随着社会进步，残疾人士的生活状况愈加受到重视，科研领域中对残疾人士的辅助产品研究也逐步发展优化着。针对现有假肢手结构臃肿、控制复杂、人机交互体验差等痛点，本文从假肢手控制系统与人机交互方式两方面进行研究。控制系统方面利用独立成分分析与时间序列分析等方法，提出了一套基于独立连续肌电信号的低延迟假肢手控制系统，保证了假肢手肌电控制的正确率与实时性。人机交互方面设计了基于肌动信号的气囊臂环传感器，并利用模式识别与迁移学习方法，完成了常见手势的精确识别。
　　首先，本文建立了用于假肢手控制和人机交互的硬件平台。根据手势协同原理，本文利用主成分分析将人手复杂结构降至四维主成分，完成了人手功能机械复现。同时，针对机械手的功能性、功耗、设计体积等设计要求，设计了欠驱动假肢手的嵌入式控制器。此外，本文基于手势运动时会产生肌动信号的现象设计了一款气囊臂环传感器，完成了硬件电路与软件程序的设计。
　　其次，本文基于手臂肌动信号，实现了手势分类。通过线性度分析证明了肌动信号与肌力成正比，并验证了肌动信号不比肌电信号差的同时抗噪性能更好。同时利用简单分类器实现了对6种常见手势高达98%的离线识别率，并通过虚拟平台在线测试实验验证了其实用性。最后针对整体训练时间过长的问题，本文基于子空间对齐自适应方法提出了半监督迁移学习算法，能在仅1/10训练数据的基础上保证手势分类的精度，并极大程度地缩短了训练时间。
　　最后，本文提出了基于独立连续肌电信号的低延迟假肢手控制方法。基于独立成分分析，提出了肌电独立信号提取算法，能够减少表面肌电电极定位不准等问题引起的肌电串扰，最多可提高47%的控制准确率。为减少控制过程中的延迟，提出基于互相关自回归的肌电预测算法，使假肢手的控制延迟降低至100ms内。最后，通过灵巧能力测试验证了该控制系统的灵巧性；通过测量机械手的运动延迟时间，验证了预测算法使控制实时性能有所提升；通过使残肢患者操作假肢手成功完成30种日常抓取动作，进一步验证了假肢手的功能丰富性。