表面肌电信号(surface electronomyography signal,s EMG)是通过表面电极从人体肌肉表面采集到的神经肌肉活动时候发出的生物电信号。它为临床医学、康复医学、运动医学、神经生理学等领域的研究和应用提供了安全便捷的无创性切入口。随着信号处理技术的发展,如何从表面肌电信号中提取出有效、准确的特征信息并完成动作识别,已经成为人体肌电假肢控制、残疾人康复治疗及机械臂驱动等重要的研究内容。本文根据MATLAB/XPC Target的宿主机-目标机模式的实时数据采集系统,结合多个表面电极贴片,搭建了一个表面肌电信号的实验采集平台,用来完成对上臂六种不同动作的表面肌电信号的采集。基于对所采集到表面肌电信号特征的分析研究,本文完成了以下工作:1)选用小波包去噪方法对信号进行去噪处理。实验表明,与传统方法相比,小波包去噪法的信噪比最高,均方根误差和平滑度最小,去噪效果最好;该方法能有效滤除噪音信号并保留大量有用信号,最适合于表面肌电信号的去噪处理。2)分别从时域、频域和时频域(小波分析)三个方面对表面肌信号做特征提取。通过实验分析对比,发现时域和频域特征均不是特别明显,而小波分析中小波系数的最大值和奇异值能较好地表征信号特征,可以用来构建信号的特征矢量。3)采用神经网络分类法进行分类决策;通过把动量BP法和LM算法改进后的网络与标准BP网络的分类结果进行比较分析发现,动量BP网络和LM网络比标准BP网络都有了较大提高;而效果最好的是LM网络,收敛速度最快,准确率可以达到95%以上。