本文主要研究了表面肌电信号的分类识别及其在数字信号处理器上的实际应用问题。本文首先对表面肌电信号的生理产生原理和机制进行分析和研究。然后对现有的多种表面肌电信号各种研究及应用加以了解和认识。并对表面肌电信号分类识别的各种现有特征提取方法和分类器的特点和性能及其结构进行了详细和具体的分析研究。在此基础之上，我们在表面肌电信号分类识别研究中引入了针对多分类器的信息融合方法。其中主要是使用了模糊积分算法来对表面肌电信号进行分类识别研究，并改进了计算的过程。通过和几种常规的单分类器算法及Dempster-Shafer证据理论算法进行了实验对比。实验结构表明，基于模糊积分算法的表面肌电信号的分类识别效果相比于其他的对比方案是有一定提高的，同时其算法的复杂度相对于证据理论较低。 在利用表面肌电信号的假肢控制研究中，系统的便携性和高效性都是十分需要考虑的问题。本文就这一问题又进行了如何在数字信号处理器系统中实现表面肌电信号分类识别的研究工作。主要针对TI公司的TMS320VC5416定点处理芯片进行了基于小波系数和人工神经网络的分类算法移植工作。我们在CCS平台上首先进行了软件程序的编写工作，在此基础上又进行了编译、调试和软件仿真。最后，我们在硬件平台上测试了各软件模块的功能。实验表明，该DSP平台在计算能力上可以较好的完成表面肌电信号的分类识别功能，其实时性也可以得到保证。同时此系统的便携性也能够胜任在实际假肢控制系统中的要求。