上肢是人体重要的运动功能器官,在人体日常生活中发挥着重要的作用,由于各种原因导致的肢体残疾以及上肢运动功能障碍,会对患者的日常生活造成极大的影响并由此带来巨大的心理和生理负担。利用表面肌电信号识别运动意图、控制康复系统一直是神经工程和康复工程的关注热点,基于肌电信号特征的运动模式识别是肌电控制的关键环节,目前常见的特征值提取主要包括时域、频域以及时频域等特征分析方法;肌肉协同收缩是神经系统对运动控制的一种基本策略,在国家863项目“基于多源生物信息解码的智能交互控制技术与系统(2015AA042303)”支持下,本文将肌肉协同这种固有运动生理机制融入到传统运动模式识别中,设计了一种基于协同模式特征参数的手势及上肢运动模式分类识别方法,并通过分析研究运动模式对肌电协同特性影响探究其在手势识别中的可行性和鲁棒性,以及上肢伸够运动目标位置与肌电协同模式的内在联系,以改善上肢运动意图的识别效率,从而适应目前肌电假肢灵巧控制策略的发展需求。为了在运动模式识别中充分考虑肢体运动过程中固有的生理机制,本文设计了基于非负矩阵分解(Non-negative Matrix Factorization,NMF)算法提取肌肉协同构建特征矩阵的方法。通过记录健康被试者完成日常生活中常用5种手势动作过程中前臂表面肌电信号(Surface Electromyography,sEMG)数据,6通道表面肌电信号经预处理后提取包络信号,利用NMF分解提取肌肉协同模式并构建特征值矩阵,然后分别基于特征值在特征空间的分布以及相应的识别结果判断分类效果。结果表明:基于肌肉协同构建特征值的方法在特征空间中具有良好的聚类性;通过支持向量机(Support Vector Machines,SVM)以及K均值聚类分类识别结果证明了该方法在手势识别中具有可行性;通过构建特征集被试者人数与识别率之间的关系证明了具有较好的鲁棒性。同时,为了探究基于肌肉协同构建特征值在上肢不同空间位置运动模式中的运动机制,本文设计了空间中9个目标位置的上肢抓取运动实验,一共募集了11名健康的被试者参与实验,采集被试者执行9个空间目标位置实验任务过程中的表面肌电信号数据。通过预处理提取包络信号后经NMF分解算法提取肌肉协同构建特征值矩阵,然后基于方差占比率(Variance Account For,VAF)值与肌肉协同数目变化之间的关系,探究肌肉协同数目变化对于上肢空间运动模式识别的影响。结果表明:位于空间最中心的目标位置与其他位置之间存在更高的相似性,且随着协同元个数的增加,边缘空间位置与中心位置识别率差异更加明显,该结果得到了识别率结果以及有关相关系数计算结果的支持。本课题提出基于NMF算法提取肌肉协同构建特征矩阵的方法与传统运动模式识别相结合,在运动模式识别中考虑机体固有的运动生理机制,得到了较好的识别效果并体现较好鲁棒性,同时探究了上肢在不同空间位置运动过程中的运动机制,为后续肌电假肢及康复系统控制提供了新的技术思路。