基于人体表面肌电信号的手写识别系统设计与实现任务书

2020-08-07 21:04:40

1. 毕业设计（论文）主要内容：

本文主要研究基于表面肌电信号的手写识别系统。

在深入研究表面肌电信号的特征提取和模式分类识别技术的基础上，设计出一套基于表面肌电信号的手写识别系统，实现手写数字0-9的在线识别。

论文阐述系统的整体设计方案，通过matlab离线验证所选特征提取和模式识别算法的可行性，最后在vs系统中编程实现手写数字0-9的在线识别。

剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

2. 毕业设计（论文）主要任务及要求

（1）查阅相关文献资料15篇以上（其中近5年的外文文献不少于3篇）。

（2）完成开题报告。

（3）研究表面肌电信号的特征提取和模式识别方法，设计出一套基于表面肌电信号的手写识别系统，利用Matlab对所选取的算法进行可行性验证，并在VS系统中编程实现手写数字0-9的在线识别。

（4）完成不少于15000字的论文的撰写并完成答辩的相关工作。

（5）正文应包含不少于12幅图（包括：电路原理图、流程图、结构框图、程序框图等）。

（6）完成毕业设计周志。

（7）完成不低于5000汉字（20000英文印刷符）的教师指定的相关文献的英译汉翻译。

3. 毕业设计（论文）完成任务的计划与安排

（1）第1－3周：查阅相关文献资料，明确研究内容，了解研究所需理论基础。

确定方案，完成开题报告。

（2）第4－5周：了解表面肌电信号的采集与处理方法，完成英文资料的翻译，熟悉开发环境。

剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

4. 主要参考文献

1. 袁婷婷. 表面肌电信号处理和模式识别方法研究[D]. 武汉理工大学, 2012

2. 黄淦. 生物表面电信号建模、分析及其在人机交互中的应用[D]. 上海交通大学, 2013

3. Li C, Ma Z, Yao L, et al. Improvements on EMG-based handwriting recognition with DTW algorithm[J]. 2013, 2013:2144-2147.

4. Xing K, Yang P, Huang J, et al. A real-time EMG pattern recognition method for virtual myoelectric hand control [J]. Neurocomputing, 2014, 136: 345-355.

5. Okorokova E, Lebedev M, Linderman M, et al. A dynamical model improves reconstruction of handwriting from multichannel electromyographic recordings[J]. Frontiers in Neuroscience, 2015, 9.

剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付

注册

找回密码