肌电信号混沌特性分析及其在髋关节康复下肢控制中的应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题的研究目的与意义 | 第10-11页 |
| 1.2 康复机器人的国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-14页 |
| 1.2.2 国内研究现状 | 第14页 |
| 1.3 本课题研究的主要内容 | 第14-16页 |
| 1.4 课题研究所面临的问题 | 第16-18页 |
| 第2章 sEMG机理分析与采集、处理 | 第18-32页 |
| 2.1 sEMG的产生机理 | 第18-19页 |
| 2.2 肌电信号的数学模型 | 第19-23页 |
| 2.3 肌电信号的特点 | 第23页 |
| 2.4 表面肌电信号的采集 | 第23-31页 |
| 2.4.1 下肢肌肉的选择 | 第23-25页 |
| 2.4.2 采集方案 | 第25-26页 |
| 2.4.3 受试者的选择 | 第26-27页 |
| 2.4.4 采集过程 | 第27-28页 |
| 2.4.5 采集结果 | 第28-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 sEMG的预处理与特征提取 | 第32-44页 |
| 3.1 表面肌电信号的动作段检测 | 第32-33页 |
| 3.2 sEMG的滤波处理 | 第33-36页 |
| 3.2.1 传统滤波处理 | 第33页 |
| 3.2.2 基于小波变换的滤波处理 | 第33-34页 |
| 3.2.3 滤波方法对比 | 第34-36页 |
| 3.3 sEMG的特征提取 | 第36-38页 |
| 3.3.1 时域分析法 | 第36-37页 |
| 3.3.2 频域分析法 | 第37页 |
| 3.3.3 时频域分析法 | 第37-38页 |
| 3.3.4 高阶谱分析法 | 第38页 |
| 3.3.5 混沌与分形 | 第38页 |
| 3.4 基于时域与频域的特征提取 | 第38-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 髋关节康复下肢的表面肌电控制 | 第44-56页 |
| 4.1 基于表面肌电信号的髋关节康复机器人控制 | 第44-46页 |
| 4.1.1 阈值控制 | 第44-45页 |
| 4.1.2 人工神经网络控制 | 第45页 |
| 4.1.3 混沌控制 | 第45-46页 |
| 4.2 sEMG的动作模式识别 | 第46-50页 |
| 4.2.1 BP神经网络 | 第46-48页 |
| 4.2.2 分类器设计 | 第48-49页 |
| 4.2.3 分类器识别准确率 | 第49-50页 |
| 4.3 表面肌电控制的仿真实验平台 | 第50-53页 |
| 4.3.1 仿真实验流程 | 第50-51页 |
| 4.3.2 仿真实验系统 | 第51-53页 |
| 4.4 下肢髋关节康复机器人的肌电控制实验 | 第53页 |
| 4.5 本章小结 | 第53-56页 |
| 第5章 sEMG的混沌特性分析与控制研究 | 第56-76页 |
| 5.1 相空间重构 | 第56-63页 |
| 5.1.1 延迟时间的确定 | 第57-58页 |
| 5.1.2 嵌入维数的确定 | 第58-59页 |
| 5.1.3 相空间重构 | 第59-63页 |
| 5.2 sEMG的最大李雅普诺夫指数 | 第63-65页 |
| 5.3 sEMG的混沌特性分析 | 第65-72页 |
| 5.3.1 表面肌电信号熵值 | 第65-70页 |
| 5.3.2 L-Z复杂度 | 第70-72页 |
| 5.4 基于sEMG的混沌控制研究 | 第72-75页 |
| 5.4.1 肌电信号混沌系统方程 | 第72-74页 |
| 5.4.2 混沌控制策略研究 | 第74-75页 |
| 5.5 本章小结 | 第75-76页 |
| 第6章 结论与展望 | 第76-78页 |
| 6.1 本文研究工作总结 | 第76-77页 |
| 6.2 未来工作展望 | 第77-78页 |
| 参考文献 | 第78-84页 |
| 作者简介及科研成果 | 第84-86页 |
| 致谢 | 第86页 |
