随着人体生理信号采集分析技术的发展,人机交互技术不再局限于传统键盘鼠标输入,而逐步发展为采用肌电、眼动等生理信号实现人机交互。以手势肌电或眼动信号单独作为输入,可以实现控制操作机械臂或目标跟踪等简单应用场景,然而人机交互应用越来越复杂,仅用单一生理信号,无法满足复杂场景需求。因此如何增强人机交互仍是有待研究的问题,本文旨在探索肌电信号与眼动信号配合的新型人机交互控制技术,应用于机械臂远程控制,以帮助手脚伤残的人员独立完成日常活动行为或帮助高危行业人员执行工作等复杂场景。本文完成的主要工作如下:（1）设计并搭建基于肌电与眼动的手眼配合人机交互控制系统,将肌电信号与眼动信号配合的新型人机交互控制技术应用于机械臂控制。对双目相机、眼动仪、肌电采集设备、控制单元和机械臂各个设备进行连接,搭建实验环境。（2）提出了基于数据驱动结合改进频率小波切片变换和卷积神经网络的手势肌电识别分类方法,实现手势肌电信号的训练分类。利用滑动窗对8通道表面肌电信号进行分割,通过改进频率小波切片变换将信号映射为时间-频率谱图,将其输入一个18层卷积神经网络进行手势识别分类,提高了表面肌电信号手势动作识别分类准确率,七种手势动作的平均准确率达到97.94%,准确率在不同环境温度和电极测量位置（±1cm）下无明显降低。（3）提出了一种瞳孔角膜反射2D视焦点到3D空间坐标的映射方案,实现基于眼动信号的空间三维目标定位。双目相机采集双目图像和深度信息并传输至操作端界面,配合眼动仪提供的使用者瞳孔角膜反射视焦点信息,在操作端机器视觉图像上实现预定目标的检测,检测后的图像目标利用标定好的相机参数和深度信息反演计算得到检测目标三维空间的真实坐标。目标距离大于2cm条件下,熟练操作者通过本文设计的方案快速锁定并准确的获得目标的空间信息,平均操作时间小于1s,目标3D坐标测量误差小于3mm。（4）设计了基于肌电与眼动的手眼配合人机交互控制策略,并应用于控制机械臂,验证人机交互控制技术的有效性,设计了交互界面,用户使用该界面进行人机交互,通过双目图像、眼动信号与手势肌电信号的在线采集,配合人机交互控制策略实现控制机器臂对目标执行相应操作。本文所做工作通过将手势肌电信号与眼动信号配合的人机交互技术应用于远程控制机械臂对指定目标执行操作。手势肌电信号的平均识别准确率达到97.94%,目标空间坐标测量误差小于3mm,通过设计少数服从多数决策和编码控制模式,实现手势肌电信号识别准确率100%,以及远程控制机械臂对指定目标执行相应操作,达到预计的设计目标。