表面肌电信号(Surface Electromyography，sEMG)是人体肌肉运动时从皮肤表面通过表面电极记录下来的关于神经肌肉活动的电生理信号，它反映了神经、肌肉的功能状态。由于sEMG信号的提取方便、快捷、无创伤测量等优点，在临床医学、运动医学、人机工效学、康复医学、神经生理学、电生理学等领域被广泛应用。随着康复工程、机械、电子学的发展，肌电假肢的研究也逐渐深入，向着更加智能化发展。　　 本论文首先简要介绍了肌电信号产生的生理学基础，以及当前sEMG信号的研究现状。然后介绍了所开发的sEMG信号采集平台，包括硬件和软件两个部分。硬件部分主要包括：电极、预调理电路、电源、采集卡、PC机等。软件部分是根据硬件采集卡的规格，采用VC++语言编写而成，实现了在PC机上控制采集卡完成sEMG信号的采集。　　 在噪声处理方面，由于信号在采集、传输和接受过程中都会引入较多的干扰，仅仅靠硬件调理是远不能够满足实验需求的。为了提高系统的性能，本论文将所采集的数据进行数字滤波，这里我们在Matlab中FDATOOL中自行设计了巴特沃斯带通滤波器进行软件滤波。接着利用频谱插值对工频干扰进行了处理，该方法能够降低传统的陷波对信号所造成缺失的影响。最后利用小波分析理论对采集得到的sEMG信号进行进一步的带内降噪。从处理前与处理后的信号时域图中可以看出，信号中的噪声得到了有效的抑制。　　 在特征提取方面，首先对信号活动段进行了检测，接着列举了当前对于sEMG信号特征提取方法，并对本论文所采取的特征提取方法，时域统计量、小波包分解以及AR参数模型法三类特征参数进行了较为详细的论述。　　 在模式分类方面，通过时域统计量、小波包分解以及AR参数模型分析方法所提取的特征向量，利用，概率神经网络(PNN)以及支持向量机(SVM)作为分类器进行动作模式判别。实验表明，所采用方法能够获得较高的识别率，同时，使用小波包分析方法提取的特征参数来进行模式分类所得到的识别效果要较其它两种方法的好。