对于人工手臂(假肢)的研究，无论是国内还是国外都已经有了数百年的历史了。过去研制和生产的人工手臂，由于受技术条件的限制，性能欠佳，截肢者装上这类人工手臂后，动作极不自然，即使进行简单的上肢运动也相当吃力.进入90年代以后，随着电子技术发展的突飞猛进，利用人造假肢和微电子技术代替或补偿残疾人的运动功能，使之恢复自理生活能力和参加力所能及的劳动，已成为假肢研制的主流方向，现代假肢，已由过去的机械牵引手发展为当今的肌电假肢。 本文在对目前已有的表面肌电(SEMG)信号特征提取和分类方法进行广泛调研和深入分析的基础上，对应用于肌电假肢控制的动作SEMG信号进行处理和识别，研究目的是提高动作SEMG波形分类的准确率和速度。主要研究内容、研究成果和创新点包括以下几个方面： 1.提出一种利用递归量化分析(RQA)提取动作SEMG波形特征的新方法。通过对递归量化分析提供的十几种参量进行深入的研究，提取动作SEMG信号的RQA参量作为特征参数，并采用BP神经网络，实现对动作SEMG波形的分类。实验结果表明：采用RQA参量作为动作SEMG波形的特征，能够取得较好的分类效果。 2.基于16位MCU的SEMG实时控制系统的设计和实现。硬件系统采用具有DSP功能的凌阳16位MCU作为主控制器；信号处理上，采用过零率判别动作SEMG波形的起止点，采用线性预测倒谱系数作为特征参数，采用动态时间规划(DTW)方法进行分类。实验结果表明，通过上述硬、软件和处理算法的结合，可以获得动作SEMG信号较好的分类结果和较理想的处理速度，达到实时控制的目的。