| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 1. 绪论 | 第11-17页 |
| 1.1. 引言 | 第11-13页 |
| 1.2. 课题研究现状 | 第13-16页 |
| 1.2.1. 表面肌电分析反馈仪研究现状 | 第13页 |
| 1.2.2. 表面肌电非线性分析研究现状 | 第13-15页 |
| 1.2.3. 肌肉疲劳研究现状 | 第15-16页 |
| 1.3. 论文主要内容介绍 | 第16-17页 |
| 2. 表面肌电分析反馈仪软件系统 | 第17-32页 |
| 2.1. 系统需求分析 | 第17页 |
| 2.2. 软件设计架构 | 第17-21页 |
| 2.2.1. 软件总体架构 | 第18-19页 |
| 2.2.2. 软件交互框架和功能流程 | 第19-20页 |
| 2.2.3. 数据库设计 | 第20-21页 |
| 2.3. 软件功能介绍 | 第21-30页 |
| 2.3.1. 肌电定制化方案采集 | 第21-24页 |
| 2.3.2. 自定义采集 | 第24-25页 |
| 2.3.3. 肌电信号处理和参数评估 | 第25-29页 |
| 2.3.4. 多媒体生物反馈治疗 | 第29-30页 |
| 2.4. 系统测试 | 第30-32页 |
| 3. 基于LZ复杂度和熵的脑卒中患者下肢肌电特性分析 | 第32-56页 |
| 3.1. LZ复杂度 | 第32-37页 |
| 3.1.1. 算法描述 | 第32-34页 |
| 3.1.2. 改进LZ复杂度 | 第34-35页 |
| 3.1.3. 算法对比 | 第35-37页 |
| 3.2. 熵 | 第37-48页 |
| 3.2.1. 近似熵和样本熵 | 第38-41页 |
| 3.2.2. 模糊近似熵 | 第41-42页 |
| 3.2.3. 算法性能测试和参数选择 | 第42-48页 |
| 3.3. 实验 | 第48-56页 |
| 3.3.1. 实验方法 | 第48-50页 |
| 3.3.2. 实验数据及分析 | 第50-55页 |
| 3.3.3. 实验结果与讨论 | 第55-56页 |
| 4. 基于多重分形和熵的疲劳肌肉信号特性分析 | 第56-73页 |
| 4.1. 分形 | 第56-58页 |
| 4.1.1. 分形的定义和性质 | 第56页 |
| 4.1.2. 分形维数 | 第56-58页 |
| 4.2. 多重分形 | 第58-61页 |
| 4.2.1. 多重分形谱定义 | 第58-59页 |
| 4.2.2. 计算方法 | 第59-60页 |
| 4.2.3. 算法实现 | 第60-61页 |
| 4.3. 肌肉疲劳检测 | 第61-73页 |
| 4.3.1. 数据采集 | 第62-63页 |
| 4.3.2. 疲劳前后分形分析 | 第63-65页 |
| 4.3.3. 疲劳过程中多重分形指标变化 | 第65-69页 |
| 4.3.4. 疲劳过程中复杂度和熵变化 | 第69-73页 |
| 5. 总结与展望 | 第73-75页 |
| 5.1. 总结 | 第73-74页 |
| 5.2. 展望 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 作者简历 | 第78页 |