首页--医药、卫生论文--基础医学论文--医用一般科学论文--生物医学工程论文--人工脏器与器官论文--运动器官论文

基于表面肌电信号人体下肢动作模式识别方法研究

摘要第4-5页
Abstract第5页
第1章 绪论第8-14页
    1.1 研究背景与意义第8页
    1.2 表面肌电信号国内外研究现状第8-12页
        1.2.1 表面肌电信号采集和预处理研究现状第9-10页
        1.2.2 表面肌电信号特征参数提取方法研究现状第10-11页
        1.2.3 表面肌电信号模式识别分类研究现状第11-12页
    1.3 本文研究内容第12-13页
    1.4 小结第13-14页
第2章 表面肌电信号及其特性第14-23页
    2.1 表面肌电信号概述第14-16页
        2.1.1 肌肉组织结构及动作电位第14页
        2.1.2 MUAP模型第14-15页
        2.1.3 影响表面肌电信号的因素第15-16页
    2.2 表面肌电信号获取第16-19页
        2.2.1 表面肌电信号数据采集与获取第16-18页
        2.2.2 采样频率第18页
        2.2.3 采样序列的滤波第18-19页
    2.3 表面肌电信号分析及处理第19-22页
        2.3.1 非平稳信号及其动态特征描述第19页
        2.3.2 表面肌电信号活动段分析第19-21页
        2.3.3 表面肌电信号降维处理第21-22页
    2.4 小结第22-23页
第3章 SEMG特征提取方法研究第23-38页
    3.1 时域特征提取方法第23-26页
        3.1.1 时域特征第23-24页
        3.1.2 实验与结果分析第24-26页
    3.2 频域特征提取方法第26-28页
        3.2.1 频域特征第26-27页
        3.2.2 实验与结果分析第27-28页
    3.3 时频域特征提取方法第28-37页
        3.3.1 基于小波变换(WT)的特征值提取第29-31页
        3.3.2 基于小波包变换(WPT)的特征值提取第31-33页
        3.3.3 实验与结果分析第33-37页
    3.4 小结第37-38页
第4章 SEMG模式识别分类方法研究第38-50页
    4.1 标准支持向量机(SVM)分类器第38-42页
        4.1.1 支持向量机原理第38-39页
        4.1.2 最优分类面的构造第39-41页
        4.1.3 核函数的选取第41页
        4.1.4 参数的选取第41-42页
    4.2 最小二乘支持向量机(LS-SVM)的原理第42-43页
    4.3 基于支持向量机的表面肌电信号分类方法第43-47页
        4.3.1 遗传算法第44-45页
        4.3.2 粒子群算法第45-47页
    4.4 模式识别结果与分析第47-49页
        4.4.1 识别准确率第47-48页
        4.4.2 识别时间第48-49页
    4.5 小结第49-50页
第5章 结论第50-52页
    5.1 结论第50页
    5.2 展望第50-52页
参考文献第52-55页
在学研究成果第55-56页
致谢第56页

论文共56页,点击 下载论文
上一篇:西安地铁与香港地铁公共艺术之比较研究
下一篇:2型糖尿病患者血清羧化不全骨钙素与糖、脂代谢的相关性分析