基于表面肌电信号的仿生机械手动作识别研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题背景 | 第11-12页 |
| 1.2 课题研究意义 | 第12页 |
| 1.3 表面肌电信号的国内外研究现状 | 第12-17页 |
| 1.3.1 表面肌电信号特征提取 | 第12-15页 |
| 1.3.2 表面肌电信号模式识别研究现状 | 第15-16页 |
| 1.3.3 表面肌电信号在仿生机械手中的应用 | 第16-17页 |
| 1.4 本文的研究内容与文章结构 | 第17-19页 |
| 第二章 表面肌电信号的预处理 | 第19-27页 |
| 2.1 肌电信号的产生原理及特点 | 第19-21页 |
| 2.2 肌电信号采集系统设计 | 第21-24页 |
| 2.2.1 表面肌电电极选择 | 第21-22页 |
| 2.2.2 表面肌电信号的放大 | 第22-23页 |
| 2.2.3 滤波器的选择 | 第23-24页 |
| 2.3 表面肌电信号动作的起始点检测 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 表面肌电信号特征提取研究 | 第27-41页 |
| 3.1 引言 | 第27页 |
| 3.2 ICA算法原理 | 第27-34页 |
| 3.2.1 ICA模型描述 | 第28-30页 |
| 3.2.2 FastICA算法原理 | 第30-34页 |
| 3.3 改进的ICA算法 | 第34-35页 |
| 3.4 实验结果分析 | 第35-39页 |
| 3.5 本章小结 | 第39-41页 |
| 第四章 表面肌电信号的模式识别方法研究 | 第41-57页 |
| 4.1 引言 | 第41页 |
| 4.2 SVM的基本思想 | 第41-50页 |
| 4.2.1 SVM的二分类原理 | 第41-44页 |
| 4.2.2 不可分样本的最优分类面 | 第44-46页 |
| 4.2.3 SVM的多分类原理 | 第46-50页 |
| 4.3 改进粒子群算法优化支持向量机 | 第50-56页 |
| 4.3.1 PSO算法原理 | 第51-52页 |
| 4.3.2 IPSO-SVM算法 | 第52-54页 |
| 4.3.3 IPSO-SVM实现过程 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 仿生机械手表面肌电信号动作识别实验分析 | 第57-71页 |
| 5.1 引言 | 第57页 |
| 5.2 仿生机械手的整体控制结构 | 第57-58页 |
| 5.3 仿生机械手肌电信号控制实验分析 | 第58-64页 |
| 5.3.1 动作信号的模式识别分析 | 第59-62页 |
| 5.3.2 仿生机械手的控制实验分析 | 第62-64页 |
| 5.4 表面肌电信号疲劳度检测分析 | 第64-69页 |
| 5.5 本章小结 | 第69-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 主要工作和创新点 | 第71-72页 |
| 6.2 展望 | 第72-73页 |
| 参考文献 | 第73-81页 |
| 致谢 | 第81-83页 |
| 攻读硕士学位期间取得的研究成果 | 第83页 |
