表面肌电信号是一种从人体骨骼肌表面通过电极记录下来的神经、肌肉活动时发放的生物电信号,它能在非损伤状态下实时反映神经和肌肉的功能状态。如何从表面肌电中有效的提取特征,实现动作模式的准确识别,是肌电控制假肢实用化进程中的关键问题。为了提高肌电信号动作模式识别的准确率,本文提出采用信息融合技术对肌电信号进行手部动作模式识别,较为深入研究融合过程中遇到的问题及解决方案。首先,本文对肌电信号特征提取和分类方法的研究现状进行了总结,引入信息融合在模式识别中的应用。其次,根据在假肢实时控制中,选择肌电特征参数既要有较大的类间分离度,又要有较低的计算复杂度原则,提取肌电信号的时域统计特征、AR模型参数、小波变换系数矩阵的奇异值,作为各单分类器的输入特征矢量。然后,分别用D-S证据理论和模糊积分理论对多分类器进行决策级融合。在D-S证据理论融合系统中,对于冲突证据采用平均证据修改证据源模型,再利用D-S组合规则组合,数值算例结果表明,当多数证据正确时能有效地处理冲突证据问题。在模糊积分融合系统中,比较了两种计算模糊密度的方法,给出了合理的模糊密度计算方式,解决了采用模糊积分进行肌电信号模式分类决策级融合的关键参数计算问题。最后,比较了D-S证据理论与模糊积分在决策级的融合效果,数值算例结果表明,两种方法融合后分类准确率均优于各单分类器的分类结果;证据理论实现的是“少数服从多数”效果,没有充分考虑各证据的可信性,而模糊积分理论则兼顾了各证据对各动作模式的客观估计和各证据对各动作模式的重要性,为肌电假肢控制提供了新的可行方法。