| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 表面肌电信号国内外研究现状 | 第10-13页 |
| 1.2.1 表面肌电信号采集研究现状 | 第10-11页 |
| 1.2.2 表面肌电信号预处理研究现状 | 第11-12页 |
| 1.2.3 表面肌电信号特征提取研究现状 | 第12-13页 |
| 1.3 表面肌电信号的分类识别研究现状 | 第13-14页 |
| 1.4 本文主要研究内容 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第2章 表面肌电信号的采集和预处理 | 第16-30页 |
| 2.1 表面肌电信号的产生 | 第16-18页 |
| 2.1.1 表面肌电信号的概述 | 第16页 |
| 2.1.2 表面肌电信号的产生机理 | 第16-17页 |
| 2.1.3 表面肌电信号的特点 | 第17-18页 |
| 2.2 表面肌电信号的采集 | 第18-22页 |
| 2.2.1 实验采集系统 | 第18-19页 |
| 2.2.2 信号采集实验方法和过程 | 第19-22页 |
| 2.3 表面肌电信号的活动段检测 | 第22-25页 |
| 2.3.1 高斯混合模型应用于sEMG的活动段检测 | 第22-23页 |
| 2.3.2 结果分析 | 第23-25页 |
| 2.4 基于小波变换的表面肌电信号降噪处理 | 第25-29页 |
| 2.4.1 肌电信号中噪声来源 | 第25-26页 |
| 2.4.2 小波降噪 | 第26-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第3章 表面肌电信号的特征提取 | 第30-42页 |
| 3.1 时域法 | 第30-32页 |
| 3.1.1 时域特征 | 第30-31页 |
| 3.1.2 实验结果与分析 | 第31-32页 |
| 3.2 频域法 | 第32-33页 |
| 3.2.1 频域特征 | 第32页 |
| 3.2.2 实验结果与分析 | 第32-33页 |
| 3.3 时频域法 | 第33-41页 |
| 3.3.1 时频域特征提取 | 第33-34页 |
| 3.3.2 基于小波变换的特征提取 | 第34-35页 |
| 3.3.3 多分辨率小波分析 | 第35-37页 |
| 3.3.4 实验结果与分析 | 第37-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 表面肌电信号的肌肉力大小识别 | 第42-52页 |
| 4.1 BP神经网络分类器 | 第42-45页 |
| 4.1.1 BP神经网络原理 | 第42-44页 |
| 4.1.2 BP神经网络设计 | 第44-45页 |
| 4.2 LDA分类器 | 第45-46页 |
| 4.2.1 LDA判别准则 | 第45-46页 |
| 4.2.2 LDA判别方法的结果分析 | 第46页 |
| 4.3 标准支持向量机（SVM）分类器 | 第46-49页 |
| 4.3.1 支持向量机原理 | 第46-48页 |
| 4.3.2 使用核方法的支持向量机 | 第48-49页 |
| 4.4 训练结果分析 | 第49-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第5章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52页 |
| 5.2 展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 在学研究成果 | 第58-59页 |
| 致谢 | 第59页 |