| 摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 第一章 绪论 | 第7-13页 |
| ·引言 | 第7-8页 |
| ·课题的研究背景与意义 | 第8-10页 |
| ·研究背景 | 第8-9页 |
| ·研究意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·表面肌电信号控制假肢的原理 | 第11页 |
| ·表面肌电信号假肢控制系统的实现 | 第11-13页 |
| 第二章 表面肌电信号产生的机理与采集 | 第13-19页 |
| ·表面肌电信号的产生机理 | 第13-15页 |
| ·表面肌电信号的采集系统 | 第15-18页 |
| ·信号采集硬件 | 第15-17页 |
| ·信号采集软件 | 第17-18页 |
| ·采样频率的选择 | 第18页 |
| ·本章小结 | 第18-19页 |
| 第三章 表面肌电信号的预处理 | 第19-24页 |
| ·表面肌电信号动作始末的判断 | 第19-20页 |
| ·表面肌电信号的小波降噪处理 | 第20-23页 |
| ·从傅立叶变换到小波变换 | 第20-21页 |
| ·小波变换的基本原理 | 第21-22页 |
| ·小波降噪原理 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第四章 基于小波包变换的特征提取方法 | 第24-32页 |
| ·特征提取理论 | 第24-26页 |
| ·小波包的基础理论 | 第26-29页 |
| ·小波包的主要思想 | 第26-28页 |
| ·熵最小准则 | 第28-29页 |
| ·基于小波包的特征提取 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第五章 基于人工神经网络的上肢动作的模式识别 | 第32-50页 |
| ·人工神经网络的基本原理 | 第32-34页 |
| ·人工神经网络概述 | 第32页 |
| ·人工神经网络的基本特征及优越性 | 第32-34页 |
| ·神经网络的数学模型 | 第34-36页 |
| ·神经元模型 | 第34-36页 |
| ·神经网络模型 | 第36页 |
| ·BP神经网络 | 第36-48页 |
| ·BP神经网络拓扑结构 | 第37页 |
| ·BP神经网络的学习算法 | 第37-41页 |
| ·BP神经网络学习算法的改进 | 第41-48页 |
| ·本章小结 | 第48-50页 |
| 第六章 实验过程 | 第50-61页 |
| ·表面肌电信号的采集及预处理 | 第50-52页 |
| ·表面肌电信号的采集 | 第50-51页 |
| ·表面肌电信号的去噪 | 第51-52页 |
| ·表面肌电信号的特征提取 | 第52-53页 |
| ·利用改进的BP网络神经算法对表面肌电信号进行模式识别 | 第53-58页 |
| ·样本数据筛选 | 第53页 |
| ·数据处理 | 第53-54页 |
| ·人工神经网络的设计 | 第54-55页 |
| ·基于改进的LM算法的模式识别 | 第55-58页 |
| ·上肢表面肌电信号与力之间的相关研究 | 第58-61页 |
| ·数据分析 | 第58-59页 |
| ·数据处理与结果分析 | 第59-61页 |
| 第七章 结论与展望 | 第61-63页 |
| ·全文总结 | 第61页 |
| ·展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间的研究成果 | 第66-67页 |
| 致谢 | 第67-68页 |