我国人口老龄化问题日益严重,同时,由意外事故所造成的运动功能障碍患者的数量也在逐年增加,人们对于助行器械的需求也随之增长。而现有的电动轮椅大多采用摇杆控制方式,无法远距离控制,交互方式不够直观与便捷,轮椅车的控制方式也缺乏智能化,无法满足随着科技发展而增长的用户需求。手势识别是一种新颖的人机交互方式,兼具了直观性与便捷性,将此交互方式应用于轮椅交互控制系统中,可以在优化人机交互逻辑的同时,实现对设备的远距离控制,弥补了传统轮椅设备的缺陷。并且,在手势识别过程中,基于单一传感器的手势识别策略获取的信息较少,识别结果易受多种因素的干扰,而基于多源传感器信息的识别系统具有较好的鲁棒性,且适应性强、识别精确度高。同时,采用多传感器与智能控制技术的轮椅交互方案的还处在初步研究阶段,有较好的研究前景。基于此背景,本文提出了基于多源信息融合的智能轮椅交互技术研究。系统由软件与硬件电路协同完成,其中硬件电路分为以下部分:肌电信号调理采集电路、加速度与角度信号采集电路、蓝牙数据传输电路、下位机数据分析接收电路以及轮椅直流电机驱动电路。系统可从前臂采集多源信号,通过蓝牙将数据传输至下位机,下位机接收数据并根据数据分类手势,再根据手势类别控制电机运动模式。系统的软件部分是基于极限学习机(Extreme Learning Machine,ELM)的多源信息融合手势识别算法。算法首先对采集得到的数据进行数字滤波与去噪,然后根据各信号特性提取多种特征值,并将所得特征值输入极限学习机识别算法。算法根据各种信号特性调节信号对不同动作的判别权值,并利用极限学习机构建识别算法模型,优化了融合分类结构,以此识别结果控制轮椅运动。为了验证试验系统性能,进行了多种试验,得到如下试验结果:相较于单一传感器手势识别方案,识别准确率提升了4%～12%,达到了94.7%;相较于传统模式识别方法,分类准确率提升1.5%～6%,并且,轮椅控制系统的在线识别率达到95.2%,满足了系统的实时性要求。