近年来我国残疾人口逐渐增多,尤其是肢体残疾人数上升最为明显,所以研究新一代具有智能化的假手,使假手具有较高的自适应能力,既可提高残疾人的生活质量,又可产生巨大的经济效益和社会效益。表面肌电信号作为一种可靠的控制源,通过对人体表面肌电信号的识别,还可用于肌肉运动、肌肉损伤诊断、康复医疗、体育运动及人机交互等方面,因此,研究人体表面肌电信号的模式识别有着重要的科学价值和实用价值。本文将设计一种基于模糊神经网络的肌电假手采集与识别系统,获取高质量的肌电信号,进行手势动作规划与识别,提高肌电假手识别的准确率。本文首先对国内外肌电假手的发展现状与趋势进行详细的综述,总结出目前主要存在的问题。分析肌电信号产生机理与特点和表面肌电信号在采集过程中受到的几种干扰形式,进而设计肌电信号的采集系统。采集系统包括肌电信号调理电路和采集系统软件两部分,采用EWB仿真软件分别对电极电路的陷波和滤波部分进行仿真测试,验证电路的正确性和调整电容电阻参数。然后对采集到的肌电信号进行预处理,设计一种盲分析的方法对表面肌电信号进行整周期与滑动整周期滤波,并利用相关分析对工频50Hz及其谐波进行降噪处理。采用时域分析方法中的平均绝对值、均方根法、波形长度、方差四种分析方法对六种手部动作进行特征提取,并进行分析比较。本文最后结合模糊推理和神经网络学习调整能力的优点,设计一种动态的模糊神经网络及其算法来对人手动作模式进行学习建模,把提取的肌电信号特征向量送入模糊神经网络分类器中,对手掌后翻、手掌前翻、手掌下翻、手掌上翻、手掌握拳和手掌伸展这六种手部动作进行识别。实验表明模糊神经网络在基于肌电信号的人手多种动作模式识别效果上具有较高的准确率。