表面肌电信号(surface electromyography,sEMG)是人体肌肉收缩时产生的生物电信号。随着国内外学者的不懈努力,sEMG已经被广泛应用于临床检测、康复工程以及假肢手控制等领域中。目前,基于sEMG的假肢手控制技术已然成为研究的热点。与传统传感器相比,MYO臂环具有不受场地限制、交互自然、穿戴方便以及性价比高等优点,非常适合用来控制假肢手。所以,本文的目的在于研究一种基于MYO臂环的肌电假肢手控制技术,通过算法实现对人手动作模式识别和人手抓取力的预测,并结合在PC端开发的假肢手肌电控制系统进行验证。本文主要研究工作如下:(1)人手动作模式识别研究。本实验采用六阶巴特沃斯带通滤波器对MYO臂环采集的sEMG进行预处理,并提取5种时域特征,采用PCA和BP神经网络相结合的方法对人手动作模式进行分类。实验结果表明,运用PCA将特征样本映射到20维时,人手动作模式的识别率可达99%。(2)人手抓取力预测技术研究。本实验选取绝对平均值(MAV)和均方根(RMS)作为特征,以抓取力的八个档次为输出,建立了基于BP神经网络的抓取力预测模型。实验结果表明,确定抓取力按照大小分档的平均识别率达到了93.83%,能够满足假肢手控制的基本要求。(3)假肢手肌电控制系统设计。设计了一套基于MFC的肌电控制系统,该系统能够采集并分析sEMG,进而获取人手动作模式的活动意图,且对手指抓取力进行实时预测,经串口对假肢手进行驱动控制。最终,应用该系统验证了本课题方案的可行性。该肌电控制系统根据sEMG实现人手动作模式的实时分类和抓取力的实时预测。所提取的手部动作意图和抓取力可转换成不同的控制命令,能够提供一种有效的基于生物电信号的人机交互模式。该系统主要创新性的工作在于将高性价比MYO臂环应用到假肢手的控制中,实现了人手动作模式和抓取力的在线控制,在线平均识别率可达92%。而且,该系统安装和使用方便、抗干扰能力强以及具有很高的可控性,可以很好地满足残疾人对假肢手控制的需求。