表面肌电信号(Surface Electromyographic,简称SEMG)是肌肉收缩时产生的一种电信号,是人体组织活动的外在表象。因而是一种优良的天然人机交互接口,已经被广泛地应用到肌电假手控制领域。肌电假手的基本工作原理是利用模式识别技术对采集的表面肌电信号进行分类,根据分类结果驱动机械假手执行相应的手势动作。虽然目前的肌电假手已经实现多种手势姿势的识别,但依然存在各种不足:(1)以往研究中的手势姿态的自由度一般都较少,不能满足基本的日常需求;(2)动作切换不够平滑,造成用户体验感差。这些不足严重影响肌电假手的应用与发展。所以本文研究设计一款能识别8种常见手势姿势的肌电信号识别系统,并探索手势的平滑切换。本文的主要工作有以下几个部分:(1)综述国内外肌电假手的研究现状,重点探究了基于模式识别技术的肌电控制系统的研究现状。(2)了解肌电信号的产生机理和人体前臂的肌肉功能性,选择与8种手势姿态相关的肌群为数据采集通道,并用NORAXON采集系统完成肌电信号的采集。(3)对含噪声的肌电信号进行降噪处理,提高信号的信噪比。在降噪处理过程中:采用巴特沃斯带通滤波器消除基线噪声;利用基于高斯混合模型的小波系数阈值降噪法消除背景噪声。(4)利用时域和小波域分析方法对表面肌电信号进行特征提取。在特征选择环节,利用随机森林法计算每个特征的相对重要性,以特征的相对重要性为标准进行选择特征。(5)在模式识别分类器的研究中,选择了支持向量机和BP神经网络两种分类算法,并对两种分类器进行优化。(6)研究动作持续过程和动作切换过程的肌电信号在模式识别系统中的分类效果。通过对“判定流”的平滑处理,有效提高了动作持续过程和动作切换过程的肌电信号的识别准确率。本文设计的基于模式识别的手势动作识别系统为肌电假手的实际应用提供了一种可行的参考方案。