人工智能是引领世界未来、改变全球格局的战略技术,人工智能的迅猛发展迫切需要人工智能教育的及时跟进。开展人工智能教育既是培养新时代创新人才的方式,更是经济社会发展的战略需要。人工智能中有一个重要的子集称为模式识别,而手势识别作为模式识别的典型应用,已逐渐融入教育领域。针对中小学生的思维发展和认知水平还不够完善,一些复杂抽象的人工智能知识晦涩难懂,若采用直接讲授法来学习很难理解,本文研究基于s EMG(Surface Electromyography,表面肌电信号)手势识别的相关技术,将手势识别与中小学生人工智能教育融合在一起,结合中小学生的认知特点,以s EMG手势识别为切入点,将教育模式由传统的“说教式的灌输”转变为“体验式的学习”,设计了一个应用于人工智能教育的s EMG手势识别系统。本文的主要工作如下:(1)为了使sEMG中的有效信息被最大化利用,同时学生在使用此系统时能更好的对比s EMG预处理前后波形图的变化,本文设计FIR滤波器、巴特沃斯带通滤波器以及基于高斯混合模型的小波降噪法对s EMG中的噪声干扰进行滤除,并通过滤波前后信号的波形对比,证明了噪声被有效滤除且原始肌电信号特征被较好的保留。(2)为了提高手势识别的分类正确率,提升中小学生对此系统的使用体验感,本文对手势识别的分类方法进行了研究,首先采用四种经典的分类器对s EMG手势动作进行分类识别,通过实验结果对比,选择支持向量机(Support Vector Machines,SVM)作分类器。然后针对影响SVM分类器性能的两个关键参数进行优化,将SVM与鲸鱼优化算法(Whale Optimization Algorithm,WOA)相结合,设计WOA-SVM分类器对s EMG手势动作进行分类识别,并与常用的智能优化算法相对比。实验结果表明,本文设计的WOA-SVM分类器具有更高的分类正确率和更好的收敛性,不仅有效地提高了手势识别的分类正确率,而且能够在较少的迭代次数中选出最佳参数。(3)本文自主设计了一个应用于人工智能教育的s EMG手势识别系统,此系统将手势识别的每个步骤进行可视化处理便于学生理解,学生可根据交互界面的引导体验手势识别的实现过程,然后将复杂抽象的手势识别实现流程用一个具象化的事例进行讲解,有利于中小学生对其有更加深刻地理解,提高逻辑思维能力。最后为了验证使用此系统学习人工智能知识相较于传统学习方法的效果要好,而设计了相关的对比实验,并对实验结果进行分析,证明了使用此系统学习人工智能知识效果显著,有助于提高使用者的学习兴趣和动手实践能力。