人的手势可以表达非常多的含义,通过计算机识别手势中的控制信息后便可以执行相应命令,从而达到自然的人机交互目的。表面肌电信号(sEMG)是一种肌肉收缩时产生的生物电信号,该信号中含有动作发出者的主观意图等信息。与传统的手势识别相比,基于表面肌电信号的手势识别具有便利性、非环境敏感等优点;同时由于表面肌电信号自身的一些特点,使得对其的采集、处理、传输等存在挑战。本文开展面向可穿戴应用的表面肌电信号处理和手势识别方法研究工作。首先,针对穿戴日常应用中采集到的大量含噪信号,基于最小二乘法、IIR数据滤波和六层小波等方法进行信号预处理,有效应对原始信号中存在的基线漂移、工频干扰和抖动等问题,实现高质量的信号包络提取;其次,针对可穿戴手势识别的实时性和低功耗需求,提出了一种基于离散值的手势识别方法,实现高准确率的手势识别;最后,鉴于市场上现有的肌电采集臂带在数据开放性方便存在的不足,自行研制了一款实验用途的肌电采集臂带用于上述方法的评估和测试。主要工作如下:(1)在信号预处理部分,本文采用最小二乘法对基线漂移进行处理;采用截止频率为20Hz的Chebyshev Type I型IIR高通滤波器对信号运动伪迹进行处理;采用陷波频率为50Hz的二阶IIR型数字陷波器对工频干扰进行处理;采用六层的小波分解与重构方法对包络线信号进行平滑消抖。实验表明上述信号预处理方法能够提升30%手势识别准确率。(2)在手势识别部分,本文提出了一种基于离散值的手势识别方法。针对多通道采集的手臂典型位置肌电信号,首先将原始肌电信号预处理并进行活动段分割;然后按照本文提出的方式将每一通道的数据进行离散化;最后,将所有通道得到的离散值与训练中的模式进行匹配来进行手势识别。所设计的手势阈值实验和通道数实验结果表明,该算法能够有效的识别预定的六种手势。(3)在实验系统研制方面,本文根据需求改进了一款肌电臂带。从臂带结构、硬件系统、上位机三个方面详细介绍整个臂带系统,臂带结构根据人体前臂肌肉分布而设计,硬件系统则在现有的基础上改进而成。通过该肌电臂带实验装置,可以不受限制的进行手臂采集位置的调节和肌电信号采集,能够完善的支持本文所提出的各种采集方法和算法的评估以及测试。(4)基于该肌电臂带实验装置,本文开展了肌电采集实验,对比了三种电极放置方案,通过三种放置方案的特征采集来验证本文提出臂带结构的有效性。实验结果表明,基于离散值的手势识别算法能达到较高识别准确率且快速,并且本文设计的臂带结构有利于表面肌电信号特征的提取。