2.1.1 CNN结构 | 第26-30页 |
| 2.1.2 CNN训练 | 第30-33页 |
| 2.2 支持向量机 | 第33-41页 |
| 2.2.1 SVM分类 | 第34-38页 |
| 2.2.2 SVM回归 | 第38-41页 |
| 2.3 CNN-SVM模型及其实现方法 | 第41-44页 |
| 2.3.1 CNN-SVM模型 | 第41-42页 |
| 2.3.2 算法实现 | 第42-44页 |
| 2.4 本章小结 | 第44-45页 |
| 第3章 基于肌音的人体膝关节运动信息获取 | 第45-53页 |
| 3.1 引言 | 第45-46页 |
| 3.2 运动信息获取 | 第46-49页 |
| 3.2.1 肌肉选取 | 第46-48页 |
| 3.2.2 肌音信号采集 | 第48-49页 |
| 3.3 数据预处理 | 第49-52页 |
| 3.3.1 滑动窗 | 第49-50页 |
| 3.3.2 滤波 | 第50-51页 |
| 3.3.3 归一化 | 第51-52页 |
| 3.4 本章小结 | 第52-53页 |
| 第4章 基于CNN-SVM模型的人体膝关节动作模式识别 | 第53-66页 |
| 4.1 引言 | 第53-54页 |
| 4.2 CNN-SVM动作识别模型 | 第54-57页 |
| 4.3 实验结果与分析 | 第57-65页 |
| 4.3.1 实验规程 | 第57-58页 |
| 4.3.2 交叉验证 | 第58-60页 |
| 4.3.3 混淆矩阵 | 第60-62页 |
| 4.3.4 ROC曲线 | 第62-64页 |
| 4.3.5 连续动作识别 | 第64-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第5章 基于CNN-SVM模型的人体膝关节运动角度估计 | 第66-79页 |
| 5.1 引言 | 第66-67页 |
| 5.2 CNN-SVM角度估计模型 | 第67-69页 |
| 5.3 实验结果与分析 | 第69-78页 |
| 5.3.1 实验规程 | 第69-70页 |
| 5.3.2 均方根误差 | 第70-73页 |
| 5.3.3 相关系数 | 第73-75页 |
| 5.3.4 连续角度估计 | 第75-78页 |
| 5.4 本章小结 | 第78-79页 |
| 第6章 人体运动意图识别应用仿真环境搭建 | 第79-90页 |
| 6.1 人体运动意图识别在助力机器人控制中的应用 | 第79页 |
| 6.2 基于SolidWorks的三维虚拟模型创建 | 第79-81页 |
| 6.3 基于LabVIEW和MATLAB的联合仿真 | 第81-89页 |
| 6.3.1 仿真软件 | 第81-83页 |
| 6.3.2 仿真编程 | 第83-86页 |
| 6.3.3 仿真演示 | 第86-89页 |
| 6.4 本章小结 | 第89-90页 |
| 第7章 总结与展望 | 第90-93页 |
| 7.1 总结 | 第90-91页 |
| 7.2 展望 | 第91-93页 |
| 参考文献 | 第93-105页 |
| 致谢 | 第105-107页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第107页 |
