基于sEMG的肌肉疲劳检测方法的研究

目录

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