| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外下肢假肢发展概况 | 第10-12页 |
| 1.3 研究方法综述 | 第12-15页 |
| 1.3.1 运动信息获取方法 | 第13页 |
| 1.3.2 模式识别方法 | 第13-14页 |
| 1.3.3 预测算法研究综述 | 第14-15页 |
| 1.4 本文主要研究内容 | 第15-17页 |
| 第二章 人体下肢运动信息采集和特征获取 | 第17-37页 |
| 2.1 下肢运动状态分析及特征参数描述 | 第17-21页 |
| 2.1.1 人体下肢运动分析 | 第17-19页 |
| 2.1.2 人体下肢运动特征参数描述 | 第19-21页 |
| 2.2 各种步态下人体下肢运动分析 | 第21-27页 |
| 2.2.1 平地行走 | 第21-23页 |
| 2.2.2 上楼梯 | 第23-25页 |
| 2.2.3 上斜坡 | 第25-26页 |
| 2.2.4 基于下肢运动模式识别及下肢姿态预测的运动信息选择 | 第26-27页 |
| 2.3 膝关节角度信号的获取 | 第27-34页 |
| 2.3.1 膝关节角度信号获取系统搭建 | 第27-28页 |
| 2.3.2 膝关节角度传感器选型 | 第28-29页 |
| 2.3.3 膝关节角度的测量 | 第29-30页 |
| 2.3.4 九轴姿态仪传感器的校准及膝关节角度调理 | 第30-34页 |
| 2.4 膝关节角度的特征分析 | 第34-35页 |
| 2.5 本章小结 | 第35-37页 |
| 第三章 基于神经网络的下肢多运动模式识别方法研究 | 第37-52页 |
| 3.1 人工神经网络 | 第37-38页 |
| 3.2 BP神经网络及其改进算法 | 第38-42页 |
| 3.2.1 BP神经网络的结构 | 第38页 |
| 3.2.2 BP神经网络的学习算法及其不足 | 第38-39页 |
| 3.2.3 基于动量梯度下降算法的BP神经网络算法 | 第39-41页 |
| 3.2.4 基于L-M反传算法的BP神经网络算法 | 第41-42页 |
| 3.3 自组织竞争神经网络 | 第42-44页 |
| 3.3.1 自组织竞争神经网络结构 | 第42-43页 |
| 3.3.2 自组织竞争神经网络算法 | 第43-44页 |
| 3.4 人体下肢运动模式识别模型建立与仿真 | 第44-51页 |
| 3.4.1 基于BP神经网络的模式识别模型建立与仿真 | 第44-46页 |
| 3.4.2 基于动量梯度下降法的BP神经网络的模式识别模型建立及仿真 | 第46-47页 |
| 3.4.3 基于L_M反传算法的BP神经网络的模式识别模型建立与仿真 | 第47-49页 |
| 3.4.4 基于自组织竞争神经网络的模式识别模型建立及仿真 | 第49-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第四章 下肢运动状态预测算法研究 | 第52-60页 |
| 4.1 RBF神经网络简介 | 第52-53页 |
| 4.1.1 RBF神经网络的网络结构 | 第52-53页 |
| 4.1.2 RBF网络的学习过程 | 第53页 |
| 4.2 人体下肢运动姿态预测模型的建立和仿真 | 第53-59页 |
| 4.2.1 基于L_M改进算法的BP神经网络预测模型的建立和仿真 | 第54-57页 |
| 4.2.2 基于RBF神经网络的人体下肢运动姿态预测模型的建立和仿真 | 第57-59页 |
| 4.3 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66页 |
