| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.2 HD-sEMG信号的国内外研究现状 | 第10-12页 |
| 1.3 手部动作的国内外研究现状 | 第12-15页 |
| 1.4 论文研究的主要内容与章节安排 | 第15-16页 |
| 第2章 表面肌电信号的研究基础 | 第16-21页 |
| 2.1 表面肌电信号产生的机理 | 第16-17页 |
| 2.2 表面肌电信号的检测方式 | 第17-18页 |
| 2.3 手指动作的HD-sEMG信号采集 | 第18-20页 |
| 2.3.1 手部运动肌肉分析 | 第18页 |
| 2.3.2 高密度表面肌电信号采集系统 | 第18-19页 |
| 2.3.3 实验设计方案 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 基于手指动作HD-sEMG信号的滤波算法 | 第21-32页 |
| 3.1 基于PCA的 HD-sEMG空间滤波算法 | 第21-23页 |
| 3.2 基于FastICA的HD-sEMG空间滤波算法 | 第23-26页 |
| 3.3 基于Muticlass CSP的HD-sEMG的空间滤波算法 | 第26-31页 |
| 3.3.1 基于互信息最大化的Multiclass CSP滤波数选取算法 | 第28-30页 |
| 3.3.2 基于互信息最大化的Multiclass CSP通道选取算法 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第4章 基于手指动作HD-sEMG信号的特征提取研究 | 第32-44页 |
| 4.1 HD-sEMG信号特征提取的研究 | 第32-41页 |
| 4.1.1 采用时域分析方法的HD-sEMG信号特征提取研究 | 第32-34页 |
| 4.1.2 频域特征分析 | 第34-37页 |
| 4.1.3 时频域特征分析 | 第37-41页 |
| 4.2 HD-sEMG的空间特征分析 | 第41-42页 |
| 4.3 采用空间域与时频域相结合的HD-sEMG信号特征提取分析 | 第42-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第5章 手指动作HD-sEMG信号的识别结果 | 第44-53页 |
| 5.1 模式识别 | 第44-49页 |
| 5.1.1 支持向量机分类算法 | 第44-46页 |
| 5.1.2 线性判别分析分类算法 | 第46-48页 |
| 5.1.3 人工神经网络分类算法 | 第48-49页 |
| 5.2 三种分类器性能的对比分析 | 第49-52页 |
| 5.3 本章小结 | 第52-53页 |
| 第6章 结论与展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 在学研究成果 | 第58-59页 |
| 致谢 | 第59页 |
