假手的双向人机接口是当前假手研究的主要瓶颈,其直接决定了使用者的使用体验。假手的双向人机接口包括前向人体动作意图解码通道和后向假手工作信息感觉反馈通道两个部分。如何实现使用者动作意图的可靠解码,如何实现使用者对假手工作信息的直观感知是当前的双向人机接口研究的两大难题。本文从当前双向人机接口的研究现状出发,以基于肌电信号多动作模式识别和电刺激触觉反馈的双向人机接口为研究重点,以解决肌电信号多动作模式识别的可靠性和电刺激触觉反馈的双向通道兼容性等难题为主要研究目标,以期建立一种具备可靠性和反馈直观性的双向生机交互系统,提高假手的感知与控制能力。由于受到电极摘下后佩戴导致的位移变化、不相关肢体的突然抖动、肌肉疲劳、佩戴过程中由于假肢荷载导致的电极轻微位移、环境温湿变化带来的电极皮肤阻抗变化等瞬变或缓变因素的影响,基于肌电信号多动作模式识别的肌电控制方法面临识别成功率随时间增长而逐渐降低的难题。为了解决这一难题,当前的研究者大多采用自适应学习算法,使算法的预测模型能够跟随肌电信号特征的变化而保持一定的可靠性。然而当前的研究缺乏理论基础,在自适应学习算法的设计和评估中,大多基于经验和唯象分析。因此本文基于统计学习理论,提出了自适应学习的识别误分类风险随时间变化的模型,描述了自适应学习算法的解码成功率与算法更新时间、更新频率、预测模型、有监督标记的样本比例等的定量关系,并通过支持向量机构建了一族标准自适应学习算法,用于构建整体评估不同自适应学习算法的量表。基于本文自适应学习的识别误分类风险随时间变化的模型,本文提出了代表性粒子自适应学习策略,其利用肌电信号特征的固有性质,降低了等效无监督标记样本的比例以提高自适应学习算法的识别成功率。为了降低分类器重新训练的计算量以实现算法的在线更新,本文提出了通用增量最小二乘支持向量机和通用增量线性分类器。结合代表性粒子自适应学习策略和通用增量算法,本文构建了代表性粒子自适应学习算法。基于仿真肌电信号长序列证明了该算法可显著提高肌电信号多动作模式识别随时间的稳定性。为了进一步提高肌电信号控制的可靠性,本文比较了基于编码控制的肌电模式识别、基于脑电信号监督的自适应肌电信号识别,以及它们与代表性粒子自适应学习算法相结合的方法的识别效果,以验证自适应学习算法的有效性和肌电信号解码的误分类风险随时间变化的模型的准确性。在构建基于电刺激反馈的双向人机接口的过程中,需要解决电刺激反馈的安全性和双向通道兼容性问题。本文提出了基于电刺激的电场模型的电刺激电极优化设计方案,提出了同心圆双相经皮神经电刺激的电刺激电极构型方式,并分别基于无纺布电极和柔性印刷板电极对优化方案进行验证。设计了具有实时电阻抗测量功能的多通道电刺激器,提出了基于实时电阻抗测量的自适应电刺激参数调节方法,解决了电刺激过程的安全性和空间感知均一性难题。提出了基于动态空间调制的电刺激编码手段,通过感知实验证明了相对于传统的分级频率调制和静态空间调制,该方法动态空具有更高的可靠性、更多的传递模式。为验证双向人机接口的有效性,建立了交互控制实验平台,提出了基于自适应滤波的电刺激噪声消除方法。通过持续时间达到一天的肌电信号采集实验,验证了标准自适应学习算法、以及本文提出的代表性粒子自适应学习算法、面向编码控制的自适应肌电识别算法、和脑电信号监督的肌电信号自适应识别方法在真实肌电信号序列中的有效性,并进一步证明了自适应学习理论的准确性。基于面向自适应肌电模式识别的交互控制实验,验证了识别效果反馈对于自适应学习算法在线肌电模式识别的提升作用,发现了结合电触觉反馈与视觉反馈的识别效果反馈相对于传统的基于视觉反馈的识别效果反馈有更大的提升效果,从而证明了电触觉反馈在交互控制中的有效性。