首页--工业技术论文--无线电电子学、电信技术论文--通信论文--通信理论论文--信号处理论文

上肢高密度sEMG特征分类研究

摘要第4-5页
Abstract第5-6页
第1章 绪论第9-17页
    1.1 课题的研究背景及意义第9-11页
    1.2 HD-sEMG信号解析方法国内外研究现状第11-14页
    1.3 HD-sEMG信号解析存在的主要问题第14-15页
    1.4 论文的研究内容与结构安排第15-17页
第2章 基于上肢运动的sEMG信号接口技术第17-24页
    2.1 肌电控制接口技术的整体结构第17-20页
        2.1.1 肌电信号的产生机理第17-18页
        2.1.2 肌电信号的获取方式第18-20页
    2.2 上肢运动sEMG信号采集第20-23页
        2.2.1 上肢运动肌肉分析第20-21页
        2.2.2 高密度表面肌电信号采集系统第21-22页
        2.2.3 实验设计方案第22-23页
    2.3 肌电信号活动段数据分割第23页
    2.4 本章小结第23-24页
第3章 基于上肢运动的HD-sEMG信号预处理第24-38页
    3.1 基于PCA的HD-sEMG空间滤波算法第24-27页
    3.2 基于FastICA的HD-sEMG空间滤波算法第27-30页
    3.3 基于MuticlassCSP的HD-sEMG空间滤波算法第30-37页
        3.3.1 基于互信息最大化的MulticlassCSP滤波数选取算法第34-35页
        3.3.2 基于互信息最大化的MulticlassCSP通道选取算法第35-37页
    3.4 本章小结第37-38页
第4章 基于上肢运动的HD-sEMG信号特征提取第38-50页
    4.1 针对HD-sEMG信号的特征分析第38-48页
        4.1.1 时域特征分析第38-40页
        4.1.2 频域特征分析第40-43页
        4.1.3 时频域特征分析第43-48页
    4.2 HD-sEMG的空间特征分析第48页
    4.3 HD-sEMG空间域与时频域特征结合分析第48-49页
    4.4 本章小结第49-50页
第5章 针对上肢运动HD-sEMG信号模式分类第50-62页
    5.1 模式分类第50-55页
        5.1.1 支持向量机分类算法第50-52页
        5.1.2 线性判别分析分类算法第52-54页
        5.1.3 K-最邻近分类算法第54页
        5.1.4 人工神经网络分类算法第54-55页
    5.2 不同分类算法性能的对比分析第55-59页
    5.3 针对电极偏移鲁棒性分析第59-61页
    5.4 本章小结第61-62页
第6章 结论第62-63页
参考文献第63-68页
在学研究成果第68-69页
致谢第69页

论文共69页,点击 下载论文
上一篇:高功率波导激光器中高阶模式抑制研究
下一篇:基于自动编码器与梯度提升模型的雷达工作模式识别研究