肌电控制实现了上肢截肢患者通过大脑指挥假肢手运动的仿生功能。目前绝大多数多自由度肌电假肢只具有抓取模式的肌电控制；而残疾人更期望自主控制假肢手抓取动作的同时,能够主动调节相应抓取力的大小。针对这个现状,进行抓取模式与力的同步肌电解码及肌电控制研究。然而,假肢手使用者若要实施不同的抓取力通常需要残肢端肌肉收缩水平的改变；肌肉收缩水平的变化导致表面肌电信号非平稳性的增强,这样造成了抓取模式识别率的下降。针对上述问题,首先从一般的肌电信号模式识别方法开始研究。以抓取模式区分度及无干扰测试集下识别率为指标,初步选择了肌电信号模式识别的特征及分类器,其中最高的抓取模式识别率为98.06±2.05%。然后,考虑肌肉收缩水平变化的情况,提出一种衡量肌电信号模式识别方法鲁棒性的指标；基于该指标在保证较小训练集的要求下,进一步选择了具有鲁棒性的肌电信号模式识别方法。其次,研究肌电信号力解码问题。分析能够体现抓取力大小的肌电信号特征；在尽量小的训练集前提下,比较“分类法”和“阈值法”两种离散力解码方法。分析结果表明阈值法表现较好而且仅需少量训练样本。结合上述鲁棒性的模式识别方法和阈值判断的力解码方法,提出了抓取模式与力的同步肌电解码方案——以肌电信号倒谱系数、斜率符号变化数组合为特征和以线性判别分析为分类器的模式识别方法；以阈值判断肌电信号绝对值均值等级为基础的离散力解码方法。基于该方案,在小训练集下的一种离线实验结果为：抓取模式解码平均正确率为87.95±5.74%,抓取力解码平均正确率为72.91±9.58%。最后,基于上述抓取模式与力同步肌电解码方案,搭建了假肢手抓取模式与力同步肌电控制实验平台。在线实验结果表明本文提出的抓取模式与力同步肌电解码方案是可行的。在较小训练集和有干扰测试集下,抓取模式解码方法具有鲁棒性,识别率约为80%；但力解码方法的稳定性不高,有待进一步改进肌电信号力解码方法。