| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 上肢康复训练系统的国内外研究现状 | 第11-19页 |
| 1.2.1 基于传统康复训练方法研究现状 | 第11-14页 |
| 1.2.2 基于肌电信号反馈的康复训练研究现状 | 第14-16页 |
| 1.2.3 基于虚拟现实技术的康复系统发展现状 | 第16-19页 |
| 1.3 本文主要研究内容 | 第19-20页 |
| 第2章 虚拟康复系统总体方案设计 | 第20-29页 |
| 2.1 引言 | 第20页 |
| 2.2 虚拟康复系统设计原理 | 第20-22页 |
| 2.3 虚拟康复系统平台设计 | 第22-28页 |
| 2.3.1 虚拟康复交互系统的总体框架 | 第22-23页 |
| 2.3.2 构建虚拟康复系统的平台和环境 | 第23-24页 |
| 2.3.3 虚拟场景构建及信息管理系统设计 | 第24-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于表面肌电信号的动作模式识别 | 第29-41页 |
| 3.1 引言 | 第29页 |
| 3.2 肌电信号采集 | 第29-30页 |
| 3.3 肌电信号预处理 | 第30-31页 |
| 3.4 肢体动作肌电信号的活动段检测 | 第31-33页 |
| 3.5 肌电信号运动意图提取 | 第33-37页 |
| 3.5.1 积分肌电值(iEMG) | 第34页 |
| 3.5.2 AR模型系数 | 第34-36页 |
| 3.5.3 小波最大值分解 | 第36-37页 |
| 3.6 肌电动作模式的有效分类 | 第37-40页 |
| 3.7 本章小结 | 第40-41页 |
| 第4章 基于互信息最大化的PCA肌电特征选择研究 | 第41-53页 |
| 4.1 引言 | 第41页 |
| 4.2 高维数据特征选择的基本方法 | 第41-44页 |
| 4.2.1 主成分分析 | 第42-43页 |
| 4.2.2 互信息 | 第43-44页 |
| 4.3 基于互信息最大化的PCA肌电特征选择方法 | 第44-47页 |
| 4.3.1 特征选择方法的提出 | 第44-46页 |
| 4.3.2 MIM-PCA特征选择算法动作识别模型构建 | 第46-47页 |
| 4.4 基于MIM-PCA肌电特征选择实验研究 | 第47-52页 |
| 4.4.1 表面肌电信号采集和预处理 | 第47-48页 |
| 4.4.2 MIM-PCA降维算法的参数选择 | 第48-49页 |
| 4.4.3 MIM-PCA算法性能对比分析 | 第49-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第5章 虚拟康复系统构建及实验研究 | 第53-70页 |
| 5.1 引言 | 第53页 |
| 5.2 虚拟康复系统的实现 | 第53-63页 |
| 5.2.1 硬件平台搭建 | 第53-55页 |
| 5.2.2 软件系统功能实现 | 第55-60页 |
| 5.2.3 虚拟康复系统训练策略及方法 | 第60-63页 |
| 5.3 实验研究及结果分析 | 第63-69页 |
| 5.3.1 实验对象 | 第63-64页 |
| 5.3.2 实验方案设计 | 第64-66页 |
| 5.3.3 实验结果分析 | 第66-69页 |
| 5.4 本章小结 | 第69-70页 |
| 结论 | 第70-71页 |
| 参考文献 | 第71-77页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第77-78页 |
| 致谢 | 第78页 |