先天性肢体发育异常、车祸及恶性肿瘤等因素导致我国残疾人口比例逐年呈上升趋势，上肢残疾人数量占其中很大一部分，肢体的残疾给他们生活带来了很多不便。表面肌电信号(sEMG)是人体运动单元在体表电位的总和，可以反映神经和肌肉的功能状态，以上肢sEMG为信号源实现对机械手的控制，能帮助残疾人更好地回归社会。　　首先，本文搭建了上肢sEMG采集系统。该系统包括信号采集电路、主控电路以及电源电路三部分。信号采集电路采集两通道肌电信号，并将信号放大、滤波以及电平抬升；主控电路以STM32单片机为主控制器，对采集的模拟肌电信号模/数转换，并将数字肌电信号通过串口发送至上位机进行数据处理；电源电路为整个系统提供稳定的供电。　　其次，分别采用BP神经网络和遗传优化的支持向量机两种分类器进行上翻、下翻、腕内收、腕外展和休息五种动作的识别。以两通道肌电信号的绝对值均值之和平均值为阈值判断动作的活动段，提取时域特征的积分肌电值、标准差，频域特征的平均功率频率、中值频率形成8维特征向量，输入到两种分类器分类预测，对比发现BP神经网络在分类准确率和时间上都要优于支持向量机，因此选取BP神经网络作为机械手实时控制的分类器。　　最后，搭建肌电信号训练平台并实现机械手的实时控制。以MATLAB与C＃混合编程方式搭建肌电信号训练平台，通过与SQL Server2008数据库连接实现数据存储，当训练者识别率稳定并且平均识别率高于92％时，导出BP神经网络的权值和阈值。训练完成后，采集系统采集上肢两通道sEMG，STM32控制器直接进行活动段检测和特征提取，利用训练好的权值和阈值分类预测，输出机械手控制命令，实时控制机械手。