通过表面肌电信号控制多自由度的假肢仿生性好,患者操作方便,但是由于表面肌电信号的识别方法不够成熟,因此距广泛应用还有一段距离。由于表面肌电信号是弱生理信号,在肢体运动过程中从形态上非常类似随机信号,目前的信号分析方法还不能非常可靠的达到多个模式动作的准确识别,存在着一定的误识别率,国内外文献中肌电的平均误识别率仍有20%左右。而任何假肢的误动作对截肢病人都是十分危险的。因此,如何从EMG信号中有效地提取信息并实现准确、实时的动作识别,是肌电控制假肢实用化进程中的关键性问题。为此本文在基于EMG信号进行人手动作的模式识别方法上进行了理论和实践上的探讨。所做的主要工作如下:1.对EMG信号的预处理技术进行了研究。采用分层阈值和软阈值的小波降噪方法,并同全局阈值小波降噪法进行了比较。2.对EMG信号的特征提取技术进行了研究。对EMG信号作小波包分解,利用熵最小准则选取特定频带的小波包系数的能量值构造特征矢量。3.对人手动作模式识别中的分类器技术进行了研究。选取了学习矢量量化网络作为分类器,并同BP网络作了分类性能比较,指出了后者的局限性。4.对仿生手实时在线控制进行了初步研究。提出了移动时间窗的移动步长的确定方法,并提出了小波包变换结合主元神经网络的特征提取方法,为实现仿生手的实时控制打下了基础。本课题得到了国家自然科学基金(项目号:50375108)和天津市自然科学基金(项目号:033601611)的资助。