智能仿生手能够通过人脑的思考自由指挥仿生手完成相应功能。多种可控制信号源中，表面肌电信号的采集过程具有无创性，是直接由人体肌肉活动得到的生理信号，可以更加直接、自然地进行控制。以多重功能的智能仿生手实时实现为目标，针对表面肌电信号特点，就仿生手信号处理及控制实现进行研究。(1)如何自动完成表面肌电信号活动段检测，并提高其准确性是实现仿生手实时有效控制的重要前提。本文将问题等同于图像处理中的边缘检测，利用边缘最大后验概率估计，提出一种阈值设定方法改进经典Sobel算子。基于与语音端点检测的相似性，尝试应用多种语音处理算法提取活动段。对比实验结果，多种算法可以自动有效提取活动段，其中改进Sobel算法检测结果更加理想。(2)表面肌电信号十分微弱，易混入不同噪声。本文提出权值优化Kohonen神经网络确定基于奇异值分解降噪的矩阵重构阶次。选取巴特沃斯带通、带阻数字滤波器消减基线漂移、信号不稳定影响及50Hz工频。奇异值分解滤波后信号，利用含噪信号奇异谱图中噪声平台平缓、集中特性，向谱图纵轴投影，应用优化网络合理确定噪声平台边界。仿真结果表明提出方法较好实现了信号的降噪。(3)分析表面肌电信号产生机理，确定表面肌电电极放置位置。观察日常生活中人手能够完成的多种功能，选取8种具有代表性的姿态模式，应用提出的活动段检测和降噪算法进行信号处理，对比不同信号特征，选取具有代表性，并可全面表征信号的AR模型系数送入无监督Kohonen网络进行识别实验。实验结果进一步证明了提出算法的有效性。针对可能的抓取实现归纳4种预抓取模式。(4)为提高表面肌电信号模式识别正确率及在线识别能力，本文提出权值优化的有监督及在线半监督Kohonen网络。该有监督网络通过增加输出层调整网络结构，并优化初始权值。分析有监督网络的不足，应用多分类器识别结果及WilsonTh数据剪辑算法筛选预标记样本，并入已标记样本集更新分类器得到在线半监督网络。4种预抓取模式识别实验证明2种分类器具有较高的分类能力。(5)进行虚拟仿真验证模式识别结果及表面肌电信号的控制能力。嵌入提出的信号预处理、特征提取及模式识别算法，联合Adams软件建立的多自由度仿生手和MATLAB通过PID控制算法搭建的仿生手控制器进行虚拟仿真，证明该类方法适用于具有较高仿生程度的仿生手。