幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

表面肌電信號手勢識別研究

  • 作者：王錚//劉洪海//王萬良|責編:路越
  • 出版社：電子工業
  • ISBN：9787121463266
  • 出版日期：2023/08/01
  • 裝幀：平裝
  • 頁數：201
人民幣：RMB 69.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    表面肌電信號作為一種生物電信號，能夠反映功能性肌肉收縮的電活動，具有檢測方便、無創傷等特點，可以用於仿生假肢控制等功能，提升仿生設備的便捷性、經濟性、可穿戴性及智能化程度。本書研究表面肌電信號採集通道與特徵多目標智能優化演算法，特別是還研究基於深度學習的表面肌電信號手勢識別演算法。為了彌補表面肌電信號的不足，本書會進一步研究肌電與超聲波模態融合的殘疾人手部動作意圖識別等關鍵問題，以提升手勢識別的準確度和魯棒性。
    本書可供電腦、控制、機電、生物工程等領域的教學、科研人員閱讀，也可作為相關專業研究生的教材和教學參考書。
作者介紹
王錚//劉洪海//王萬良|責編:路越
目錄
第1章  緒論
  1.1  研究背景與意義
  1.2  智能假肢控制與識別研究存在的主要問題
    1.2.1  表面肌電信號採集通道數量與位置分佈需要優化
    1.2.2  深層肌肉活動信號採集不足
    1.2.3  已有演算法識別的手勢數量少、魯棒性差
    1.2.4  電極移位和串擾對信號採集影響較大
  1.3  本書主要研究內容和主要章節安排
    1.3.1  本書主要研究內容
    1.3.2  本書主要章節安排
第2章  基於肌電信號與超聲波的手勢識別研究進展
  2.1  基於表面肌電信號的手勢識別研究進展
    2.1.1  表面肌電信號的特徵提取
    2.1.2  基於傳統識別演算法的表面肌電信號識別
    2.1.3  基於深度學習的表面肌電信號識別
    2.1.4  表面肌電信號識別穩定性方法研究
  2.2  利用超聲波探測肌肉形變及其感知解碼的研究現狀
  2.3  基於多模態融合的動作意圖識別的研究現狀
    2.3.1  肌電信號與超聲波模態融合
    2.3.2  肌電信號與腦電信號融合
    2.3.3  肌電信號與慣性測量單元融合
    2.3.4  肌電信號與近紅外融合
    2.3.5  肌電信號與肌動圖融合
    2.3.6  肌電信號與鐵磁共振融合
  2.4  基於肌電信號的假肢人機介面系統開發
  2.5  本章小結
第3章  表面肌電信號產生的機理分析與檢測
  3.1  引言
  3.2  表面肌電信號的生理學機理
  3.3  表面肌電信號的特點
  3.4  前臂肌肉與手勢的關係
  3.5  表面肌電信號的數據採集
    3.5.1  表面肌電信號採集電極的研製現狀
    3.5.2  ELONXI肌電採集系統
    3.5.3  表面肌電信號電極設計
    3.5.4  表面肌電信號實驗方案設計
  3.6  表面肌電信號的實驗數據集
    3.6.1  NinaproDB數據集
    3.6.2  ELONXIDB數據集
  3.7  表面肌電信號的數學模型
    3.7.1  表面肌電信號產生機理的數學抽象
    3.7.2  線性模型
    3.7.3  集中參數模型
    3.7.4  非穩態模型
    3.7.5  雙極型模型
  3.8  本章小結
第4章  表面肌電信號的特徵提取與識別方法
  4.1  引言
  4.2  表面肌電信號的窗口分析法
  4.3  表面肌電信號的特徵提取

