表面肌电信号(surface electromyography,SEMG)是当人体自主运动时,神经和肌肉活动发放出的电信号,它反映了神经、肌肉的功能状态。近几十年来人们将生理信号用作控制信号,从而对人-机系统进行了大量的研究,其中较成功的例子就是肌电信号控制假肢的进展。人体上肢不同的运动模式所表现出的表面肌电信号也不同。据此,通过对表面肌电信号进行模式识别来辨识不同的动作模式。研究表明,采用表面肌电信号实现对多自由度假肢控制的方式仿生性好,而且患者操作方便,是一个较理想的控制方案。对于利用表面肌电信号控制假手的动作,表面肌电信号的特征提取以及模式分类是十分关键的。　　 本文主要内容如下:　　 (1)系统介绍了肌电信号模式识别方法的背景及理论。　　 (2)肌电信号的特征提取利用小波多分辨率分析方法。　　 (3)肌电信号分类器选用具有非线性且泛化能力较强的BP神经网络。　　 (4)文中系统介绍群体智能优化算法中的粒子群算法的起源、原理、数学描述及在分类器优化中的使用。　　 (5)针对BP神经网络的易陷入局部极小,收敛速度慢的缺陷,采用粒子群优化算法对其进行优化。文中采用标准的PSO算法、学习因子同步减少的PSO(SSCPSO)算法、含动态的加速常数的PSO(CPSO)算法和带收缩因子的PSO(KPSO)算法分别对BP神经网络进行优化,然后测试优化后的网络。结果显示优化后的网络在网络适应度上取得了很好的效果,取得了较理想的测试结果。文中提出一种容错度较强的测试方法,有利于提高生理信号的分类精度,可直接为肌电假肢驱动提供触发信号。　　 (6)通过理论与实践相结合的分析比较,我们把本文提出的肌电模式识别算法嵌入基于DSP的实时小型硬件平台,为肌电控制应用奠定基础。简要介绍了以上算法的DSP实现。为肌电假肢实用化提供理论基础。