声明
摘要
第1章 绪论
1.1 研究背景及意义
1.2 基于上肢康复训练机器人自主康复训练的研究
1.2.1 上肢康复训练机器人研究进展
1.2.2 基于动作追踪的康复训练机器人控制
1.2.3 康复模式
1.3 基于sEMG信号的康复训练机器人控制
1.3.1 sEMG信号作为控制源的产生
1.3.2 基于sEMG信号模式识别的肌电控制
1.3.3 表面肌电信号模式识别关键技术
1.4 研究问题及技术路线
1.5 研究目标及内容
1.5.1 研究目标
1.5.2 内容及组织安排
第2章 基于sEMG信号的机器人辅助上肢自主引导康复方案
2.1 自主训练方式下的上肢运动康复方案
2.1.1 神经系统可塑性原理
2.1.2 运动再学习方法
2.1.3 康复方案
2.2 上肢主要动作模式
2.2.1 上肢解剖学结构与肌肉分布
2.2.2 上肢动作模式与相关肌肉
2.3 上肢动作模式相关的sEMG信号
2.3.1 上肢动作模式相关肌肉与多通道sEMG信号分析
2.3.2 sEMG信号采集
2.4 基于sEMG信号的动作模式识别
2.4.1 sEMG信号与上肢动作模式的关系与规律
2.4.2 基于sEMG信号的动作模式识别方法
2.5 本章小结
第3章 sEMG信号多阶联合特征空间构造
3.1 上肢sEMG信号非高斯性判定
3.2 特征空间构造方案
3.3 高阶统计量与双谱理论
3.4 双谱特征
3.4.1 双谱矩阵的估计
3.4.2 双谱特征提取
3.4.3 双谱特征空间降维
3.5 联合特征空间构造
3.6 特征空间有效性评价
3.7 本章小结
第4章 基于ReliefF的sEMG信号通道约简
4.1 通道可约简性分析
4.1.1 信号通道相关性分析
4.1.2 特征空间分布
4.2 基于ReliefF的通道约简
4.2.1 通道约简方案
4.2.2 Relief简介
4.2.3 基于ReliefF的sEMG信号通道有效性判定
4.2.4 特征可分性分析
4.3 通道约简结果
4.4 通道约简结果评价
4.4.1 通道约简对分类精度的影响
4.4.2 通道约简对分类速度的影响
4.5 本章小结
第5章 TS-SVM多类分类策略及上肢动作分类
5.1 SVM原理
5.1.1 两类SVM分类
5.1.2 多类SVM分类
5.1.3 OVO-SVM用于上肢动作分类的局限性
5.2 TS-SVM多类分类策略
5.2.1 多步SVM分类策略
5.2.2 TS-SVM上肢动作分类策略
5.3 TS-SVM上肢动作分类
5.3.1 样本设置
5.3.2 分类器设置
5.3.3 动作分类过程
5.4 TS-SVM分类结果评价
5.4.1 分类器数量与分类决策次数
5.4.2 分类准确率
5.4.3 分类器训练时间
5.4.4 模式分类时间
5.5 本章小结
第6章 面向ADL能力的虚拟现实上肢康复训练环境
6.1 ADL康复需求与康复训练策略
6.1.1 康复需求
6.1.2 训练策略
6.1.3 训练模式
6.2 康复训练环境总体框架
6.2.1 组成及工作原理
6.2.2 康复训练机器人系统
6.2.3 虚拟现实系统及任务场景
6.3 康复训练软件
6.3.1 功能模块
6.3.2 通讯与交互设计
6.4 康复训练环境运行测试
6.5 本章小结
总结与展望
参考文献
攻读博士学位期间发表的论文及参与课题
致谢
外文论文