    4.3.1  時域特徵
    4.3.2  頻域特徵
    4.3.3  時頻域特徵
    4.3.4  參數模型特徵
  4.4  表面肌電信號的經典識別模型
    4.4.1  K最近鄰演算法
    4.4.2  線性判別分析
    4.4.3  支持向量機
    4.4.4  隨機森林
  4.5  本章小結
第5章  表面肌電信號採集通道與特徵智能優化演算法
  5.1  引言
  5.2  基於遺傳演算法的表面肌電信號採集通道優化
    5.2.1  表面肌電信號採集通道優化的遺傳演算法
    5.2.2  基於遺傳演算法的採集通道優化實驗結果與分析
    5.2.3  電極位置影響的實驗結果與分析
  5.3  基於進化演算法的表面肌電信號採集通道與特徵組合優化
    5.3.1  表面肌電信號採集通道與特徵組合優化的差分進化演算法
    5.3.2  表面肌電信號採集通道與特徵組合優化的量子進化演算法
  5.4  基於群智能演算法的表面肌電信號採集通道與特徵組合優化
    5.4.1  表面肌電信號採集通道與特徵組合優化的粒子群優化演算法
    5.4.2  表面肌電信號採集通道與特徵組合優化的量子粒子群優化演算法
    5.4.3  表面肌電信號採集通道與特徵組合優化的蟻群優化演算法
  5.5  表面肌電信號採集通道與特徵智能優化演算法實驗分析
    5.5.1  表面肌電信號採集通道與特徵組合優化的單一演算法實驗與分析
    5.5.2  表面肌電信號採集通道與特徵組合優化的多種智能演算法對比分析
  5.6  本章小結
第6章  表面肌電信號採集通道與特徵多目標智能優化演算法
  6.1  引言
  6.2  表面肌電信號採集通道與特徵多目標優化問題建模
  6.3  多目標優化問題差分進化求解方法
    6.3.1  多目標優化問題轉換為一組單目標優化問題
    6.3.2  多目標優化問題差分進化求解方法詳敘
  6.4  基於全局綜合排序自適應角度選擇的多目標優化進化演算法
  6.5  MOEA/D-AAU-GGR演算法實驗分析
  6.6  MOEA/D、MOEA/D-AU與MOEA/D-AAU-GGR實驗對比分析
  6.7  多目標優化演算法的評價與有效性驗證
    6.7.1  多目標優化演算法的評價
    6.7.2  有效性驗證
  6.8  基於肌電通道與特徵優化的機器人識別系統
    6.8.1  系統平台與架構
    6.8.2  系統軟體功能與實現
    6.8.3  現場實驗與結果分析
  6.9  本章小結
第7章  基於深度學習的表面肌電信號手勢識別
  7.1  引言
  7.2  循環神經網路與長短期記憶神經網路
    7.2.1  循環神經網路
    7.2.2  長短期記憶神經網路
  7.3  基於GAF的一維時間序列信號二維化

  7.4  基於GAF的CNN-LSTM串並聯網路結構的表面肌電信號手勢識別
  7.5  基於GAF的CapsNet的表面肌電信號手勢識別
    7.5.1  CapsNet的結構
    7.5.2  基於CNN-CapsNet並聯的表面肌電信號手勢識別實驗設計
    7.5.3  採集臂套偏移魯棒性實驗及其結果分析
    7.5.4  基於CapsNet的表面肌電信號手勢識別的遷移性實驗及其結果分析
  7.6  基於CapsNet-GRU的表面肌電信號手勢識別
    7.6.1  CapsNet-GRU複合神經網路模型
    7.6.2  優化演算法與損失函數
    7.6.3  離線實驗設置
    7.6.4  離線實驗結果與分析
  7.7  基於雙流網路的表面肌電信號手勢識別
    7.7.1  基於時空特徵的雙流網路模型
    7.7.2  CNN-LSTMs串列網路模型
    7.7.3  多特徵融合網路模型
    7.7.4  三種模型的實驗對比
    7.7.5  基於時空特徵的雙流網路模型與傳統方法的對比
  7.8  基於深度學習的表面肌電信號手勢識別實驗研究
    7.8.1  不同手勢數量的實驗對比與分析
    7.8.2  不同訓練集規模的實驗對比與分析
    7.8.3  不同LSMT神經網路隱藏層單元數量的實驗對比與分析
    7.8.4  時空特徵的可視化實驗對比與分析
  7.9  基於雙流網路模型的機械臂控制
  7.10  本章小結
第8章  肌電與超聲波模態融合的殘疾人手部動作意圖識別
  8.1  引言
  8.2  肌電與超聲波模態融合的手勢識別實驗設計
    8.2.1  sEMG/AUS實驗數據採集
    8.2.2  混合sEMG/AUS系統同步採集
    8.2.3  sEMG/AUS手勢識別實驗設計
    8.2.4  AUS信號實驗數據預處理與特徵提取
  8.3  基於CNN-LSTM的肌電與超聲波模態融合手勢識別
    8.3.1  基於CNN的超聲波信號手勢識別
    8.3.2  肌電與超聲波模態融合的神經網路結構
    8.3.3  肌電與超聲波模態融合的手勢識別實驗
    8.3.4  CNN-LSTM與SVM的識別準確度比較
  8.4  橈骨截肢患者手部動作意圖識別交叉驗證分析
    8.4.1  比較sEMG和AUS信號性能的三種交叉驗證實驗
    8.4.2  三種交叉驗證的識別準確度分析
    8.4.3  sEMG和AUS信號對每種動作意圖識別的準確度分析
    8.4.4  sEMG和AUS信號三種交叉驗證的混淆矩陣分析
  8.5  基於超聲波和肌電的殘疾人手勢識別對比與難點分析
    8.5.1  準確度和魯棒性分析
    8.5.2  基於AUS信號手勢識別的難點分析
  8.6  本章小結
第9章  基於sEMG的在線手勢識別與抓取實驗平台的開發
  9.1  引言
  9.2  在線手勢識別與抓取實驗平台
    9.2.1  人機交互界面的開發
    9.2.2  Baxter機器人的簡介

  9.3  在線手勢識別與抓取實驗
    9.3.1  實驗方案設計
    9.3.2  評價指標設定
    9.3.3  在線實驗結果與分析
  9.4  本章小結
第10章  總結與展望
  10.1  總結
  10.2  展望
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032