论文目录 | |
摘要 | 第1-5页 |
ABSTRACT | 第5-7页 |
第一章 绪论 | 第11-25页 |
1.1 研究的背景和意义 | 第11-12页 |
1.2 可穿戴外骨骼机器人国内外研究现状 | 第12-22页 |
1.2.1 士兵可穿戴外骨骼机器人国内外研究现状 | 第12-17页 |
1.2.2 航天机器人辅助技术国内外现状 | 第17-18页 |
1.2.3 康复外骨骼机器人技术国内外研究现状分析 | 第18-22页 |
1.3 人体运动意图感知技术研究的国内外现状分析 | 第22页 |
1.4 论文研究内容及结构 | 第22-25页 |
1.4.1 论文研究内容 | 第22-23页 |
1.4.2 论文结构 | 第23-25页 |
第二章 人体下肢典型动作分析及其多源感知策略研究 | 第25-37页 |
2.1 人体下肢骨肌生物力学分析 | 第25-30页 |
2.1.1 人体下肢骨骼简介 | 第25-27页 |
2.1.2 人体下肢关节 | 第27页 |
2.1.3 人体下肢肌肉系统 | 第27-29页 |
2.1.4 飞行过程中的人体生物力学分析 | 第29-30页 |
2.2 人体下肢运动分析 | 第30-31页 |
2.3 人体下肢典型运动模式 | 第31-32页 |
2.4 航天员典型运动模式分析 | 第32-35页 |
2.4.1 航天员舱外活动 | 第32-33页 |
2.4.2 航天员舱内活动 | 第33-35页 |
2.5 人体下肢运动意图多源感知策略 | 第35-36页 |
2.6 本章小结 | 第36-37页 |
第三章 人体下肢运动意图的脑电预先感知方法研究 | 第37-55页 |
3.1 脑电信号概述 | 第37-39页 |
3.1.1 脑电信号的产生 | 第37-38页 |
3.1.2 脑电信号的分类 | 第38-39页 |
3.2 利用脑电信号进行人体运动意图预判的可行性分析 | 第39-40页 |
3.3 BCI技术原理 | 第40页 |
3.4 人体下肢运动意图的脑电信号采集与预处理 | 第40-44页 |
3.4.1 脑电信号的采集 | 第40-43页 |
3.4.2 脑电信号的降噪预处理 | 第43-44页 |
3.5 小波变换的脑电信号特征提取 | 第44-49页 |
3.5.1 小波变换原理 | 第44-45页 |
3.5.2 小波基的选择 | 第45-46页 |
3.5.3 小波变换的频率分析 | 第46-47页 |
3.5.4 小波变换的能量值表征 | 第47页 |
3.5.5 脑电信号小波特征构建 | 第47-49页 |
3.6 支持向量机模式识别方法研究 | 第49-50页 |
3.7 基于最小二乘支持向量机的运动想象脑电信号分类方法 | 第50-54页 |
3.7.1 LS-SVM算法分析 | 第50-52页 |
3.7.2 LS-SVM的参数选择 | 第52-53页 |
3.7.3 人体下肢运动想象脑电信号分类分析 | 第51-54页 |
3.8 本章小结 | 第54-55页 |
第四章 人体下肢运动意图的肌电精细感知方法研究 | 第55-75页 |
4.1 肌电精细感知方法概述 | 第55-57页 |
4.1.1 表面肌电信号的产生模型 | 第55-56页 |
4.1.2 肌电精细感知方法的可行性分析 | 第56-57页 |
4.2 SEMG测试点的选取及采集 | 第57-62页 |
4.2.1 作用于六种运动模式的腿部主要肌肉分析 | 第57-58页 |
4.2.2 SEMG测试点的确定 | 第58-60页 |
4.2.3 肌电精细感知系统的搭建 | 第60-62页 |
4.3 基于MALLAT小波分解与PCA的 SEMG特征表征方法研究 | 第62-70页 |
4.3.1 SEMG信号的小波消噪预处理方法 | 第62-65页 |
4.3.2 基于MALLAT小波分解的SEMG特征提取 | 第65-68页 |
4.3.3 基于PCA的 SEMG特征降维 | 第68-70页 |
4.4 人体下肢多动作表面肌电信号的模式分类研究 | 第70-73页 |
4.5 本章小结 | 第73-75页 |
第五章 人体下肢运动意图的光纤形变感知方法研究 | 第75-87页 |
5.1 人体下肢运动步态分析 | 第75-78页 |
5.1.1 步态周期分析 | 第75-76页 |
5.1.2 人体下肢典型运动测量分析 | 第76-78页 |
5.2 人体下肢光纤形变感知系统的工作原理 | 第78-80页 |
5.2.1 光纤感知器设计 | 第78-79页 |
5.2.2 光纤出射端光强分布分析 | 第79-80页 |
5.3 人体下肢运动的光纤数据采集 | 第80-83页 |
5.4 基于分形理论的特征提取方法 | 第83-85页 |
5.5 基于支持向量机的模式识别方法 | 第85-86页 |
5.6 本章小结 | 第86-87页 |
第六章 脑肌多源精密感知系统构建及其信息融合方法研究 | 第87-99页 |
6.1 信息融合的方式 | 第87-89页 |
6.2 人体下肢运动意图多源感知系统的构建及融合方法 | 第89-91页 |
6.3 基于脑电、肌电和光纤的人体下肢运动意图信息融合方法 | 第91-98页 |
6.3.1 脑电预先感知系统与光纤形变感知系统的融合方法 | 第91-93页 |
6.3.2 基于D-S论证的脑肌多源信息融合 | 第93-97页 |
6.3.3 人体下肢运动意图的脑电、肌电与光纤多源感知信息融合方法 | 第97-98页 |
6.4 本章小结 | 第98-99页 |
第七章 结论与展望 | 第99-103页 |
7.1 总结 | 第99-100页 |
7.2 创新点 | 第100-101页 |
7.3 展望 | 第101-103页 |
参考文献 | 第103-113页 |
发表学术论文和参加科研情况说明 | 第113-115页 |
致谢 | 第115-116页 |