表面肌电信号(sEMG)是从人体骨骼肌表面通过表面电极记录下来的神经肌肉的电生理活动信息，它反映了神经、肌肉的功能状态。由于表面肌电信号具有提取方便、快捷、无创伤测量等优点，它被越来越广泛地应用于肌肉和神经系统的信息获取和诊断中。因此对表面肌电信号进行分析与动作识别是康复医学工程领域研究的热点。 本论文对表面肌电信号的采集、特征提取、手部运动模式分类方法展开了研究。首先，本论文概述了当前表面肌电信号的研究现状，介绍了它在康复医学中的应用，总结了肌电信号产生的生理学机理，提出了一种可以降低表面肌电信号非平稳性的电极设置方案。 然后构建了肌电信号采集试验平台，包括便携式肌电信号放大器和基于虚拟仪器的软件平台。并利用这套平台，从前臂的尺侧腕屈肌，指伸肌，桡侧腕屈肌，肱桡肌采集表面肌电信号。 接着，本文对滤波后的肌电信号进行动作起始时刻的识别，提取动作开始后信号的时域、频域和多尺度小波变换系数构成特征，作为BP神经网络的输入。神经网络采用可变学习速率的BP算法进行训练，经过学习后能够成功的从表面肌电信号中识别握拳、展拳，手掌前翻、后翻，手掌内翻、外翻，手掌内转、外转八种手部运动模式，动作平均识别率达到95.8％。 最后本论文指出了今后研究的方向。