| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题来源 | 第10页 |
| 1.2 课题研究背景、目的及意义 | 第10-12页 |
| 1.3 相关领域国内外研究现状 | 第12-17页 |
| 1.3.1 时频域特征提取研究现状 | 第12-13页 |
| 1.3.2 肌肉协同及力预测研究现状 | 第13-17页 |
| 1.4 本文的主要内容和组织结构 | 第17-19页 |
| 第2章 信号预处理及肌肉协同分析 | 第19-35页 |
| 2.1 信号采集设备及实验方案 | 第19-22页 |
| 2.1.1 表面肌电信号采集设备 | 第19-20页 |
| 2.1.2 力信号采集设备 | 第20页 |
| 2.1.3 肌肉组织的选取 | 第20-21页 |
| 2.1.4 实验方案 | 第21-22页 |
| 2.2 EMG信号预处理 | 第22-25页 |
| 2.2.1 信号MAV处理及滤波 | 第22-23页 |
| 2.2.2 信号RMS处理及滤波 | 第23-24页 |
| 2.2.3 信号同步处理 | 第24页 |
| 2.2.4 信号归一化处理 | 第24-25页 |
| 2.3 基于非负矩阵分解的肌肉协同分析 | 第25-29页 |
| 2.3.1 传统时频域特征提取方法分析 | 第25页 |
| 2.3.2 肌肉协同模型分析 | 第25-26页 |
| 2.3.3 非负矩阵分解算法 | 第26-28页 |
| 2.3.4 基于肌电信号重构误差的肌肉协同数目确定 | 第28-29页 |
| 2.4 肌肉协同及其系数矩阵提取 | 第29-32页 |
| 2.5 肌肉协同鲁棒性分析 | 第32-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第3章 基于动作判别的力预测模型研究 | 第35-52页 |
| 3.1 神经网络相关理论分析 | 第35-40页 |
| 3.1.1 神经网络概述 | 第35-37页 |
| 3.1.2 BP算法实现 | 第37-40页 |
| 3.2 基于MIMO网络的SISO权值和阈值初始化方法研究 | 第40-48页 |
| 3.2.1 MIMO神经网络的设计及参数选择 | 第41-44页 |
| 3.2.2 SISO神经网络的设计及权值和阈值初始化 | 第44-47页 |
| 3.2.3 实验结果分析 | 第47-48页 |
| 3.3 基于动作判别的力预测模型 | 第48-50页 |
| 3.4 实验对比分析 | 第50-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第4章 力预测应用研究 | 第52-61页 |
| 4.1 基于动作判别和力预测的软件系统 | 第52-55页 |
| 4.1.1 EMG模块 | 第53-54页 |
| 4.1.2 显示和控制模块 | 第54页 |
| 4.1.3 软件系统示意图 | 第54-55页 |
| 4.2 基于力预测的比例控制策略 | 第55-56页 |
| 4.2.1 直接比例控制策略 | 第55页 |
| 4.2.2 基于力预测的比例控制策略 | 第55-56页 |
| 4.3 实验方案与结果分析 | 第56-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第5章 总结与展望 | 第61-63页 |
| 5.1 本文工作总结 | 第61-62页 |
| 5.2 未来工作展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
