传统治疗偏瘫的方法多是通过理疗师手把手的指导或借助一些简单的自动化设备,但往往因效率低下或患者的抵触情绪导致康复训练失败。基于模式识别的肌电控制上肢康复机器人,为解决偏瘫患者的康复训练问题提供了一种有效的解决方法,有很大的应用前景。本文主要从特征值提取和模式分类器设计两个方面对肌电控制进行研究,以筛选出对目标动作识别率高的特征值和分类器组合,并建立一套上肢康复机器人实时肌电控制系统,为肌电控制上肢康复机器人的临床应用奠定理论基础和技术支持。根据肌电信号的产生机理与特点搭建了采集系统,筛选出了用于14个目标动作识别的6块信号源肌肉,提出了一种利用肌电积分值对目标动作起始点和结束点进行判断的方法,并通过ⅡR数字滤波处理进一步提高了肌电信号的采集精度。分别利用时域特征组、4阶自回归模型系数、小波系数最大值、小波系数能量值构建了肌电信号的特征矢量,针对单一特征矢量容纳信息量少的问题,提出了一种将时域特征组、4阶自回归模型系数分别与小波系数进行融合的方法,并利用平均值与标准差参数对特征矢量本身的聚类性进行了分析。针对BP网络收敛速度慢、容易陷入局部最优的问题,提出了一种用粒子群算法融合Levenberg-Marquardt算法(PSO-LM)对BP网络进行优化的方法,设计了用于目标动作识别的基于PSO-LM优化的BP网络、支持向量机、隐马尔科夫模型三种分类器,并利用目标动作平均识别率结合最低识别率对分类效果进行了分析,得出了在本实验条件下时域特征组融合小波系数与支持向量机组合时对目标动作分类效果最好的结论。对使用的牵引式上肢康复机器人进行了传动分析与目标动作逆解运算,设计了上肢康复机器人的实时肌电控制系统,包括硬件系统和软件系统,并设计实验对系统的有效性进了验证。