基于肌电信号的人手动作模式识别
| 中文摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 第一章 绪论 | 第7-13页 |
| ·本课题的研究背景与意义 | 第7-8页 |
| ·仿生手研究的必要性与现实意义 | 第7-8页 |
| ·本课题在仿生手研究中的作用和意义 | 第8页 |
| ·动作模式识别的国内外研究现状 | 第8-11页 |
| ·肌电信号的特征提取方法 | 第9-11页 |
| ·肌电模式分类方法 | 第11页 |
| ·本课题研究的主要内容和意义 | 第11-13页 |
| 第二章 信号源研究与肌电信号的机理及采集 | 第13-23页 |
| ·仿生手控制的信号源研究 | 第13-14页 |
| ·EMG 信号的机理 | 第14-16页 |
| ·表面肌电信号采集系统 | 第16-19页 |
| ·信号采集硬件 | 第16-19页 |
| ·信号采集软件 | 第19页 |
| ·肌电信号的采集实验 | 第19-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 表面肌电信号的预处理 | 第23-37页 |
| ·动作始末的判断 | 第23-24页 |
| ·表面肌电信号的小波降噪处理 | 第24-33页 |
| ·小波变换的基本原理 | 第25-30页 |
| ·小波降噪的原理及方法 | 第30-33页 |
| ·表面肌电信号的预处理实验 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于小波包变换的特征提取方法 | 第37-47页 |
| ·特征提取理论及其在模式识别中的作用 | 第37-38页 |
| ·小波包的基础理论 | 第38-40页 |
| ·小波包变换的主要思想 | 第38-39页 |
| ·熵最小准则 | 第39-40页 |
| ·基于小波包的特征提取 | 第40-42页 |
| ·特征提取实验及分析 | 第42-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 基于人工神经网络的人手动作的模式识别 | 第47-62页 |
| ·神经网络模型 | 第47-49页 |
| ·神经元模型 | 第47-48页 |
| ·神经网络模型 | 第48-49页 |
| ·BP 网络 | 第49-54页 |
| ·BP 网络模型 | 第49-50页 |
| ·BP 算法 | 第50-52页 |
| ·BP 改进算法 | 第52-54页 |
| ·学习矢量量化神经网络(LVQ) | 第54-56页 |
| ·LVQ 网络结构 | 第54-55页 |
| ·LVQ 学习规则 | 第55页 |
| ·LVQ2 学习规则 | 第55-56页 |
| ·模式识别仿真实验及分析 | 第56-61页 |
| ·基于BP 网络的分类结果 | 第57-58页 |
| ·基于LVQ 网络的分类结果 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 第六章 仿生手实时在线控制的初步研究 | 第62-74页 |
| ·概述 | 第62-63页 |
| ·EMG 信号的采集 | 第63-65页 |
| ·特征提取 | 第65-70页 |
| ·主元分析法(PCA) | 第66-69页 |
| ·主元神经网络(PCNN) | 第69-70页 |
| ·模式识别与讨论 | 第70-73页 |
| ·本章小结 | 第73-74页 |
| 第七章 结论与展望 | 第74-76页 |
| ·全文工作总结 | 第74页 |
| ·前景展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 发表论文和科研情况说明 | 第80-81页 |
| 致谢 | 第81页 |
