基于大腿残肢表面肌电信号的运动模式识别
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究的意义与背景 | 第9-10页 |
| 1.2 国内外研究概况 | 第10-12页 |
| 1.2.1 下肢假肢发展概况 | 第10-11页 |
| 1.2.2 下肢运动模式识别发展概况 | 第11-12页 |
| 1.2.3 残肢肌电信号运动模式识别发展概况 | 第12页 |
| 1.3 主要研究内容 | 第12-15页 |
| 第二章 大腿残肢表面肌电信息采集 | 第15-28页 |
| 2.1 肌电信号概述 | 第15-19页 |
| 2.1.1 肌电信号产生机理 | 第15-16页 |
| 2.1.2 表面肌电信号特点 | 第16-17页 |
| 2.1.3 大腿残肢表面肌电信号分析 | 第17-19页 |
| 2.2 下肢肌肉选择 | 第19-21页 |
| 2.2.1 下肢主要肌肉 | 第19-20页 |
| 2.2.2 下肢肌肉选择 | 第20-21页 |
| 2.3 肌电信号采集方案 | 第21-27页 |
| 2.3.1 内嵌式传感器系统设计 | 第22-24页 |
| 2.3.2 肌电信号采集 | 第24-26页 |
| 2.3.3 可行性验证 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 残肢肌电信号的预处理与特征提取 | 第28-43页 |
| 3.1 不同运动模式下肌电信号分析 | 第28-33页 |
| 3.1.1 下肢主要运动模式 | 第28-32页 |
| 3.1.2 主要运动模式信号分析 | 第32-33页 |
| 3.2 残肢肌电信号预处理 | 第33-34页 |
| 3.3 基于移动窗的多数据段检测算法 | 第34-36页 |
| 3.4 特征提取 | 第36-42页 |
| 3.4.1 特征提取方法 | 第37-39页 |
| 3.4.2 平地、上下楼特征提取 | 第39-41页 |
| 3.4.3 坐下起立特征提取 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 特征值降维 | 第43-51页 |
| 4.1 基于遗传算法的BP神经网络降维 | 第43-45页 |
| 4.2 基于遗传算法的偏最小二乘法降维 | 第45-48页 |
| 4.3 基于MIV的神经网络降维 | 第48-50页 |
| 4.4 最优特征向量确定 | 第50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 多数据段融合的运动模式识别 | 第51-63页 |
| 5.1 随机森林算法 | 第51-55页 |
| 5.1.1 决策树生长过程 | 第52页 |
| 5.1.2 随机森林投票过程 | 第52-53页 |
| 5.1.3 随机森林参数选择 | 第53-55页 |
| 5.2 分段运动模式识别 | 第55-60页 |
| 5.2.1 数据段长度确定 | 第55-56页 |
| 5.2.2 基于随机森林算法的运动模式识别 | 第56-57页 |
| 5.2.3 识别结果分析 | 第57-60页 |
| 5.3 基于随机森林的二叉树周期性模式识别 | 第60-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 结论 | 第63-66页 |
| 6.1 论文完成的主要工作 | 第63-64页 |
| 6.2 论文创新点 | 第64页 |
| 6.3 工作展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 致谢 | 第71-72页 |
| 攻读学位期间所获得的相关科研成果 | 第72页 |
