文摘
英文文摘
第1章 绪 论
1.1 课题背景及意义
1.1.1 课题来源及背景
1.1.2 课题的意义
1.2 肌电信号研究现状
1.2.1 肌电信号特征提取方法
1.2.2 肌电信号模式分类方法
1.3 本文主要研究内容
第2章 肌电信号的产生机理及其数学模型
2.1 肌肉运动中的电生理过程及肌电信号的产生
2.1.1 神经的功能和结构
2.1.2 神经的生物电现象
2.1.3 肌肉的结构和功能
2.1.4 肌电信号产生的机理
2.2 肌电信号的特点与干扰
2.3 肌电信号产生的数学模型
第3章 基于虚拟仪器的肌电信号采集系统
3.1 虚拟仪器概述
3.1.1 虚拟仪器的特点
3.1.2 虚拟仪器的发展现状
3.1.3 虚拟仪器的构成
3.1.4 虚拟仪器的分类
3.2 系统的硬件部分
3.2.1 电极选择
3.2.2 信号放大电路
3.2.3 NI-DAQ信号采集卡
3.3 系统的软件部分
3.3.1 软件开发平台的选择
3.3.2 LabVIEW软件概述
3.4 肌电信号采集系统的功能与实现
3.4.1 系统的采集对象与功能
3.4.2 采集系统搭建
3.4.3 信号采集模块
3.5 本章小结
第4章 肌电信号分析与特征提取
4.1 数据预处理
4.1.1 滤波处理
4.1.2 小波降噪
4.2 肌电信号的时域分析
4.2.1 均值和峰值判断
4.2.2 偏度和峰度分析
4.2.3 其他无量纲指标
4.2.4 肌电信号的时域特征提取
4.3 肌电信号的频域分析
4.3.1 基于AR参数模型的参数提取
4.3.2 基于AR参数模型的功率谱估计
4.4 肌电信号的小波包提取
4.4.1 小波包原理
4.4.2 小波包用于肌电信号分析的可行性
4.4.3 小波包SEMG信号频带分解的具体步骤
4.4.4 肌电信号的小波包提取
4.5 本章小结
第5章 神经网络下的肌电信号模式识别
5.1 神经网络用于模式识别
5.1.1 神经网络的研究
5.1.2 神经网络用于肌电信号识别的可行性
5.1.3 肌电信号模式识别网络模型的选取
5.2 BP网络的原理及推广
5.2.1 BP网络结构
5.2.2 BP网络学习规则
5.3 肌电信号模式识别中BP网络模型的构建
5.3.1 输入和输出节点的选择
5.3.2 隐层数和隐层节点的选取
5.3.3 神经元激活函数的选取
5.3.4 初始权值的确定
5.3.5 学习效率的选取
5.3.6.数据归一化处理
5.4 基于网络的肌电信号模式识别
5.4.1 肌电信号模式分类的输入、输出矢量的确定
5.4.2 网络的训练与模式识别
5.5 本章小结
第6章 肌电信号的在线实时处理系统
6.1 系统设计要点
6.1.1 系统具有吸收新技术的能力
6.1.2 系统具有准确性和可靠性
6.1.3 系统具有完善的功能
6.2 系统组成及功能设计
6.3 硬件系统
6.3.1 采集系统
6.3.2 测试对象
6.4 软件实现
6.4.1 软件系统总体结构
6.4.2 系统的开发软件
6.5 软件界面及主要功能介绍
6.5.1 系统软件的用户主界面
6.5.2 信号采集模块
6.5.3 信号处理模块
6.5.4 模式识别模块
6.5.5 软件程序的部分代码
6.6 本章小结
第7章 结论与展望
7.1 结论
7.2 展望
参考文献
致谢