表面肌电信号(surface electromyogram，简称SEMG)是一种复杂的表皮下肌肉电活动在皮肤表面处的时间和空间上的综合结果，它的检测分析及识别对临床诊断及康复医学、运动医学等领域具有重要意义；虚拟仪器(VirtualInstruments，简称VI)是仪器技术和现代计算机技术相结合的革命性产物，它从根本上更新了仪器的概念，代表今后仪器仪表的发展方向。 本论文利用虚拟仪器技术构建了表面肌电信号检测平台并用LabVIEW进行信号处理，包括表面肌电信号的采集显示和存储、统计分析、频域分析、特征提取及识别，并通过实验验证了表面肌电信号的多重分形特性，得出了广义维数可以作为表面肌电信号的一个特征来进行动作识别的结论。整个系统比较完善，经过扩展也可以适合各种生理数据的采集和处理，是未来生理仪器开发的方向。 本课题的主要工作是系统软件部分的开发以及多重分形算法的研究。系统软件部分的关键是非NI数据采集卡驱动程序的编写和有顶向下系统的合成；分形谱的计算中，本文采用关联积分算法来求取EMG的广义维数，并针对无标度区识别问题，综合利用具体采样的时间序列和拟合点数等信息，来确定分形无标度区。实验表明，该方法能够很好地识别线性无标度区，且区间内曲线的线性度较好。 基于虚拟仪器的表面肌电信号采集分析系统，部分学者已过相关的研究，功能比较单一，只包括采集和简单的分析。本课题的创新点是将表面肌电信号的特征提取和模式识别部分加入了该系统，扩展了系统的功能；另外本文提出采用多重分形来分析表面肌电信号，结合灰色关联度对四种前臂动作进行分类识别，取得了较好的识别效果；并通过实验表明AR模型系数和灰色关联相结合的方法可以有效地从一个通道信息来识别四个动作模式，为肌电信号的分析识别提供了一个新的思路。