| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 课题国内外研究现状及趋势 | 第12-17页 |
| 1.2.1 上肢康复机器人研究现状 | 第12-15页 |
| 1.2.2 表面肌电信号分类方法研究现状 | 第15-17页 |
| 1.3 本文主要工作 | 第17-19页 |
| 第2章 表面肌电信号采集系统 | 第19-35页 |
| 2.1 表面肌电信号产生机理 | 第19-21页 |
| 2.1.1 表面肌电信号的发现 | 第19页 |
| 2.1.2 运动单元和运动电位 | 第19-20页 |
| 2.1.3 表面肌电形成 | 第20-21页 |
| 2.2 表面肌电信号的特点及影响因素 | 第21-22页 |
| 2.2.1 表面肌电信号的特点 | 第21-22页 |
| 2.2.2 表面肌电信号影响因素 | 第22页 |
| 2.3 表面肌电信号数据采集 | 第22-34页 |
| 2.3.1 表面肌电信号采集设备 | 第22-29页 |
| 2.3.2 表面肌电信号采集 | 第29-34页 |
| 2.3.3 表面肌电信号采集注意事项 | 第34页 |
| 2.4 本章小结 | 第34-35页 |
| 第3章 表面肌电信号多特征提取及融合方法 | 第35-53页 |
| 3.1 表面肌电信号预处理 | 第35-40页 |
| 3.1.1 噪声分析 | 第35-36页 |
| 3.1.2 数字滤波器设计 | 第36-39页 |
| 3.1.3 运动伪迹滤波实验 | 第39-40页 |
| 3.2 表面肌电信号特征提取方法 | 第40-43页 |
| 3.2.1 时域特征提取方法 | 第40-41页 |
| 3.2.2 频域特征提取方法 | 第41-42页 |
| 3.2.3 特征提取指标分析 | 第42-43页 |
| 3.3 基于NMF表面肌电特征融合方法 | 第43-47页 |
| 3.3.1 NMF算法起源 | 第43页 |
| 3.3.2 NMF问题描述 | 第43-44页 |
| 3.3.3 NMF目标函数及迭代更新规则 | 第44-47页 |
| 3.4 带边界约束优化问题的NMF多特征融合方法 | 第47-50页 |
| 3.4.1 肌肉协同作用模型 | 第47-48页 |
| 3.4.2 基于L1/2稀疏约束的NMF多特征融合 | 第48-50页 |
| 3.5 多特征融合实验及结果分析 | 第50-51页 |
| 3.6 本章小结 | 第51-53页 |
| 第4章 基于多层极限学习机表面肌电信号分类器设计 | 第53-65页 |
| 4.1 动作识别分类器的建模方法 | 第53-54页 |
| 4.2 极限学习机算法概述 | 第54-57页 |
| 4.2.1 极限学习机算法原理 | 第54-56页 |
| 4.2.2 隐含层节点数的确定 | 第56-57页 |
| 4.3 多层极限学习机算法 | 第57-60页 |
| 4.3.1 自编码器 | 第58-59页 |
| 4.3.2 多层极限学习机 | 第59-60页 |
| 4.4 基于截断奇异值分解的多层极限学习机 | 第60-63页 |
| 4.5 实验结果及分析 | 第63页 |
| 4.6 本章小结 | 第63-65页 |
| 第5章 康复动作识别系统设计与实验 | 第65-73页 |
| 5.1 康复动作识别系统基本架构 | 第65-67页 |
| 5.2 康复动作识别系统界面设计 | 第67-69页 |
| 5.2.1 Matlab GUI软件开发环境 | 第67-68页 |
| 5.2.2 界面设计方案 | 第68-69页 |
| 5.3 康复动作识别实验与结果分析 | 第69-72页 |
| 5.3.1 动作识别实验方案 | 第69-70页 |
| 5.3.2 动作识别实验结果与分析 | 第70-72页 |
| 5.4 本章小结 | 第72-73页 |
| 第6章 总结与展望 | 第73-75页 |
| 参考文献 | 第75-81页 |
| 致谢 | 第81-83页 |
| 攻读硕士学位期间发表的论文 | 第83页 |