摘要 | 第3-4页 |
abstract | 第4-5页 |
1 绪论 | 第9-17页 |
1.1 课题的背景和意义 | 第9-13页 |
1.1.1 肌肉电信号介绍 | 第9-10页 |
1.1.2 肌肉电信号的实际应用 | 第10-11页 |
1.1.3 人体行为识别介绍 | 第11页 |
1.1.4 人体行为识别的应用 | 第11-13页 |
1.2 国内外研究现状 | 第13-16页 |
1.2.1 人体行为模式识别技术国内外现状 | 第13-15页 |
1.2.2 基于sEMG的模式识别国内外现状 | 第15-16页 |
1.3 本文组织结构 | 第16-17页 |
2 人体步态特征与信号采集 | 第17-25页 |
2.1 人体下肢运动模式 | 第17-20页 |
2.1.1 人体步态特征 | 第17-18页 |
2.1.2 步态周期 | 第18-20页 |
2.2 下肢肌肉分布与功能 | 第20-23页 |
2.2.1 下肢肌肉分布与功能 | 第20-22页 |
2.2.2 表面肌肉电信号的产生机理 | 第22-23页 |
2.3 系统总体设计 | 第23-24页 |
2.3.1 肌肉电信号采集 | 第24页 |
2.4 小结 | 第24-25页 |
3 肌肉电信号预处理 | 第25-31页 |
3.1 原始信号与噪声分析 | 第25-26页 |
3.2 信号滤波 | 第26-29页 |
3.2.1 带通滤波 | 第26-27页 |
3.2.2 小波去噪 | 第27-29页 |
3.3 小结 | 第29-31页 |
4 特征提取与维数约简 | 第31-40页 |
4.1 特征提取概述 | 第31页 |
4.2 肌电信号特征提取 | 第31-36页 |
4.2.1 时域特征 | 第31-32页 |
4.2.2 频域特征 | 第32-33页 |
4.2.3 时频域特征 | 第33-34页 |
4.2.4 小波特征 | 第34-35页 |
4.2.5 非线性动力学特征 | 第35-36页 |
4.3 维数约简 | 第36-39页 |
4.3.1 维数约简概述 | 第36-37页 |
4.3.2 维数约简的实现 | 第37-39页 |
4.4 小结 | 第39-40页 |
5 运动模式识别 | 第40-51页 |
5.1 模式识别方法概述 | 第40页 |
5.2 反向传播神经网络介绍 | 第40-44页 |
5.2.1 神经元 | 第40-41页 |
5.2.2 反向传播神经网络结构 | 第41-44页 |
5.3 反向传播神经网络的设计与训练 | 第44-46页 |
5.3.1 梯度检查 | 第44页 |
5.3.2 正则化 | 第44-45页 |
5.3.3 学习率的调整 | 第45页 |
5.3.4 反向传播神经网络结构设计 | 第45-46页 |
5.3.5 神经网络的训练 | 第46页 |
5.4 K均值算法 | 第46-50页 |
5.4.1 K均值算法概述 | 第46-47页 |
5.4.2 K均值算法流程 | 第47-50页 |
5.5 小结 | 第50-51页 |
6 实验与分析 | 第51-59页 |
6.1 综合实验设计 | 第51-52页 |
6.2 BP神经网络结构设计与参数调整 | 第52-55页 |
6.2.1 神经网络结构设计 | 第52页 |
6.2.2 维数约简 | 第52-54页 |
6.2.3 正则化参数的选择 | 第54-55页 |
6.2.4 学习率的选择 | 第55页 |
6.3 反向传播神经网络应用于模式识别 | 第55-57页 |
6.3.1 BP神经网络应用于5种运动模式分类 | 第55-56页 |
6.3.2 BP神经网络应用于7种运动模式分类 | 第56页 |
6.3.3 BP神经网络应用于直行、上楼、下楼的分类 | 第56-57页 |
6.4 K均值模式识别 | 第57-58页 |
6.4.1 K均值算法应用于直行、转弯分类 | 第57页 |
6.4.2 K均值算法应用于直行、左转、右转分类 | 第57-58页 |
6.4.3 K均值算法应用于左转、右转分类 | 第58页 |
6.5 小结 | 第58-59页 |
7 总结与展望 | 第59-60页 |
7.1 总结 | 第59页 |
7.2 展望 | 第59-60页 |
致谢 | 第60-61页 |
参考文献 | 第61-66页 |
附录 | 第66页 |
A作者在攻读硕士在校期间发表的论文及专利 | 第66页 |
B作者在攻读硕士在校期间参加的项目 | 第66页 |