表面肌电信号是人体运动时肌肉产生的生物电信号,反应肌肉动作的状态。表面肌电信号由于易采集,提取方便等特点被广泛应用在康复医疗、运动医学、智能机器人等领域。本文基于表面肌电信号的手势动作识别研究,根据识别结果去控制护理床完成相应的动作,不仅可以满足肢体残疾病人对智能护理床自主操控的迫切需求,而且在康复医学领域提供更为可靠和人性化的辅助康复设备。因此,具有非常重要的研究意义和应用价值,本文主要工作如下:（1）对表面肌电信号的产生机理和特点进行了介绍,确定了采集表面肌电信号的方式,即非侵入式采集,通过表面电极贴片采集实验者的肌肉皮肤表面肌电信号。（2）实验共设计了4种手势动作,通过窗口分析法对表面肌电信号的起始位置进行分割,得到手部活动段信号。对分割得到的表面肌电信号采用五阶巴特沃斯带通滤波器滤波,再对滤波后的表面肌电信号采用CEEMDAN-小波阈值法降噪处理。最后对降噪后的表面肌电信号进行时域和频域特征提取,采用主成分分析法PCA对提取的肌电信号进行特征降维处理,对下文的手势分类的分类精度提升起到了重要的作用。（3）采用近邻算法,BP神经网络算法和支持向量机算法,对不同手势动作模式的肌电特征进行分类识别,得出支持向量机模型分类效果最好,识别率为96.43%。最终选择了支持向量机算法作为手势动作识别的应用研究。（4）设计了手势动作识别与护理床控制实验。对5名受试者开展基于表面肌电信号的护理床控制实验,通过四种手势动作去控制护理床运动并且对准确率与实时性进行评估。实验结果表明,在手势识别的动作下,护理床可以完成运动控制,可以帮助偏瘫患者完成自主康复训练。