肌电假肢手是重建截肢患者上肢运动功能的重要技术方法,它利用残肢表面肌电信号(Surface Electromyography,sEMG)对假肢手关节动作进行控制,对于改善截肢患者的日常生活及心理具有重要的现实意义。目前,多自由度的肌电假肢虽然取得了一定的进展,但仍然面临着自由度少、稳定性不够、实时效果差等不足,远未达到人们的期望水平。本文围绕多自由度肌电假肢手动作控制,以设计动作识别算法并构建实时系统为目标,从虚拟手平台开发以及多自由度实时控制假肢系统展开。其具体实现过程如下:通过比较不同的模式识别控制算法,本文选择了鲁棒性较好的的支持向量机作为实时识别控制算法。为了对其进行验证,选择了五个常见手势(张开、闭合、捏、握瓶、钩状)进行实验,实验过程中利用4个独立式电极从前臂肌肉上采集表面肌电信号。利用该离线数据完成识别分类器的构建及测试,结果显示其整体识别率可以达到89.67%。本文采用Labwindows和Matlab混合编程完成了虚拟手平台的搭建。利用Labwindows和数据采集卡完成多通道表面肌电信号的采集,利用Active控件将数据发送到Matlab工作空间,Matlab则完成模式识别及虚拟手模型的驱动。其中虚拟手模型利用VR Builder完成。最后通过实验验证,该虚拟手平台可以根据指令完成不同的手势动作。实时性测试中发现该系统耗时约为175ms,具有较好的实时性,能够适应于算法的测试及训练。同时,对支持向量机进行在线测试,经过统计,整体识别率约为85%,表明该算法可以较好的适用于实时控制。本文建立了基于DSP的机械假肢手实时控制系统。其中机械假肢手共有五个可独立运动的手指,每个手指有三个关节,由一个电机单独驱动。该系统以4通道独立式电极作为表面肌电信号采集电极,DSP作为信号采集及分析平台,电机驱动控制的MCU作为下位机。利用Matlab Coder将已经在虚拟手平台上验证通过的支持向量机识别算法进行移植。最后通过仿真测试得出,该实时系统的延时时间约为200ms,识别准确率可以达到80%以上。但是由于解剖组织、生理状态等因素使肌电信号表现出较大的个体差异,传统的参数归一化方法需要大样本的训练构建适合用户的肌电控制模型,新近发展起来的一种基于动作因素和个体因素的双线性模型为肌电假肢控制提供了新的思路。本文利用指总伸肌的综合强度和肌电活动的空间分布特征构建双线性模型,将指总伸肌肌电活动从神经-肌肉生理机制的角度分解为用户相关的个人因素矩阵和与动作相关的动作模式矩阵。为了验证该模型,该文利用食指、中指、无名指在20%MVC、40%MVC、60%MVC三个力量水平的单指按压时利用柔性阵列电极所采集的6名志愿者的指总伸肌sEMG信号完成双线性模型的构建,在较少的样本训练下实现了对力量水平和手指模式的较好识别。该结果表明双线性模型可用于简化肌电假肢接口的训练过程,对肌电假肢手力量和手指动作控制有较大的应用前景。