基于眼动施教的上肢表面肌电信号分类研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 表面肌电信号国内外研究现状 | 第10-12页 |
| 1.2.1 采集设备研究现状 | 第10-11页 |
| 1.2.2 表面肌电信号特征提取研究现状 | 第11-12页 |
| 1.2.3 表面肌电信号的分类识别研究现状 | 第12页 |
| 1.3 眼动研究现状 | 第12-14页 |
| 1.4 当前存在的问题 | 第14页 |
| 1.5 论文研究内容与安排 | 第14-16页 |
| 第2章 眼动施教系统设计 | 第16-28页 |
| 2.1 眼动采集设备选取 | 第16-17页 |
| 2.2 眼动施教板设计 | 第17-19页 |
| 2.2.1 设计意义 | 第17-18页 |
| 2.2.2 施教板设计及使用方法介绍 | 第18页 |
| 2.2.3 施教点对应屏幕坐标 | 第18-19页 |
| 2.3 眼动数据采集实验 | 第19-21页 |
| 2.3.1 参数设置 | 第19-20页 |
| 2.3.2 眼动仪校准 | 第20-21页 |
| 2.3.3 注视点坐标采集实验 | 第21页 |
| 2.4 系统优化 | 第21-26页 |
| 2.4.1 算法原理及发展 | 第21-22页 |
| 2.4.2 滤波问题的提出 | 第22-23页 |
| 2.4.3 滤波应用 | 第23-24页 |
| 2.4.4 滤波仿真分析 | 第24-26页 |
| 2.4.5 准确度对比 | 第26页 |
| 2.5 本章小结 | 第26-28页 |
| 第3章 表面肌肉电信号的采集 | 第28-36页 |
| 3.1 表面肌肉电信号采集 | 第28-30页 |
| 3.1.1 采集设备介绍 | 第28页 |
| 3.1.2 电极位置选取 | 第28-29页 |
| 3.1.3 眼动施教辅助肌电信号采集 | 第29-30页 |
| 3.2 肌电信号的预处理 | 第30-35页 |
| 3.2.1 肌电信号活动段检测 | 第30-31页 |
| 3.2.2 信号降噪 | 第31-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第4章 表面肌电信号特征提取分析 | 第36-44页 |
| 4.1 时域特征提取方法 | 第36-37页 |
| 4.2 频域特征提取方法 | 第37-38页 |
| 4.3 时-频域特征提取方法 | 第38-41页 |
| 4.3.1 短时傅里叶变换 | 第38页 |
| 4.3.2 维格纳分布 | 第38-39页 |
| 4.3.3 小波分解系数特征值提取 | 第39-41页 |
| 4.4 特征值提取 | 第41-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 表面肌电信号的模式识别 | 第44-52页 |
| 5.1 神经网络概述 | 第44-45页 |
| 5.2 人工神经网络数学模型 | 第45-46页 |
| 5.2.1 神经元的结构模型 | 第45-46页 |
| 5.2.2 神经网络结构模型 | 第46页 |
| 5.3 BP神经网络分类器算法 | 第46-49页 |
| 5.4 神经网络分类实验和结果分析 | 第49-51页 |
| 5.4.1 网络参数设置 | 第49页 |
| 5.4.2 网络训练 | 第49-50页 |
| 5.4.3 实验结果分析 | 第50-51页 |
| 5.5 本章小结 | 第51-52页 |
| 第6章 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 在学研究成果 | 第58-59页 |
| 致谢 | 第59页 |
