表面肌电信号(surface Electromyograph signal,sEMG)是人体肌肉自主收缩时产生的电信号,它从皮肤表层采集,包含着丰富的生理运动信息,反映了人体的运动意图。通过合适的特征提取和模式识别方法,表面肌电信号可以被用来解读人的运动意图,控制外围设备,如假肢、外骨骼等。虽然基于表面肌电的运动模式识别已经被广泛用于各种目的,但是很少有人研究基于表面肌电的手臂多关节运动识别。为此,本文以实现控制多功能假肢和康复外骨骼为目标,分析表面肌电信号,解读人的运动意图,实现人与机器的自然交互。主要的工作如下:1)构建基于模式识别的肌电控制系统,并对采集的上肢空间动作的肌电信号进行解码分析,研究其时域特征及其组合、训练数据样本大小和分类器对分类性能的影响,为系统选择最优的特征集、训练样本大小和最具优势的分类器。2)利用三种评估指标——动作选择时间,动作识别率和动作完成率,对虚拟手臂控制的在线实验结果进行定量分析,并分析解释识别错误原因。3)通过虚拟假肢臂、实际假肢臂手和具有运动协同特性的康复外骨骼的在线控制实验,对所提出的信号预处理、特征提取及模式识别算法进行性能评估。从实验结果可以看出,均方根和线性判别分析组合对人体上肢运动分类识别非常成功,解决了肌电控制假肢、外骨骼机器人中的人体运动意图识别这一关键性问题。