基于表面肌电信号的手臂运动模式识别方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·课题的研究背景和意义 | 第9页 |
| ·国内外发展现状 | 第9-12页 |
| ·国外研究现状 | 第9-11页 |
| ·国内研究现状 | 第11-12页 |
| ·本文研究内容 | 第12页 |
| ·文章结构安排 | 第12-15页 |
| 第2章 肌电信号的数学模型和硬件电路设计 | 第15-27页 |
| ·肌电信号的产生机理 | 第15-16页 |
| ·肌电信号的数学模型 | 第16-20页 |
| ·EMG 信号的特点 | 第20-22页 |
| ·肌电信号采集及预处理硬件电路设计 | 第22-25页 |
| ·前置放大电路 | 第22-23页 |
| ·50Hz 工频干扰陷波电路 | 第23-24页 |
| ·A/D 转换和数据采集电路 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 第3章 基于统计法的肌电信号的时域特征参数提取 | 第27-41页 |
| ·EMG 白化过程(Whiten) | 第27-29页 |
| ·统计法的基本概述 | 第29-30页 |
| ·时域特征 | 第30-33页 |
| ·信号长度 | 第32页 |
| ·过零数（ZC） | 第32-33页 |
| ·多特征动态线性参数模型法 | 第33-35页 |
| ·多特征动态非线性参数模型法 | 第35-36页 |
| ·实验结果 | 第36-39页 |
| ·本章小结 | 第39-41页 |
| 第4章 时频域特征分析 | 第41-51页 |
| ·短时傅里叶变换 | 第41页 |
| ·连续小波变换 | 第41-42页 |
| ·小波变换法 | 第42-45页 |
| ·几种常用的基本小波 | 第43-44页 |
| ·小波系数最大值 | 第44页 |
| ·小波系数奇异值 | 第44页 |
| ·小波系数能量 | 第44-45页 |
| ·小波包分解 | 第45-49页 |
| ·最佳小波包分解 | 第45-48页 |
| ·基于奇异值分解的特征提取 | 第48-49页 |
| ·本章小结 | 第49-51页 |
| 第5章 手臂运动模式研究 | 第51-63页 |
| ·基于人工神经网络的手臂动作分类 | 第51-54页 |
| ·人工神经网络结构设计 | 第51-53页 |
| ·BP 神经网络训练算法分析 | 第53-54页 |
| ·支持向量机概述 | 第54-59页 |
| ·支持向量机及其特点 | 第54-55页 |
| ·VC 维与结构风险最小化准则 | 第55-56页 |
| ·支持向量机的理论方法 | 第56页 |
| ·支持向量机的核函数 | 第56-57页 |
| ·多类别分类 | 第57-59页 |
| ·贝叶斯分类法 | 第59-61页 |
| ·模式聚类法 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| ·全文总结 | 第63页 |
| ·未来工作展望 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 导师及作者简介 | 第71-72页 |
| 致谢 | 第72页 |
