搜索
高级检索
高级搜索
书       名 :
著       者 :
出  版  社 :
I  S  B  N:
文献来源:
出版时间 :
表面肌电信号手势识别研究
0.00     定价 ¥ 69.80
图书来源: 浙江图书馆(由浙江新华配书)
此书还可采购25本,持证读者免费借回家
  • 配送范围:
    浙江省内
  • ISBN:
    9787121463266
  • 作      者:
    作者:王铮//刘洪海//王万良|责编:路越
  • 出 版 社 :
    电子工业出版社
  • 出版日期:
    2023-08-01
收藏
内容介绍
表面肌电信号作为一种生物电信号,能够反映功能性肌肉收缩的电活动,具有检测方便、无创伤等特点,可以用于仿生假肢控制等功能,提升仿生设备的便捷性、经济性、可穿戴性及智能化程度。本书研究表面肌电信号采集通道与特征多目标智能优化算法,特别是还研究基于深度学习的表面肌电信号手势识别算法。为了弥补表面肌电信号的不足,本书会进一步研究肌电与超声波模态融合的残疾人手部动作意图识别等关键问题,以提升手势识别的准确度和鲁棒性。 本书可供计算机、控制、机电、生物工程等领域的教学、科研人员阅读,也可作为相关专业研究生的教材和教学参考书。
展开
目录
第1章 绪论
1.1 研究背景与意义
1.2 智能假肢控制与识别研究存在的主要问题
1.2.1 表面肌电信号采集通道数量与位置分布需要优化
1.2.2 深层肌肉活动信号采集不足
1.2.3 已有算法识别的手势数量少、鲁棒性差
1.2.4 电极移位和串扰对信号采集影响较大
1.3 本书主要研究内容和主要章节安排
1.3.1 本书主要研究内容
1.3.2 本书主要章节安排
第2章 基于肌电信号与超声波的手势识别研究进展
2.1 基于表面肌电信号的手势识别研究进展
2.1.1 表面肌电信号的特征提取
2.1.2 基于传统识别算法的表面肌电信号识别
2.1.3 基于深度学习的表面肌电信号识别
2.1.4 表面肌电信号识别稳定性方法研究
2.2 利用超声波探测肌肉形变及其感知解码的研究现状
2.3 基于多模态融合的动作意图识别的研究现状
2.3.1 肌电信号与超声波模态融合
2.3.2 肌电信号与脑电信号融合
2.3.3 肌电信号与惯性测量单元融合
2.3.4 肌电信号与近红外融合
2.3.5 肌电信号与肌动图融合
2.3.6 肌电信号与铁磁共振融合
2.4 基于肌电信号的假肢人机接口系统开发
2.5 本章小结
第3章 表面肌电信号产生的机理分析与检测
3.1 引言
3.2 表面肌电信号的生理学机理
3.3 表面肌电信号的特点
3.4 前臂肌肉与手势的关系
3.5 表面肌电信号的数据采集
3.5.1 表面肌电信号采集电极的研制现状
3.5.2 ELONXI肌电采集系统
3.5.3 表面肌电信号电极设计
3.5.4 表面肌电信号实验方案设计
3.6 表面肌电信号的实验数据集
3.6.1 NinaproDB数据集
3.6.2 ELONXIDB数据集
3.7 表面肌电信号的数学模型
3.7.1 表面肌电信号产生机理的数学抽象
3.7.2 线性模型
3.7.3 集中参数模型
3.7.4 非稳态模型
3.7.5 双极型模型
3.8 本章小结
第4章 表面肌电信号的特征提取与识别方法
4.1 引言
4.2 表面肌电信号的窗口分析法
4.3 表面肌电信号的特征提取
4.3.1 时域特征
4.3.2 频域特征
4.3.3 时频域特征
4.3.4 参数模型特征
4.4 表面肌电信号的经典识别模型
4.4.1 K最近邻算法
4.4.2 线性判别分析
4.4.3 支持向量机
4.4.4 随机森林
4.5 本章小结
第5章 表面肌电信号采集通道与特征智能优化算法
5.1 引言
5.2 基于遗传算法的表面肌电信号采集通道优化
5.2.1 表面肌电信号采集通道优化的遗传算法
5.2.2 基于遗传算法的采集通道优化实验结果与分析
5.2.3 电极位置影响的实验结果与分析
5.3 基于进化算法的表面肌电信号采集通道与特征组合优化
5.3.1 表面肌电信号采集通道与特征组合优化的差分进化算法
5.3.2 表面肌电信号采集通道与特征组合优化的量子进化算法
5.4 基于群智能算法的表面肌电信号采集通道与特征组合优化
5.4.1 表面肌电信号采集通道与特征组合优化的粒子群优化算法
5.4.2 表面肌电信号采集通道与特征组合优化的量子粒子群优化算法
5.4.3 表面肌电信号采集通道与特征组合优化的蚁群优化算法
5.5 表面肌电信号采集通道与特征智能优化算法实验分析
5.5.1 表面肌电信号采集通道与特征组合优化的单一算法实验与分析
5.5.2 表面肌电信号采集通道与特征组合优化的多种智能算法对比分析
5.6 本章小结
第6章 表面肌电信号采集通道与特征多目标智能优化算法
6.1 引言
6.2 表面肌电信号采集通道与特征多目标优化问题建模
6.3 多目标优化问题差分进化求解方法
6.3.1 多目标优化问题转换为一组单目标优化问题
6.3.2 多目标优化问题差分进化求解方法详叙
6.4 基于全局综合排序自适应角度选择的多目标优化进化算法
6.5 MOEA/D-AAU-GGR算法实验分析
6.6 MOEA/D、MOEA/D-AU与MOEA/D-AAU-GGR实验对比分析
6.7 多目标优化算法的评价与有效性验证
6.7.1 多目标优化算法的评价
6.7.2 有效性验证
6.8 基于肌电通道与特征优化的机器人识别系统
6.8.1 系统平台与架构
6.8.2 系统软件功能与实现
6.8.3 现场实验与结果分析
6.9 本章小结
第7章 基于深度学习的表面肌电信号手势识别
7.1 引言
7.2 循环神经网络与长短期记忆神经网络
7.2.1 循环神经网络
7.2.2 长短期记忆神经网络
7.3 基于GAF的一维时间序列信号二维化
7.4 基于GAF的CNN-LSTM串并联网络结构的表面肌电信号手势识别
7.5 基于GAF的CapsNet的表面肌电信号手势识别
7.5.1 CapsNet的结构
7.5.2 基于CNN-CapsNet并联的表面肌电信号手势识别实验设计
7.5.3 采集臂套偏移鲁棒性实验及其结果分析
7.5.4 基于CapsNet的表面肌电信号手势识别的迁移性实验及其结果分析
7.6 基于CapsNet-
展开
加入书架成功!
收藏图书成功!
我知道了(3)
发表书评
读者登录

请选择您读者所在的图书馆

选择图书馆
浙江图书馆
点击获取验证码
登录
没有读者证?在线办证