基于sEMG的步态运动模式细分及其识别方法
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题背景与研究意义 | 第11-12页 |
| 1.2 国内外研究现状及发展趋势 | 第12-15页 |
| 1.2.1 下肢步态模式研究 | 第12页 |
| 1.2.2 获取步态信息的方式 | 第12-14页 |
| 1.2.3 肌电信号的消噪处理和特征提取 | 第14-15页 |
| 1.2.4 步态模式识别方法 | 第15页 |
| 1.3 步态识别研究中存在的问题 | 第15-16页 |
| 1.4 本课题研究内容 | 第16-19页 |
| 第2章 下肢步态与信息采集 | 第19-33页 |
| 2.1 人体下肢运动与下肢结构 | 第19-21页 |
| 2.1.1 下肢运动产生机理 | 第19-20页 |
| 2.1.2 人体下肢结构 | 第20-21页 |
| 2.2 人体步态 | 第21-25页 |
| 2.2.1 步态模式细分 | 第22-23页 |
| 2.2.2 步态参数 | 第23-24页 |
| 2.2.3 步态信息获取方法 | 第24-25页 |
| 2.3 步态信息实验采集 | 第25-32页 |
| 2.3.1 实验采集设备 | 第27-28页 |
| 2.3.2 表面肌电信号采集 | 第28-29页 |
| 2.3.3 实验采集结果 | 第29-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第3章 基于加速度信号的步态事件确定 | 第33-43页 |
| 3.1 步态事件 | 第33-34页 |
| 3.2 基于加速度综合变化率的初步分段 | 第34-35页 |
| 3.3 步态事件确定方法 | 第35-37页 |
| 3.4 步态划分结果及分析 | 第37-42页 |
| 3.4.1 加速度消噪结果与分析 | 第37-38页 |
| 3.4.2 初步分段结果与分析 | 第38-40页 |
| 3.4.3 步态事件确定结果与分析 | 第40-41页 |
| 3.4.4 误差分析与一致性检验 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 肌电信号消噪及特征提取 | 第43-67页 |
| 4.1 肌电信号消噪处理 | 第43-47页 |
| 4.1.1 肌电信号的小波阈值消噪 | 第44-45页 |
| 4.1.2 肌电信号的小波包阈值消噪 | 第45-46页 |
| 4.1.3 肌电信号的小波模极大值消噪 | 第46-47页 |
| 4.1.4 消噪性能评价指标 | 第47页 |
| 4.2 肌电信号消噪结果与分析 | 第47-50页 |
| 4.3 肌电信号的特征提取 | 第50-55页 |
| 4.3.1 特征提取分析窗口 | 第50-52页 |
| 4.3.2 肌电信号的时域特征 | 第52页 |
| 4.3.3 肌电信号的频域特征 | 第52-53页 |
| 4.3.4 肌电信号的熵值特征 | 第53-55页 |
| 4.4 步态特征提取结果与分析 | 第55-66页 |
| 4.5 本章小结 | 第66-67页 |
| 第5章 基于肌电信号的步态识别 | 第67-90页 |
| 5.1 肌电信号特征样本描述 | 第67页 |
| 5.2 基于支持向量机的步态识别 | 第67-70页 |
| 5.3 基于超限学习机的步态识别 | 第70-72页 |
| 5.4 基于线性判别分析的步态识别 | 第72-76页 |
| 5.5 步态识别算法结果比较与分析 | 第76-86页 |
| 5.5.1 窗口参数的影响结果 | 第76-80页 |
| 5.5.2 不同特征组合的识别与分析 | 第80-85页 |
| 5.5.3 不同肌肉组合的识别与分析 | 第85-86页 |
| 5.6 基于个体和样本差异步态的识别分析 | 第86-89页 |
| 5.6.1 步态数据采集和识别分析 | 第86页 |
| 5.6.2 肌电特征差异性指标分析 | 第86页 |
| 5.6.3 结果与讨论 | 第86-89页 |
| 5.7 本章小结 | 第89-90页 |
| 第6章 总结及展望 | 第90-92页 |
| 6.1 研究总结 | 第90-91页 |
| 6.2 研究展望 | 第91-92页 |
| 致谢 | 第92-93页 |
| 参考文献 | 第93-99页 |
| 附录：攻读学位期间参加的科研项目和成果 | 第99页 |
