表面肌电信号(sEMG)是一种依赖于皮肤下面收缩肌肉的复杂的电信号,可通过采用非入侵的方式,即表面电极,从皮肤表面记录获取。人体上肢不同的动作模式所表现出来的表面肌电信号是不同的,通过对上肢表面肌电信号的分析可识别出其对应的动作模式,并将其应用于人工机械手臂的控制当中。本文将高阶统计量方法应用于表面肌电信号分类。这种方法将双谱分析技术应用于表面肌电信号分类来对六种简单的动作进行分类,包括内翻,外翻,握拳,展拳,上切和下切六种动作模式的识别。在以往的表面肌电信号分类中,人们都假设信号满足高斯分布和线性,并且为平稳信号。但是实际的表面肌电信号往往不能满足上面的假设,根据前人对表面肌电信号的研究我们知道,当肌肉收缩低于最大自发收缩的25%时,表面肌电信号所表现的非高斯性是显著的。因此为了获得更多的表面肌电信号的信息和获取更好的表面肌电信号分类的识别率,我们利用双谱分析和主元分析相结合的方法以及双谱切片方法对肌电信号进行了分类研究,并取得了较好的效果。