| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 康复运动中肌电信号分析的研究现状 | 第11-17页 |
| 1.2.1 神经康复中生物反馈技术及研究现状 | 第11-14页 |
| 1.2.2 基于表面肌电信号运动意图识别的研究现状 | 第14-15页 |
| 1.2.3 基于表面肌电信号肌肉疲劳估计的研究现状 | 第15-17页 |
| 1.3 本文主要研究内容 | 第17-19页 |
| 第2章 表面肌电信号的采集及预处理 | 第19-30页 |
| 2.1 引言 | 第19页 |
| 2.2 表面肌电信号采集系统 | 第19-21页 |
| 2.3 实验数据的采集 | 第21-23页 |
| 2.3.1 屈伸运动下下肌电信号采集 | 第21-22页 |
| 2.3.2 上肢不同弯曲角度下肌电信号采集 | 第22-23页 |
| 2.4 肌电信号预处理 | 第23-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 表面肌电信号的特点及基本分析方法 | 第30-43页 |
| 3.1 引言 | 第30页 |
| 3.2 肌电信号的产生机理及特点 | 第30-32页 |
| 3.2.1 肌电信号的产生机理 | 第30-31页 |
| 3.2.2 表面肌电信号的特点 | 第31-32页 |
| 3.3 肌电信号的基本分析方法 | 第32-41页 |
| 3.3.1 肌电信号的时域分析方法 | 第32-34页 |
| 3.3.2 肌电信号的频域分析方法 | 第34-36页 |
| 3.3.3 肌电信号的时频分析方法 | 第36-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第4章 基于表面肌电信号的运动意图识别 | 第43-56页 |
| 4.1 引言 | 第43页 |
| 4.2 基于EEMD能量熵的SEMG特征提取 | 第43-46页 |
| 4.2.1 EEMD 分解 | 第44-45页 |
| 4.2.2 能量熵的计算 | 第45-46页 |
| 4.3 基于支持向量机的运动意图识别 | 第46-49页 |
| 4.3.1 支持向量机简介 | 第46-48页 |
| 4.3.2 肌电信号运动意图识别模型 | 第48-49页 |
| 4.4 实验验证 | 第49-55页 |
| 4.4.1 特征提取与分析 | 第49-53页 |
| 4.4.2 基于SVM的特征分类 | 第53-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第5章 康复运动中肌肉疲劳估计 | 第56-67页 |
| 5.1 引言 | 第56页 |
| 5.2 基于EEMD-HHT和相干性分析的SEMG特征提取 | 第56-60页 |
| 5.2.1 基于EEMD-HHT的s EMG特征提取 | 第57-59页 |
| 5.2.2 基于s EMG相干性分析的肌肉疲劳估计指标 | 第59-60页 |
| 5.3 数据分析及实验验证 | 第60-66页 |
| 5.3.1 数据分析 | 第60页 |
| 5.3.2 基于平均瞬时频率的疲劳估计 | 第60-62页 |
| 5.3.3 基于相干面积的疲劳估计 | 第62-64页 |
| 5.3.4 运动疲劳综合分析 | 第64-66页 |
| 5.4 本章小结 | 第66-67页 |
| 结论 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第73-74页 |
| 致谢 | 第74-75页 |
| 作者简介 | 第75页 |
