| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 选题背景与研究的目的意义 | 第11-13页 |
| 1.2 下肢外骨骼机器人的研究现状 | 第13-17页 |
| 1.2.1 国外研究现状 | 第13-16页 |
| 1.2.2 国内研究现状 | 第16-17页 |
| 1.3 人机交互运动模式识别研究现状 | 第17-19页 |
| 1.4 本文主要研究内容 | 第19-21页 |
| 第2章 下肢运动分析与助行腿机构设计 | 第21-29页 |
| 2.1 人体下肢运动分析 | 第21-23页 |
| 2.2 助行腿关节活动范围,自由度的确定 | 第23-24页 |
| 2.3 助行腿空间位置坐标系的建立 | 第24-26页 |
| 2.4 下肢外骨骼助行腿的系统构成 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 人体运动信号的采集与特征提取 | 第29-47页 |
| 3.1 分类动作与传感器位置 | 第29-30页 |
| 3.1.1 分类动作的确定 | 第29页 |
| 3.1.2 传感器位置选择 | 第29-30页 |
| 3.2 下肢运动信号采集 | 第30-36页 |
| 3.2.1 实验人员 | 第30-31页 |
| 3.2.2 数据采集系统 | 第31-32页 |
| 3.2.3 实验过程 | 第32-33页 |
| 3.2.4 数据整理与分析 | 第33-36页 |
| 3.3 下肢动作数据预处理 | 第36-38页 |
| 3.3.1 去噪处理 | 第36-38页 |
| 3.3.2 信号的归一化处理 | 第38页 |
| 3.4 信号的特征提取 | 第38-46页 |
| 3.4.1 运动特征提取方法 | 第38-42页 |
| 3.4.2 特征的对比选择 | 第42-44页 |
| 3.4.3 多源特征融合与PCA降维 | 第44-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 下肢运动动作模式识别 | 第47-59页 |
| 4.1 基于线性判别分析(LDA)的下肢运动动作识别 | 第47-49页 |
| 4.1.1 线性判别分析原理 | 第47-48页 |
| 4.1.2 基于LDA的下肢动作模式分类识别结果 | 第48-49页 |
| 4.2 基于人工神经网络(ANN)的下肢运动动作识别 | 第49-52页 |
| 4.2.1 人工神经网络基本原理 | 第49-50页 |
| 4.2.2 BP神经网络及设计 | 第50-51页 |
| 4.2.3 基于BP神经网络的下肢动作模式分类识别结果 | 第51-52页 |
| 4.3 基于支持向量机(SVM)的下肢运动动作识别 | 第52-56页 |
| 4.3.1 支持向量机原理 | 第52-55页 |
| 4.3.2 基于SVM的下肢动作模式分类识别结果 | 第55-56页 |
| 4.4 结果对比与分析 | 第56-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 基于肌电/加速度信息的下肢残疾患者运动意图分析 | 第59-73页 |
| 5.1 残疾信号的通道选择 | 第59-63页 |
| 5.2 下肢运动残疾信号的小波降噪 | 第63-67页 |
| 5.2.1 小波变换基本理论 | 第63-65页 |
| 5.2.2 小波阈值降噪 | 第65-67页 |
| 5.3 下肢残疾信号小波降噪的仿真与数据对比 | 第67-69页 |
| 5.4 基于残疾信号的下肢动作模式分类识别结果 | 第69-71页 |
| 5.5 本章小结 | 第71-73页 |
| 第6章 总结与展望 | 第73-75页 |
| 6.1 主要工作内容与成果 | 第73-74页 |
| 6.2 工作展望 | 第74-75页 |
| 参考文献 | 第75-81页 |
| 致谢 | 第81-83页 |
| 攻读硕士期间发表的论文 | 第83页 |
