| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题来源 | 第10页 |
| 1.2 课题研究背景与意义 | 第10-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.3.1 肌电假肢控制的研究现状 | 第12-14页 |
| 1.3.2 表面肌电信号分类的研究现状 | 第14页 |
| 1.4 本文主要工作与结构安排 | 第14-18页 |
| 1.4.1 本文主要工作 | 第14-15页 |
| 1.4.2 本文结构安排 | 第15-18页 |
| 第2章 表面肌电信号的产生机理及采集 | 第18-28页 |
| 2.1 表面肌电信号的概述与产生机理 | 第18-19页 |
| 2.2 表面肌电信号的特点 | 第19-20页 |
| 2.3 肌电信号的数学模型 | 第20-21页 |
| 2.4 表面肌电信号的采集 | 第21-27页 |
| 2.4.1 表面肌电信号采集仪 | 第21-22页 |
| 2.4.2 电极的选择 | 第22-23页 |
| 2.4.3 手部动作的肌肉选择 | 第23-24页 |
| 2.4.4 表肌电信号的采集 | 第24-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 表面肌电信号处理与特征提取方法研究 | 第28-44页 |
| 3.1 表面肌电信号去噪 | 第28-30页 |
| 3.2 连续肌电信号截取 | 第30-32页 |
| 3.3 肌电信号特征提取方法 | 第32-42页 |
| 3.3.1 时域特征提取 | 第32-34页 |
| 3.3.2 频域特征提取 | 第34-35页 |
| 3.3.3 时频域特征提取 | 第35-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第4章 表面肌电信号分类方法研究 | 第44-58页 |
| 4.1 人工神经网络 | 第44-46页 |
| 4.2 BP 神经网络 | 第46-48页 |
| 4.3 SVM 算法 | 第48-49页 |
| 4.4 AdaBoost 算法 | 第49-51页 |
| 4.5 AdaBoost 算法网络设计 | 第51-56页 |
| 4.6 本章小结 | 第56-58页 |
| 第5章 表面肌电信号模式识别实验 | 第58-68页 |
| 5.1 实验设计 | 第58-59页 |
| 5.2 模式识别结果分析 | 第59-66页 |
| 5.2.1 BP 神经网络隐函层节点数识别率分析 | 第59-61页 |
| 5.2.2 AdaBoost 算法弱分类器个数识别率分析 | 第61-62页 |
| 5.2.3 表面肌电信号三种分类方法识别率 | 第62-63页 |
| 5.2.4 AdaBoost 算法与 BP 神经网络误差 | 第63-64页 |
| 5.2.5 疲劳肌电信号干扰的 AdaBoost 算法分类识别 | 第64-66页 |
| 5.2.6 AdaBoost 算法与 BP 神经网络的迭代次数 | 第66页 |
| 5.3 本章小结 | 第66-68页 |
| 第6章 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68页 |
| 6.2 展望 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 作者简介 | 第76-78页 |
| 致谢 | 第78页 |
