研究表明,人体表面肌电信号与肌肉和神经的功能状态有着一定的关联,可以作为手部康复机器人的控制信号。本文主要设计了一种多通道表面肌电信号神经接口,并对肌电信号的解码方法进行了研究。首先,介绍了表面肌电信号的产生原理、常用采集方式、数学模型、主要特征以及其在人体动作感知技术上的应用优势。其次,设计了一种多通道表面肌电信号采集系统,其主要包括多通道表面肌电信号采集手环、滤波装置以及基于DSP的模数转换与数据通信。肌电采集手环主要对表面肌电信号进行第一级滤波放大,滤波装置对表面肌电信号进行第二级滤波放大与电压抬升,DSP则对肌电数据进行模数转换,经归一化后发送给上位机。然后,设计了12组手势动作,并对采集到的肌电数据进行预处理以及数据扩增,用以建立原始数据集。同时研究了表面肌电信号的特征提取方法和特征图构建。最后,设计了三种卷积神经网络模型,分别为基于肌电特征图的卷积神经网络、基于通道的多流卷积神经网络、特征图与通道的融合卷积神经网络。三种卷积神经网络结构在12组手势上的解码准确率均有较好的表现,平均识别率可以达到99.57%。特别的,特征图与通道的融合卷积神经网络对各种手势都能进行很好的区分。