手是人体重要的功能与运动性器官。由于各种意外导致的上肢运动功能障碍和肢体残缺给患者带来较大的生理和心理伤害，并严重影响患者的日常生活。因此，安装假肢成为帮助他们恢复手部功能的有效途径。在当前的假肢应用中尤其以肌电假肢的应用最广泛，其表现为控制直感性强、使用方便。但是，在当前的肌电假肢手中，手势动作执行始终无法达到理想的过程识别效果，如何改善肌电假肢手不同时相段的手势动作识别是当前生物医学工程的研究热点。肌电假肢控制主要包括获取肌电信号、特征提取、模式识别、动作执行等环节，其中，手势识别效果很大程度上取决于模式识别环节中训练集样本的构建方式。因此，本文提出了一种基于表面肌电信号训练集样本权重优化的手势动作识别策略，用以改善手势动作的识别效果，以适应假肢手灵巧控制的发展需求。　　手势动作完成的整个过程可以分解为不同时相的多个独立手势，而相邻时相段的手势动作具有相似的姿态以及运动轨迹。因此，本文首先研究影响相似手势动作识别的主要因素，设计了2组相似手势（抓握组和捏取组）的识别实验，用来分析表面肌电的训练集样本在特征空间中构建方式的改变对相似手势识别结果的影响。首先，采集7名受试者执行手势动作的表面肌电数据，特征提取后调整手势动作间的训练集样本权重比例，并输入到分类器中进行判别。此外，本文研究了影响手势动作不同速度状态识别的主要因素。采集了5名受试者在3个不同速度下执行握拳、捏指动作的表面肌电信号和手指三维空间坐标。接着提取表面肌电信号的均方根（RMS）、绝对幅值（WAV）、斜率符号变化（SSC）、和过零率（ZC）等时域特征，并计算手指运动角速度。随后，利用回归分析确定与角速度呈显著线性相关的肌电特征值，并利用得到的特征值构建训练集特征空间。最后，动态改变手势动作3种速度间的训练集样本权重并输入到分类器中进行识别。结果表明：相比于传统的平均分配样本比例的方式，手势动作不同速度状态下的肌电训练集样本间不均的权重分配策略，可以有效提高对手势动作速度状态的识别率。　　最后，本文设计了基于表面肌电的虚拟手识别与控制系统，用于手势动作执行过程中不同时相识别的功能验证和效果演示。将离线阶段得到的手势动作3个时相—起始段（S）、中间段（M）和结束段（E）进行权重调整，并利用离线过程中权重调整后的样本集构建好分类器，并应用于在线测试环节。结果显示，3种手势动作中间时相段平均识别率达到86.8％，而对起始时相段和结束时相的识别结果偏低，分别为60%和57.4%，并且虚拟假肢手控制满足实时性的要求。　　本课题提出并初步验证了一种表面肌电训练集样本权重非平均分配的策略，可以有效改善手势动作识别中相似手势间、不同速度间以及不同时相间的识别效果，为后续肌电假肢手灵巧控制提供新的思路。