肌电信号是多自由度人工假肢的理想控制信号,因此对肌电假手的研究近年来成为生物医学工程及机器人领域的研究热点。本课题研制了一种新型的肌电信号控制假手,并通过肌电信号识别、分类实现对人手大拇指、食指和中指弯曲运动的识别。此外,通过对不同种类电极信号进行的分析,本文对双通道肌电信号的特征识别方法进行了探讨。本文以上一代残疾人假手机构为基础,借鉴了最新的假手机构方案,模仿人手的运动方式,设计了新一代的假手机构。通过运动仿真,验证了假手手指的运动方式以及假手整体的抓取能力。自回归(AR)参数模型是传统的肌电信号时域分析方法。本文采用AR参数模型对双通道肌电信号进行处理,通过最小二乘参数估计的递推算法求取肌电信号的特征值,建立了肌电信号的特征矢量。为确定AR参数模型阶数,采用不同的准则函数进行比较分析,最终确定AR参数模型的最佳阶数为4阶。通过Otto Bock电极采集肌电信号进行实验,实验结果表明,AR参数模型可以获得较好的肌电信号识别效果。本文提出了短时傅立叶变换(STFT)和奇异值分解相结合的肌电信号线性时频分析方法。由B&L电极采集的双通道肌电信号STFT频谱图证明大拇指、食指和中指的STFT频谱有较大区别。选择汉明窗作为窗函数,通过对STFT频谱矩阵的奇异值分解获得了具有较好分辨能力的肌电信号特征矢量。通过对AR参数模型和STFT及奇异值分解两种方法的对比,发现STFT具有更好的复杂信号识别能力;AR参数模型则算法更简单,具有较小的运算量,更适合在DSP内独立完成肌电信号的特征识别。本文最后在TI公司的TMS320F2812型DSP内完成了基于AR参数模型的双通道肌电信号的识别和分类。通过RS232串口和MSComm控件搭建了肌电信号的软件实验平台。最终,在假手系统上完成了肌电信号识别控制实验。两种实验均取得了较好的肌电信号识别成功率。