残疾人是世界上最大的少数群体,为肢体残疾患者提供灵活可靠的智能假肢,是帮助他们恢复肢体功能的主要途径,不仅能够提高广大截肢者的生活品质和就业机会,也可以大大降低国家、社会及家庭为他们所付出的服务成本。但是,现有的商业化肌电假肢主要是依靠一对残留的屈、伸肌实现一个自由度的动作控制。对于残留肌肉过少的高度截肢者,则需要通过开关切换的方法实现假肢的多自由度控制。但是这种控制方法操控缓慢,动作笨拙,是一种非直觉的控制方法。近些年来,国际学者提出了基于模式识别的肌电假肢控制方法。该方法利用模式识别技术解码使用者动作过程中产生的肌电信号,得到截肢者想要做的肢体动作类型,并根据识别的动作类型操控假肢完成相应的动作。由于该方法能够帮助截肢患者实现假肢的直觉控制,成为了康复工程领域近几十年来的研究前沿和热点。但是目前为止,具有直觉操控的多自由度肌电假肢仍然没有实现临床应用。其主要原因在于:残留肌肉过少,不能为肌电假肢提供足够的控制信号;分类器的性能容易受到电极大小、电极位置、力度大小等因素的影响,导致其稳定性不能满足临床应用的要求。因此,本文针对现有的模式识别肌电假肢控制方法的不足,开展了基于多源神经信息编解码的多功能假肢性能增强方法研究。首先,针对重度截肢患者残留肌肉过少,导致信号源不足的问题,本文提出了基于脑肌电融合的运动识别方法,使分类器的平均运动识别准确率提高了7%以上;并利用通道优化算法,对脑肌电信号采集通道进行组合优化分析,明确了最佳的脑、肌电信号采集位置,为脑肌电融合的运动识别方法的临床应用提供了指导意义。其次,针对传统的肌电模式识别方法容易受到外部干扰信号影响的问题,本文提出了基于特征滤波的模式识别优化方法。设计了不同的特征滤波器,并分析了滤波阶数和滤波器类型对分类器动作识别结果的影响,找到最佳的滤波参数。与传统识别方法相比,基于特征滤波的模式识别优化方法对正常受试者和截肢患者的动作识别准确率分别提高4.7%和4.0%,证明了该方法的有效性。进一步地,本文还探索了力度变化对假肢控制性能的影响,并针对不同的应用环境,提出了基于共空间模式的上肢运动识别方法和基于平均绝对幅值的并行分类器选择策略,有效降低了力度变化对动作识别的影响。最后,针对假肢使用中容易受到非训练动作干扰的问题,本文详细研究了单自由度和多自由度的非训练动作对假肢控制性能的影响,并提出了基于扩大样本集的训练策略。该方法对非训练动作的拒绝率达到80%以上,有效地降低了非训练动作的干扰,提高了假肢控制的稳定性。综上所述,针对目前商业化的假肢手不能满足使用者直觉控制的需求,而现有的基于模式识别的肌电假肢容易受到信号源不足、力度变化等各种主客观因素的影响,稳定性和可靠性不能满足临床应用的要求,本文以应用于康复领域的假肢手为研究载体,以肢体健全者和前臂截肢者为研究对象,开展基于多源神经信息编解码的多功能假肢性能增强方法研究。本文的研究成果将有助于研究和开发先进的假肢控制系统,改善和提高肌电假肢的控制性能,促进多功能、主体直觉操控的假肢系统的实际应用。