表面肌电信号是从人体骨骼肌表面通过电极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。表面肌电信号在临床医学、运动医学、人机工效学、康复医学、神经生理学、电生理学等领域被广泛应用,而且还成为人工假肢的理想控制信号。随着信号处理方法和计算机技术的发展,如何从sEMG信号中有效地提取信息并实现准确的动作识别,是肌电控制假肢实用化进程中的重要问题。为此本文在sEMG信号的规律研究上进行了理论和实践上的探讨。所做的主要工作如下：1.上肢做屈伸运动时,采集肱二头肌群的表面肌电信号,然后采用小波变换的方法,应用Matlab软件,对表面肌电信号进行去噪处理。2.采用多尺度(分辨率)小波变换方法对表面肌电信号进行分析,并且根据实际情况,独创性地提取各级尺度下小波系数幅值的最大值(正)和最小值(负)获得了简单、特殊性高、分离度更明显、表征能力更好的肌电特征向量。3.通过研究BP神经网络非线性映射能,在搞清BP网络固有缺陷的前提下,采取各种优化算法对BP网络进行改进。本文创新性地将Levenberg-Marquardt算法进行改进应用于肌电信号的分类,得到了分类速度极快,识别精度极高的BP分类网络。实验证明,这种改进的网络不但能够成功的从表面肌电信号中识别上肢屈伸运动模式,而且在网络识别速度和精度上有了很大提高,有效地消除了过拟合现象,泛化能力好,很好了克服了标准BP算法的固有缺陷。这对于肌电假肢的控制具有良好的应用前景。4.研究了上肢肱二头肌上肢表面肌电信号与力大小的相关性。采用积分肌电图方法提取表面肌电信号的特征参数,统计受试者的相对特征值,分析受试者肱二头肌表面肌电特征参数和力的相关性。结果表明受试者肱二头肌表面肌电信号的特征值与力大小存在正相关性。