| 第一章 绪论 | 第1-13页 |
| §1-1 研究背景 | 第9页 |
| §1-2 研究意义 | 第9-10页 |
| §1-3 本课题在国内外的研究概况、水平和发展趋势 | 第10-12页 |
| 1-3-1 国外发展概况 | 第10-11页 |
| 1-3-2 国内发展概况 | 第11-12页 |
| §1-4 本课题的主要研究内容 | 第12-13页 |
| 第二章 肌电信号与人体下肢步态特征 | 第13-27页 |
| §2-1 肌电信号的概述 | 第13-15页 |
| 2-1-1 肌电信号产生机理 | 第13-14页 |
| 2-1-2 肌电信号特点 | 第14-15页 |
| 2-1-3 表面肌电信号 | 第15页 |
| §2-2 人体下肢步态特征及关节力矩分析 | 第15-19页 |
| 2-2-1 人体运动特点 | 第15-16页 |
| 2-2-2 人体下肢运动学分析 | 第16-17页 |
| 2-2-3 人体下肢动力学分析 | 第17-19页 |
| §2-3 肌电信号采集系统 | 第19-25页 |
| 2-3-1 肌电采集系统总体方案设计 | 第19页 |
| 2-3-2 肌电信号采集系统电路的设计 | 第19-23页 |
| 2-3-3 软件系统设计方案 | 第23-24页 |
| 2-3-4 采集分析系统 | 第24-25页 |
| §2-4 肌电信号及步态信息的采集方案 | 第25-27页 |
| 2-4-1 肌电信号的采集 | 第25页 |
| 2-4-2 步态信息的采集 | 第25页 |
| 2-4-3 MVC实验 | 第25-27页 |
| 第三章 肌电信号的预处理与特征提取 | 第27-39页 |
| §3-1 肌电信号的预处理 | 第27-30页 |
| 3-1-1 整流滤波与噪声消除 | 第27-29页 |
| 3-1-2 归—化处理 | 第29-30页 |
| §3-2 时域与频域内肌电信号的特征提取 | 第30-33页 |
| 3-2-1 时域内的特征向量 | 第30-32页 |
| 3-2-2 频域内的特征向量 | 第32-33页 |
| §3-3 基于小波包分解的下肢肌电信号的特征提取 | 第33-38页 |
| 3-3-1 小波基础 | 第34-35页 |
| 3-3-2 小波包基础 | 第35-36页 |
| 3-3-2 基于小波包分解的下肢表面肌电信号特征提取 | 第36-38页 |
| §3-4 小结 | 第38-39页 |
| 第四章 基于支持向量机的路况识别 | 第39-48页 |
| §4-1 支持向量机概述 | 第39-43页 |
| 4-1-1 支持向量机及其特点 | 第39页 |
| 4-1-2 VC维与结构风险最小化准则 | 第39-41页 |
| 4-1-3 分类超平面 | 第41页 |
| 4-1-4 支持向量机的理论方法 | 第41-43页 |
| 4-1-5 支持向量机的核函数 | 第43页 |
| §4-2 多类别分类 | 第43-44页 |
| §4-3 基于支持向量机的表面肌电信号的模式识别 | 第44-48页 |
| 4-3-1 实验 | 第44-45页 |
| 4-3-2 基于LVQ神经网络的表面肌电信号的模式分类 | 第45-46页 |
| 4-3-3 分类效果的影响因素 | 第46-47页 |
| 4-3-4 结论 | 第47-48页 |
| 第五章 基于支持向量机自回归模型的关节角度辨识 | 第48-57页 |
| §5-1 支持向量机自回归模型概述 | 第48-50页 |
| 5-1-1 ε-支持向量机 | 第48-49页 |
| 5-1-2 支持向量机自回归建模 | 第49-50页 |
| §5-2 基于支持向量机自回归模型的关节角度辨识 | 第50-52页 |
| §5-3 基于模糊支持向量机的关节角度辨识 | 第52-56页 |
| 5-3-1 模糊支持向量机 | 第52-53页 |
| 5-3-2 F-SVR隶属度的确定 | 第53-54页 |
| 5-3-3 基于模糊支持向量机的关节角度辨识 | 第54-56页 |
| §5-4 小结 | 第56-57页 |
| 第六章 结论与展望 | 第57-58页 |
| §6-1 论文完成的主要工作与创新点 | 第57页 |
| §6-2 工作展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录A | 第61-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间所取得的相关科研成果 | 第63页 |
