人体表面肌电信号是通过人体表面电极,在人体皮肤表面采集的多个肌肉共同运动所产生的电信号。不同的动作引发不同的肌肉群作用,产生不同的电信号。重要的人体运动信息都包含在表面肌电信号中。人体表面肌电信号对于研究人体动作的识别以及人体健康状况具有非常重要的意义,同时它也被广泛的应用在人体假肢控制、康复训练、临床医学和机械控制等诸多领域中。本文通过对人体表面肌电信号的处理来识别人体动作,从而实现对人体假肢的控制,用于对残疾病人的康复治疗。本文主要研究表面肌电信号的消噪、特征提取和模式识别,这也是近几年来国内外专家学者们所研究的重点。本文的主要工作如下：(1)对待识别的人体动作采集相应的信号并分析处理。针对表面肌电信号非线性和混沌等特性,提出了最优小波包自适应阈值消噪算法,无论是信噪比还是均方误差,效果都比传统小波消噪算法好。(2)分析了小波系数,自回归模型参数等几种经典的表面肌电信号特征提取方法。结合表面肌电信号的特点,提出了小波高频系数的最大绝对值和小波系数与最大利亚普诺夫指数联合特征值两种特征提取方法。这两种方法均能够很好地反应人体表面肌电信号的特点,具有比较好的识别特性。(3)采用反向传播神经网络对人体手势动作和下肢脚部动作进行识别,通过对判别准则的改进以及隐含神经元个数和训练误差的优化,使识别率大大提高,实现了更好的识别效果。本文还设计了人体表面肌电信号处理和模式识别软件系统,运用所提出的新算法,实现了对人体上肢手势动作和下肢脚部动作100%的识别效果。