表面肌电信号是人机接口的重要信号源,特别是在假肢控制领域。灵巧假肢可以帮助截肢病人进行肢体功能的重建。然而,当前主流的模式识别假肢控制方法,常因电极偏移和肌肉疲劳等因素,在实际应用中面临性能下降的问题。近年来,基于高密度表面肌电信号的运动单元分解算法由于可以获得更加本源的神经驱动信息,逐渐成为假肢控制研究热点。但是,高密度肌电采集设备系统复杂,体积庞大,价格昂贵,难以集成到假肢中。另一方面,便携式的多通道的肌电采集系统由于空间分辨率不足,难以支撑表面肌电信号分解算法。针对以上问题,本文进行了微阵列式表面肌电采集系统和神经信息解码的研究,开展了如下工作:针对便携式肌电采集设备空间分辨率不足的问题,设计微阵列式的表面肌电传感器。该传感器将多个采集通道集成并按照一定模式布置,提高了系统的局部空间分辨率。进一步地,以便携、集成和经济性为目标,设计了与传感器适配的便携式肌电采集模块,与上述传感器构成完整的肌电采集系统硬件。每个肌电采集模块可同时连接4个传感器,采集共计16个通道的肌电信号。经过测试,该系统可采集与商用系统信号质量相当的表面肌电信号。基于C#语言,开发了基于Windows平台的肌电信号采集上位机软件,包含肌电信号接收与储存、信号实时显示、实验范式集成和信号解码功能,以提高系统的易用性。同时提供软件开发工具包（SDK）,方便二次开发。实现了基于微阵列式表面肌电信号的分解算法,使用模板匹配的方式,对肌电信号进行模板的提取和聚类,最后使用基于互相关的方式确定运动单元的放电时刻。该算法在仿真信号和真实信号中进行测试,取得了一定效果,但正确率有待改进。基于微阵列式肌电采集系统和表面肌电信号分解算法,进行了无动作手势识别实验,并与模式识别方法的效果进行对比。实验结果表明,基于表面肌电分解手势识别算法,其识别正确率与模式识别方法的效果相当。本文提出的微阵列式表面肌电信号采集系统,其信号质量与商业设备相当,同时更加便携和经济,方便与假肢进行集成。后续的手势识别实验也初步证明了基于微阵列系统进行神经信息解码的可能性。