声明
摘要
第1章 绪论
1.1 研究的来源和意义
1.1.1 课题的来源
1.1.2 课题的研究意义
1.2 假手控制源分析
1.2.1 脑电(Electroencephalography,EEG)控制技术
1.2.2 语音信号(Speech Signals,SS)控制技术
1.2.3 神经控制(Neural Control)技术
1.2.4 肌电控制(EMG Control)技术
1.3 国内外肌电手发展现状
1.3.1 国内外肌电手的结构发展
1.3.2 国内外肌电手控制的现状
1.4 肌电信号的研究现状
1.4.1 肌电信号的预处理研究现状
1.4.2 肌电信号特征提取方法的研究现状
1.4.3 国内外肌电信号分类与模式识别发展现状
1.4.4 肌电手研究存在的问题
1.5 论文的主要研究内容
第2章 肌电信号采集系统设计
2.1 引言
2.2 sEMG信号产生的机理
2.2.1 骨骼肌的神经控制机理
2.2.2 sEMG信号的生理机理
2.2.3 肌电信号的检测方法
2.2.3 sEMG信号的特点
2.3 sEMG信号采集系统的设计
2.3.1 肌电信号采集过程中干扰的形式
2.3.2 sEMG采集的总体方案
2.4 肌群与表面电极的安放
2.4.1 前臂肌群与手指动作的关系
2.4.2 表面电极的安放位置
2.5 本章小结
第3章 连续肌电信号的处理
3.1 引言
3.2 基于ICA的多通道肌电信号串扰混合模型与解耦
3.2.1 基于ICA的多通道肌电信号串扰混合模型
3.2.2 基于负熵的ICA多通道解耦
3.2.3 多通道sEMG信号耦合评价准则
3.2.4 多通道解耦的预处理
3.3 多通道sEMG信号解耦次序的匹配
3.3.1 解耦次序匹配原理
3.3.2 解耦次序匹配实验分析
3.4 工频噪声的分析
3.5 sEMG包络滤波
3.5.1 包络滤波原理
3.5.2 包络滤波后数据分析
3.6 基于同态变换的表面肌电信号提取
3.6.1 同态滤波原理
3.6.2 自适应滤波算法
3.6.3 同态自适应滤波分析
3.7 sEMG的整周期平均与滑动整周期平均滤波
3.7.1 sEMG的整周期平均滤波
3.7.2 滑动整周期平均滤波
3.7.3 sEMG滤波效果分析
3.8 本章小结
第4章 肌电信号稳态数据的提取
4.1 引言
4.2 实验方案设计
4.3 基于短时能量分析的动作转换点的识别
4.3.1 短时能量算法
4.3.2 实验结果与分析
4.4 基于DCS的动作转换点识别
4.4.1 DCS动作转换点识别算法
4.4.2 实验结果与分析
4.5 基于动态差分的动作转换点识别
4.5.1 动作转换处极值点的提取
4.5.2 数据处理与结果分析
4.6 基于基元法的动作转换点的识别
4.6.1 EMG基元法的预处理
4.6.2 基元的选取
4.6.3 基元法动作转换实验分析
4.7 本章小结
第5章 人手抓取动作的特征提取
5.1 引言
5.2 人手抓取动作模式
5.2.1 人手的常用抓取模式
5.2.2 人手的预抓取动作顺序
5.3 抓取动作特征提取方法
5.3.1 人手的抓取动作特征提取方法
5.3.2 抓取动作特征选择与提取
5.4 抓取动作特征提取实验分析
5.4.1 抓取肌电信号采集实验设计
5.4.2 时域特征提取分析
5.4.3 频域特征提取分析
5.4.4 小波系数特征提取分析
5.5 本章小结
第6章 人手抓取动作的模式识别
6.1 引言
6.2 BP神经网络算法
6.3 模糊神经网络
6.3.1 动态模糊神经网络
6.3.2 动态模糊神经网络的算法
6.4 基于不同特征的分类识别比较
6.4.1 时域特征识别率分析
6.4.2 频域特征识别率分析
6.4.3 小波系数特征识别率分析
6.4.4 融合特征的识别率分析
6.5 本章小结
结论
参考文献
攻读学位期间发表的学术论文
致谢