伴随着社会的发展、医疗水平的进步，提高残疾人的生活水平已成为一项重要的民生问题。随着人工假肢控制技术的不断发展，出现了许多种适合不同截肢人群的假肢，以帮助他们改善工作和生活。但是由于传统假肢控制方法的固有的局限性，当前假肢还存在着功能单一、控制缓慢、动作笨拙等问题。　　 表面肌电信号(surface electromyogram，简称sEMG)，一种脑电发出的动作控制指令在肌肉皮肤表面的体现。由于表面肌电信号控制的假肢上肢具有的直观控制、自然等优点，使得基于模式识别的肌电假肢控制方法成为当前假肢研究领域的热点问题之一。虚拟仪器(Virtual Instruments，简称VI)是仪器技术和现代计算机技术相结合的革命性产物，它从根本上更新了仪器的概念，代表了今后仪器仪表的发展方向。　　 本论文采用虚拟仪器技术构建了表面肌电信号检测、分析平台，并用Labview进行信号处理，完成了以下几个方面的工作和研究：　　 (1)表面肌电信号采集及分析系统构建，系统由六个模块组成，分别是采集模块、显示模块、存储模块、频域分析模块、特征提取模块和模式识别模块，其中特征提取模块包括肌电信号的广义维数谱、多重分形谱、小波特征和基本时域特征，并在设计的分类器下测试各类特征的分类效果。　　 (2)在构建的系统下进行表面肌电信号的特征提取，特征种类的选择对我们的识别效果有很大的影响，这直接影响着动作模式识别率。从现有的研究方法来看，表面肌电信号的特征种类有很多种，本文分析现有肌电信号识别方法的局限性，并将非线性的方法引入到表面肌电信号研究中，以肌电信号的广义维数为特征来识别多种动作模式并和传统特征进行对比，得出新老方法的优缺点，为进一步研究表面肌电信号提供指导。　　 (3)在模式识别模块，用支持向量机算法设计分类器对sEMG进行分类研究，完成多分类器的设计，并用该分类器结合所提取的特征对表面肌电信号进行动作模式分类。采用交叉验证算法对支持向量机分类器RBF核函数参数寻优，实验结果表明所设计的分类器有很好的性能，参数寻优能够提高动作模式识别率。所采用的五种特征中，小波系数奇异值分类效果最好，总体来看非线性特征识别效果没有小波特征好。