基于表面肌电信号与加速度的下肢动作识别及角度预测研究
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题来源 | 第10页 |
| 1.2 课题研究背景和意义 | 第10-11页 |
| 1.3 相关领域国内外研究现状 | 第11-16页 |
| 1.4 本文的研究内容与组织结构 | 第16-18页 |
| 第2章 下肢sEMG与加速度信号采集及预处理 | 第18-28页 |
| 2.1 信号采集 | 第18-21页 |
| 2.2 基于中值曲线拟合的加速度信号去噪 | 第21-23页 |
| 2.3 基于功率谱相关系数的动作段检测 | 第23-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 下肢sEMG与加速度信号特征提取及融合 | 第28-44页 |
| 3.1 基于小波变换的sEMG信号主成分特征提取 | 第28-33页 |
| 3.1.1 常用sEMG特征分析 | 第28-31页 |
| 3.1.2 基于小波变换的主成分特征提取 | 第31-33页 |
| 3.2 基于动态规整匹配距离的加速度信号特征提取 | 第33-36页 |
| 3.3 基于高斯核的LDA | 第36-38页 |
| 3.4 算法实现与分析 | 第38-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 下肢动作识别及角度预测 | 第44-59页 |
| 4.1 多级网格搜索优化的支持向量机 | 第44-48页 |
| 4.1.1 支持向量机原理 | 第44-46页 |
| 4.1.2 多级网格搜索优化 | 第46-48页 |
| 4.2 识别结果的MV后处理 | 第48-49页 |
| 4.3 基于下肢动作判别结果的角度预测 | 第49-53页 |
| 4.3.1 广义回归神经网络的预测模型 | 第49-51页 |
| 4.3.2 基于果蝇算法优化的GRNN | 第51-53页 |
| 4.4 算法实现与分析 | 第53-58页 |
| 4.4.1 动作识别算法的实现 | 第53-55页 |
| 4.4.2 角度预测实现 | 第55-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 5.1 全文工作总结 | 第59-60页 |
| 5.2 工作展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
