基于生物电信号的人机交互系统通过神经信号解码技术在人与智能设备之间建立了一种方便、自然、鲁棒的交互方式。为了比肩和超过鼠标、键盘、操作杆等传统交互方式,新式人机交互系统首先必须既保证输入指令的数量,又保证指令识别的准确率。表面肌电信号(sEMG)能够实时反映被试的肌肉状态和运动趋势,加速度信号(ACC)能够精确反映被试运动的方向、速度和位移,都是理想的输入信号。本文首先利用sEMG信号实现了17类手腕和手指动作的分类,其次结合加速度信号,实现了对3种由手臂、手腕和手指动作组成的组合动作的识别。包含6种手腕动作和11种手指动作的手部动作分类实验依靠6通道sEMG信号为输入,选用25-450Hz的ChebyshevⅡ型带通滤波器,通过滑窗计算信号的9类时域特征,利用PCA降维算法和lib-SVM分类器,结合10重交叉验证,实现了准确率超过95%的分类效果。包含16种手臂运动的分类实验依靠2个3轴加速度计为输入,选用20Hz的ChebyshevⅡ型低通滤波器,通过滑窗计算均值,实现了平均96.13%的分类准确率。3种组合动作识别实验中,本文首先利用过零点数以100%的准确率判断出每个运动原子属于手臂运动或手部动作,其次以平均80%的准确率实现了每个运动原子的动作种类识别。