表面肌电信号作为一种重要的人体生理电信号可以应用于智能系统,实现对虚拟假肢或智能假肢的控制。目前,在智能仿生假肢研究中,利用肌电信号特征进行动作识别和运动控制是其研究的关键。论文主要围绕表面肌电信号采集与预处理、肌电特征提取与识别、虚拟手臂3D模型设计以及虚拟假肢动作仿真等方面进行了相关研究,主要研究内容如下:1)表面肌电信号采集与预处理。设计了前臂外旋、前臂内旋、握拳、展拳、上切、下切、内翻和外翻8种动作模式,分别采集指伸肌,尺侧腕屈肌,掌长肌,屈指浅肌4块前臂肌肉群活动的表面肌电信号,利用小波变换结合自适应滤波的方法,对实验采集的不同动作对应的表面肌电信号进行预处理,获得纯净的表面肌电信号。2)表面肌电信号特征提取。提取了表面肌电信号的绝对积分平均值、均方根值作为时域特征;提取平均功率频率、中值频率作为频域特特征。采用db3小波进行5层小波分解,分别计算第5层近似系数与第3、4、5层细节系数的均方根值与方差作为表面肌电信号的时频特征,并对手臂不同动作模式对应的表面肌电信号特征的差异性进行统计分析。3)基于表面肌电信号特征的动作识别。首先利用BP神经网络算法,分别采用肌电信号的时域特征、频域特征以及时频特征,进行8种手臂动作的分类识别,获得了89%、77%、91%的平均识别正确率。然后,设计栈式自编码深度学习算法,分别利用表面肌电信号时域特征、频域特征和时频特征,进行手臂动作模式分类,平均分类正确率为95%、91%和96%。结果表明:肌电信号时频特征能够较好体现不同动作模式之间的差异,同时,栈式自编码深度学习算法应用于表面肌电信号特征分类与动作识别要优于BP神经网络算法。4)虚拟手臂3D假肢设计与动作仿真。采用改进的D-H方法建立了连杆机械手臂模型,并对其进行了运动学分析和轨迹规划,利用Matlab软件仿真平台,实现连杆机械手臂执行连续喝水动作的模拟。使用SolidWorks软件设计了虚拟3D假肢模型,并在虚拟现实环境中,通过计算机仿真验证了虚拟3D假肢模型的合理性。最后,将表面肌电特征的动作识别结果,通过计算机网络,借助Java跨平台传输给虚拟假肢,控制虚拟假肢连续执行前臂内旋、内翻、外翻、前臂外旋与前臂内旋90o五个动作,模拟仿真结果表明了识别方法的有效性以及动作执行的完整性和精确性。论文的研究成果能够应用于人工智能、人机交互、仿生机器人、智能假肢等领域,具有科学和应用双重价值。