| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 研究意义 | 第14-15页 |
| 1.4 研究的内容 | 第15页 |
| 1.5 论文基本结构 | 第15-17页 |
| 第二章 表面肌电信号生理学知识 | 第17-27页 |
| 2.1 表面肌电信号的描述 | 第17-22页 |
| 2.1.1 医学用途 | 第17-18页 |
| 2.1.2 运动单元 | 第18-20页 |
| 2.1.3 运动单元电势MUP | 第20-22页 |
| 2.2 肌电信号的检测方式 | 第22-24页 |
| 2.3 肌电信号研究方法分析 | 第24-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第三章 肘臂表面肌电信号的手指动作识别技术 | 第27-37页 |
| 3.1 概述 | 第27-28页 |
| 3.2 多通道sEMG信号采集 | 第28-30页 |
| 3.3 利用EMGlab对sEMG进行活动段处理 | 第30-32页 |
| 3.3.1 EMGlab控制面板的说明 | 第31-32页 |
| 3.3.2 sEMG信号处理 | 第32页 |
| 3.4 肘臂sEMG的特征提取 | 第32-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 基于BP人工神经网络的肘臂表面肌电信号的模式识别 | 第37-47页 |
| 4.1 人工神经网络 | 第37-39页 |
| 4.1.1 人工神经元 | 第37-38页 |
| 4.1.3 神经网络的学习过程 | 第38-39页 |
| 4.2 基于BP神经网络的肘臂肌电信号识别方法 | 第39-46页 |
| 4.2.1 BP神经网络概述 | 第40页 |
| 4.2.2 BP神经网络训练 | 第40-44页 |
| 4.2.3 BP神经网络分类器设计 | 第44-46页 |
| 4.2.4 基于BP神经网络的肘臂肌电信号的手指识别系统图 | 第46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 实验结果与分析 | 第47-57页 |
| 5.1 肘臂肌电对手指动作的定义与选择 | 第47-48页 |
| 5.2 数据采集实验方案 | 第48-51页 |
| 5.3 活动段检测与特征值的选择 | 第51-54页 |
| 5.3.1 EMGlab对活动段处理 | 第51-54页 |
| 5.3.2 肘臂肌电信号的特征值提取 | 第54页 |
| 5.4 BP模式分类结论 | 第54-56页 |
| 5.5 本章小结 | 第56-57页 |
| 第六章 人机交互的应用可行性 | 第57-63页 |
| 6.1 概述 | 第57页 |
| 6.2 游戏的复杂信息构架模式 | 第57-59页 |
| 6.3 游戏控制信息的交互界面的层次 | 第59页 |
| 6.4 游戏信息的交互界面设计 | 第59-61页 |
| 6.5 本章小结 | 第61-63页 |
| 第七章 总结与展望 | 第63-67页 |
| 7.1 主要工作与成果 | 第63-64页 |
| 7.2 工作展望 | 第64-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-75页 |
| 附录A (攻读硕士学位期间所发表的论文) | 第75页 |