近年来,随着人民生活水平的提高,绝大多数伤残人员更渴望高品质的生活,可以辅助伤残人群弥补肢体缺陷的假肢产品拥有了相当大的市场需求。因此仿生智能假肢的控制引起了越来越多的关注,并取得了一定进展,其中比较成熟的技术是肌电信号控制假肢,并占领了该领域主要消费市场。由于肌电信号控制假肢产品价格昂贵,肌音信号控制假肢应运而生,并拥有相当大的应用前景。另外,嵌入式实时控制系统设计开发是实现仿生智能假肢产品化的关键技术。目前,肌音信号控制假肢研究主要集中在对整个手部动作模式的研究,为提高假肢手的灵巧度,本课题提出了一种用于手指动作辨识的算法。本算法采用四路前臂肌音信号,分别对每一路信号提取50个时域特征和频域特征,并采用等距映射和扩散映射算法进行特征降维,然后运用K最近邻结点算法(KNN)对六种独立和组合手指动作进行模式辨识,最后将成熟的模式识别算法移植到嵌入式实时控制硬件平台。本课题采用基于Simulink和代码调试器(CCS)的算法移植技术,将Matlab环境下的模式识别算法成功移植到DSP内核内运行。统计结果显示所采用的两种不同分类方法对六种手指动作的平均识别准确率分别达到了94.25%±1.6%和95.48%±2.47%,并发现动作能量与准确率呈高度正相关性。为验证该算法的实时有效性,本课题采用虚拟现实技术构建多指多自由度实体模型,通过异步通信串口将控制指令发送至虚拟现实环境接口,实现对规定指部动作的执行。研究表明利用肌音信号识别指部动作模式的方案是可行的,拥有广阔的应用前景。