摘要
第1章绪论
1.1研究背景
1.2研究目的与意义
1.3国内外研究现状及发展趋势
1.4本文主要研究工作
1.5章节安排
第2章sEMG信号数据集和数据预处理
2.1引言
2.2数据收集
2.2.1研究对象
2.2.2 实验设备
2.2.3建立疲劳检测数据集
2.3小波变换
2.3.1离散小波变换
2.3.2可调Q-因子小波变换
2.4实验结果和评价
2.4.1特征选择
2.4.2评价标准和实验结果
2.5本章小结
第3章基于深度学习算法疲劳检测的研究
3.1引言
3.2神经网络框架
3.2.1 人工神经网络(ANN)
3.2.2 卷积神经网络(CNN)
3.2.3 循环神经网络(RNN)
3.2.4长短时记忆神经网络(LSTM)
3.2.5门控循环单元(GRU)
3.2.6反向传播以及随机梯度下降
3.2.7评价标准与实验结果
3.3多通道融合循环注意力网络MFRANet
3.3.1 GRU层
3.3.2注意力机制
3.3.3数据集划分
3.4信号融合方式
3.4.1信号源融合(MFRANet-SF)
3.4.2 GRU层融合(MFRANet-GF)
3.4.3 Attention层融合(MFRANet-AF)
3.5实验细节和评价标准
3.6实验结果与分析
3.7本章小结
第4章Teacher-Student网络架构对MFRANet的优化
4.1引言
4.2 Teacher-Student网络架构
4.3网络优化
4.4实验与总结
4.4.1实验细节与评价标准
4.4.2实验结果
4.5对比分析
4.6本章小结
结论
参考文献
致谢
攻读硕士学位期间发表的学术论文及参加的科研项目
声明
黑龙江大学;