| 前言 | 第4-5页 |
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第1章 绪论 | 第13-29页 |
| 1.1 问题的提出与研究意义 | 第13-16页 |
| 1.1.1 问题提出 | 第13-14页 |
| 1.1.2 研究意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-23页 |
| 1.2.1 智能仿生手臂国内外发展现状 | 第16-19页 |
| 1.2.2 表面肌电信号模式识别国内外研究现状 | 第19-21页 |
| 1.2.3 存在的主要问题 | 第21-23页 |
| 1.3 本文的主要内容与结构安排 | 第23-29页 |
| 1.3.1 科研项目资助情况 | 第23-24页 |
| 1.3.2 研究目标与主要研究问题 | 第24-25页 |
| 1.3.3 章节安排 | 第25-29页 |
| 第2章 基于特征融合的鲁棒表面肌电信号半监督模式识别 | 第29-51页 |
| 2.1 引言 | 第29-30页 |
| 2.2 表面肌电信号模特征提取算法 | 第30-32页 |
| 2.3 安全半监督支持向量机 | 第32-34页 |
| 2.3.1 半监督支持向量机 | 第32-33页 |
| 2.3.2 安全半监督支持向量机 | 第33-34页 |
| 2.4 算法设计 | 第34-35页 |
| 2.4.1 安全半监督支持向量机的算法设计 | 第34-35页 |
| 2.4.2 Label 矩阵 | 第35页 |
| 2.5 仿真实验及结果分析 | 第35-49页 |
| 2.5.1 实验数据采集 | 第36-39页 |
| 2.5.2 考虑信道顺序的识别率对比实验 | 第39页 |
| 2.5.3 机器学习方法对比实验 | 第39-46页 |
| 2.5.4 基于模特征的鲁棒表面肌电信号半监督模式识别实验 | 第46-49页 |
| 2.6 本章小结 | 第49-51页 |
| 第3章 基于融合信息的表面肌电信号--关节角模式识别研究 | 第51-69页 |
| 3.1 引言 | 第51-52页 |
| 3.2 传统活动段检测方法 | 第52-53页 |
| 3.3 融合表面肌电信号和关节角信息的类活动段检测 | 第53-58页 |
| 3.4 加速计信号中手指关节角的计算方法 | 第58页 |
| 3.5 仿真实验及结果分析 | 第58-68页 |
| 3.5.1 实验配置及数据采集 | 第58-61页 |
| 3.5.2 活动段检测对比 | 第61页 |
| 3.5.3 识别率对比 | 第61-63页 |
| 3.5.4 关节角识别实验 | 第63-64页 |
| 3.5.5 多类关节角识别实验 | 第64-68页 |
| 3.6 本章小结 | 第68-69页 |
| 第4章 考虑肌肉力运动特性的表面肌电信号模式研究 | 第69-85页 |
| 4.1 引言 | 第69-71页 |
| 4.2 肌肉力与肌电信号的生物学关系 | 第71-72页 |
| 4.3 表面肌电信号的窗特征提取方法 | 第72-75页 |
| 4.3.1 窗样本熵算法 | 第72-74页 |
| 4.3.2 窗峰度值算法 | 第74-75页 |
| 4.4 仿真实验及结果分析 | 第75-82页 |
| 4.4.1 实验方案 | 第75-77页 |
| 4.4.2 数据处理 | 第77-79页 |
| 4.4.3 同侧数据预测结果 | 第79-81页 |
| 4.4.4 特征对实验结果的影响 | 第81页 |
| 4.4.5 对侧数据预测结果 | 第81-82页 |
| 4.5 本章小结 | 第82-85页 |
| 第5章 智能仿生手的虚拟样机开发及仿真研究 | 第85-103页 |
| 5.1 引言 | 第85-86页 |
| 5.2 虚拟样机模型建立 | 第86-94页 |
| 5.2.1 人手运动机理研究 | 第86-87页 |
| 5.2.2 虚拟假肢模型 | 第87-91页 |
| 5.2.3 ADAMS 中的运动学仿真 | 第91-94页 |
| 5.3 仿生手臂动力学建模 | 第94-96页 |
| 5.4 仿真实验及结果分析 | 第96-101页 |
| 5.4.1 ADAMS 与 MATLAB 联合仿真 | 第96-98页 |
| 5.4.2 智能仿生手虚拟在线仿真 | 第98-101页 |
| 5.5 本章小结 | 第101-103页 |
| 第6章 总结与展望 | 第103-108页 |
| 6.1 主要工作及成果 | 第103-105页 |
| 6.2 研究展望 | 第105-108页 |
| 参考文献 | 第108-117页 |
| 作者简介及研究成果 | 第117-119页 |
| 致谢 | 第119页 |
