有关报告显示,近年来我国的老龄化程度越来越高,同时全国的残疾人群也非常庞大。对于部分存在运动障碍的老年人或残疾人士而言,传统的假肢或轮椅等设备并不能够实现他们自主行动的需求。基于肌电信号的脑机接口的出现为上述需求提供了有效的解决途径,无论肢体是否残疾,脑机接口使用者都能够通过“意识”直接控制外部设备。除了能够帮助某些运动障碍人士进行自主行动,基于肌电信号的脑机接口在其它场景也有较多应用。近年来,对于人工神经网络的研究非常热门,然而人工神经网络往往不具备仿生特性。目前,国际上已经把对嗅觉的仿生研究列为重要的研究课题,由Freeman提出的K系列嗅觉模型不仅能够很好的模拟实验中测得的很多电生理信号(包括脑电信号在内),并且具有较好的模式识别能力,因此受到了很多的关注。肌电信号作为一种非线性、非平稳、信噪比很低的高维度信号,对信号处理的要求很高。考虑到肌电信号与脑电信号的特性比较相似,KⅢ模型对肌电信号的模式识别也有着与生俱来的潜力。因此,本文将应用KⅢ模型开展表面肌电信号的模式识别研究,希望能够借助KⅢ模型的仿生生物特性,得到较好的肌电信号模式识别效果,从而为基于肌电信号的脑机接口的发展出一份力。本文的研究工作主要分为2个部分:(1)设计了相关实验,通过自主设计的信号采集装置,采集被试者在无声语音发声时脸部的表面肌电信号,得到由6个汉字组成的数据集。对于采集得到的信号,依次进行了信号切割、信号规整、信号增强,之后对信号了进行时域和频域的特征提取,并进行了特征降维,为后续的模式识别做准备。(2)对KⅢ模型进行了详细的介绍和仿真分析,深入介绍了KⅢ模型的模式识别基础。使用原始肌电信号作为KⅢ模型的输入信号,取得的最佳识别率为60%左右;使用特征向量作为KⅢ模型的输入信号,取得的最佳识别率为75%左右;引入常用的分类器与KⅢ模型结合,从而形成了“KⅢ+X”,代替了原有的“KⅢ+最小欧氏距离法”。其中,“KⅢ+SVM”的平均识别率最高(83.6%)。此外,还证明了 KⅢ模型在整个模式识别流程中的重要性。