面向手势识别的表面肌电信号分类算法研究

目录

声明

第一章 绪 论

1.1 研究的背景与意义

1.2 研究现状与发展趋势

1.2.1 基于模式识别的方法

1.2.2 基于深度学习的方法

1.2.3 目前面临的问题

1.3主要的研究内容与贡献

1.4论文组织结构

第二章 表面肌电信号的研究基础与采集过程

2.1表面肌电信号的生理学原理

2.2表面肌电信号的特性与数学模型

2.3前臂肌肉与手部动作的关系

2.4表面肌电信号的采集

2.4.1 肌电信号采集设备

2.4.2 手势选取与数据采集

2.5本章小结

第三章 表面肌电信号的特征提取与分类方法

3.1表面肌电信号的窗口分析法

3.2表面肌电信号的特征提取方法

3.3 表面肌电信号分类方法

（1）K最近邻算法

（2）线性判别分析

（3）支持向量机

（4）随机森林（Random Forest）

3.4 基于表面肌电信号的深度学习理论基础

（1） 卷积神经网络

（2） 长短时间记忆机

3.5 本章小结

第四章 基于深度学习肌电分类模型的设计与验证

4.1 模型结构

4.1.1 基于时空特征的双流网络模型

4.1.2 CNN-LSTMs 串行网络模型

4.1.3 多特征融合网络模型

4.2 实验对比

4.2.1 三种模型的实验对比

4.2.2 双流网络模型与传统方法的对比

4.2.3 基于双流网络模型的机械臂控制

4.3 本章小结

第五章 基于时空特征的双流网络模型的实验研究

5.1 NinaPro DB1数据集

5.2 实验与分析

5.2.1手势数目的实验对比与分析

5.2.2 训练集数据量的实验对比与分析

5.2.3 LSMT 隐藏层单元数量的实验分析

5.2.4 双流网络模型与其它模型的对比

5.2.5 时空特征的可视化对比分析

5.3 本章小结

第六章 总结与展望

6.1 总结

6.2 展望

参考文献

致 谢

作者简介

1 作者简历

2 攻读硕士学位期间发表的学术论文

学位论文数据集