基于肌电信号处理的肢体动作模式识别算法研究及其原型硬件实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 课题背景与意义 | 第8页 |
| 1.2 研究现状调研 | 第8-9页 |
| 1.3 课题前期工作基础 | 第9-10页 |
| 1.4 课题研究内容与结构安排 | 第10-12页 |
| 第2章 肌电信号的理论基础 | 第12-16页 |
| 2.1 引言 | 第12页 |
| 2.2 肌电信号的产生原理 | 第12-13页 |
| 2.2.1 运动单元 | 第12页 |
| 2.2.2 肌电信号产生过程 | 第12-13页 |
| 2.3 肌电信号的采集方式 | 第13-14页 |
| 2.4 肌电信号的处理 | 第14-15页 |
| 2.5 本章小结 | 第15-16页 |
| 第3章 肢体动作识别系统分析 | 第16-28页 |
| 3.1 肌电信号模式识别系统整体概述 | 第16-17页 |
| 3.2 体表肌电信号的采集方案 | 第17-20页 |
| 3.2.1 采集前端 | 第18-19页 |
| 3.2.2 处理和控制器 | 第19页 |
| 3.2.3 通信模块 | 第19-20页 |
| 3.3 采集系统的信号处理 | 第20-27页 |
| 3.3.1 活动段提取 | 第20-24页 |
| 3.3.2 肌电信号的特征值 | 第24-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第4章 肢体动作的肌电信号识别算法 | 第28-46页 |
| 4.1 线性判别分类器 | 第28-31页 |
| 4.2 人工神经网络 | 第31-38页 |
| 4.2.1 人工神经元 | 第31-33页 |
| 4.2.2 人工神经网络模型 | 第33-35页 |
| 4.2.3 反向传播神经网络 | 第35-37页 |
| 4.2.4 集成人工神经网络 | 第37-38页 |
| 4.3 支持向量机 | 第38-44页 |
| 4.4 算法特点分析 | 第44-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第5章 体表肌电信号特征评估与算法验证 | 第46-54页 |
| 5.1 特征约简方法 | 第46-47页 |
| 5.2 特征可分性分析 | 第47-49页 |
| 5.3 算法识别能力验证 | 第49-52页 |
| 5.4 本章小结 | 第52-54页 |
| 第6章 肢体动作模式识别系统原型实现 | 第54-70页 |
| 6.1 采集系统 | 第54-62页 |
| 6.1.1 采集前端 | 第54-55页 |
| 6.1.2 通信模块 | 第55-59页 |
| 6.1.3 处理调度模块 | 第59-62页 |
| 6.2 系统上位机 | 第62-68页 |
| 6.2.1 上位机算法模块 | 第62-64页 |
| 6.2.2 通信模块 | 第64-65页 |
| 6.2.3 处理调度实现 | 第65-66页 |
| 6.2.4 上位机用户交互设计 | 第66-68页 |
| 6.3 系统测试 | 第68-69页 |
| 6.4 本章小结 | 第69-70页 |
| 第7章 总结与展望 | 第70-72页 |
| 7.1 总结 | 第70-71页 |
| 7.2 展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 攻读硕士学位期间发表的论文与取得的奖项 | 第76-78页 |
| 致谢 | 第78页 |
