肢体残疾者渴望拥有像正常人一样能按自身意愿支配的肢体，而仿生假手正是在此背景下应运而生，可以通过检测人体的各种特征，如肌电信号(electromyography，EMG)等信号源控制假手的动作。高性能多自由度仿生假手已经成为康复医学工程研究领域的热点课题，对提高肢体残疾人士的生活质量以及促进残疾人康复事业的发展意义重大。　　 肌电信号是一种由神经肌肉活动所产生的生物电信号，其中蕴含了很多与肢体运动相关联的信息，是肌肉的生物电活动在皮肤表面处时间和空间上的综合结果，现已广泛的应用于生物医学工程的各个领域。脑电信号(electroencephalogram，EEG)是一种非常微弱的非平稳信号，包含了大量脑神经细胞的电生理活动信息，体现了人的思维活动与肢体动作行为，因此将脑电信号作为仿生假手的控制信号也是一种可行的方案。目前国内已有许多正在进行单独基于肌电或者脑电信号的研究，但将两者结合起来，将脑电和肌电信号有效融合，进而对假手进行仿生控制的研究还有待开展。本论文从运动意识与手部动作的一致性出发，尝试将肌电信号和脑电信号相结合，并用支持向量机(support vector machine，SVM)和D-S证据推理(Dempster-Shafer Inference)的方法进行信息融合，以控制多自由度仿生假手的腕内旋、腕外旋、伸腕、屈腕、展拳和握拳六个动作，有望为仿生假手提供一种新的控制方法。　　 本文在国家自然科学基金项目(60874102)的支持下，对肌电和脑电信号的采集和预处理方法、特征提取、模式识别以及最终的决策层信息融合等多个方面展开了理论研究与实践。本文主要完成了以下研究工作，并取得了部分创新成果：　　 (1)从肌电信号和脑电信号的产生机理出发，分别概括了其信号特性和采集过程中所遇到的各种干扰。针对肌电和脑电信号微弱、背景噪声强的特点，介绍了用小波分解重构方法对采集的信号进行消噪处理。　　 (2)介绍了脑电信号的特点和分类，以及采集过程中脑电极的导联方法。针对独立源产生的伪迹噪声，无法用小波消噪的方法滤除，因此本文提出了一种基于熵估计的RADICAL盲源分离算法应用于脑电信号的伪迹处理，实验结果表明，该方法能有效的消除脑电信号中所夹杂的眼电伪迹。为后续脑电信号的特征提取创造了良好的条件，提高了识别率。　　 (3)考虑到肌电和脑电信号的非平稳性，研究了肌电信号和脑电信号的基本尺度熵和排列组合熵的特征提取方法，并分别给出了相关算法。针对腕内旋、腕外旋、伸腕、屈腕、展拳和握拳六种待识别的动作模式，采集尺侧腕伸肌和尺侧腕屈肌两路肌电信号以及C3、C4、P3和P4四路脑电信号。肌电信号采用基本尺度熵提取特征值，得到一个肌电信号的二维特征向量；脑电信号采用排列组合熵提取特征值，得到一个脑电信号的四维特征向量。以基本尺度熵和排列组合熵得到的特征向量能较好的表达各待识别动作的特征。　　 (4)主要研究了基于支持向量机和D-S证据推理融合方法，使支持向量机的输出符合D-S证据推理的基本概率分配(basic probability assignment，BPA)，最终实现脑电与肌电信号在决策层融合的多自由度手部动作分类。实验结果表明，本文所采用的信息融合方法能够有效地提高手部动作分类的识别率，六种待识别动作模式的成功分类达到87％以上，在实际控制中，对区分可信度低的类别拒绝做出决策，使之相比只采用单一肌电信号或脑电信号作为仿生假手控制源信号的分类方法，识别率和假手控制的安全性均有了一定提高。