动作表面肌电信号是从皮肤表面记录下来的神经肌肉活动时发放的生物电信号,它反映了神经、肌肉的功能状态。不同的动作产生的肌电信号是不同的,基于此,本文主要研究如何从肌电信号中有效地提取特征信息,从而更为准确地实现动作模式识别。首先,本文详细介绍了肌电信号的产生机理及其应用,概述了当前表面肌电信号的研究现状,这部分知识为本课题的研究提供了理论基础。然后,本文创新性地提出了三种方法对不同动作模式进行模式识别研究,均取得了良好的效果。它们分别是:基于多元AR模型和主元分析的特征提取与支持向量机模式分类相结合,其利用时域方法提取信号特征,对前臂六种动作模式的识别率达到98.89 %;基于小波变换的多尺度主元分析的特征提取与贝叶斯分类相结合,其利用时频方法提取特征,识别率达到99.44 %;融合小波系数和核函数方法的特征提取与贝叶斯分类相结合,将时频方法与非线性特征提取相融合,识别率高达100 %。由此可见,随着信号特征提取方法的不断改进,所得到动作模式的正确识别率也相应提高。最后,本文利用非线性动力学方法对动作表面肌电信号的非线性特性进行了分析研究,阐述了非线性时间序列的相空间重构理论,并由计算出的表面肌电信号的延迟时间和最佳嵌入维数来实现对肌电信号的重构,在此基础上进一步计算出其最大李雅普诺夫指数,关联维数以及近似熵。结果证明动作表面肌电信号可能具有非线性确定成分和混沌特性,这使得我们对肌电信号的非线性特性有了进一步的认识和理解。本文将主元分析和非线性方法特征提取的思想贯穿于表面肌电信号的研究当中,取得了良好的效果,为动作表面肌电信号的模式识别研究提供了新的研究思路和方法。