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 |