人体表面肌电信号（Surface Electromyography,s EMG）蕴含着丰富的人体运动状态信息。在柔性助力服、穿戴式外骨骼等人机交互系统中,具有广阔的应用前景。在这一类人机交互系统中,感知控制是基于人体运动意图的辨识来实现。人体运动意图的感知辨识主要分为两大类:基于关节角度、角速度、三轴加速度、足底信息的生物力学感知和基于肌电、脑电等生物电信号感知。本研究的目标是利用肌电实现人体运动意图的感知辨识,为柔性助力服的控制提供多元的输入信息。利用表面肌电完成人体运动意图模式识别,建立表面肌电与肢体运动姿态映射关系。最终的目的是实现通过s EMG估计的连续运动量可以作为参考控制信号。保证人体在穿戴柔性助力服时的安全性和人机交互过程的自然协调,实现整个控制的柔顺。本文主要工作包括以下几个部分:首先,确定下肢传感布局方案。研究人体下肢肌肉、运动、关节之间的内在关系。通过研究分析及建模等方式筛选股二头肌、股外侧肌、股内侧肌、腓肠肌、胫骨前肌为肌电信号来源,确定下肢传感布局方案。设计实验场景,采集人体平地行走、上/下楼梯,上/下坡、起蹲的下肢表面肌电信号。其次,进行表面肌电信号的预处理。表面肌电信号本身具有信号微弱、频率低、易受干扰等特性。在信号采集过程中,容易受到人体组织产生的各种生物电信号、仪器设备固有噪声等干扰。本文设计巴特沃斯和小波阈值降噪方法进行肌电信号预处理,对信号进行滤波降噪。采用这种预处理得到的肌电信号信噪比高,均方根误差小。最后,进行人体运动意图辨识。在人体运动意图模式识别方面,提取肌电特征值,利用BP神经网络进行运动意图模式识别,平均识别率为85%。采用主成分分析法对特征值进行降维处理后,一方面使网络复杂度降低,另一方面使利用BP神经网络进行识别平均识别率达到90%。人体肌电运动姿态映射方面,利用支持向量回归和高斯过程回归两种方法,对于大小腿肢体姿态进行回归映射。在算法对比过程中,支持向量回归算法在人体运动回归映射方面的效果优于高斯过程回归。对于平地行走,上/下楼梯,上/下坡五种运动映射的相关性均大于80%。