表面肌电信号(Surface Electromyography sEMG),是一种电信号,并且在人体的无创肌肉检查时,也是一种非常有效且使用的办法,我们分析研究表面肌电信号的检测和分析方法,而本文主要通过这项已比较完善和成熟的方法,并对其中一些部分加以改进,运用到评估手臂识别不同力度下演奏吉他时候的电信号,从而评估一个人演奏吉他时按和弦的手指力度的标准。本文主要对力度这单一的方面进行深入研究。第一步,先通过采集肌电信号和预处理过程,进一步了解小臂的运动的电信号和发力肌肉群信号之间的联系,也明确本文手臂发力的肌肉群。并对所采集的两通道肌电信号进行了比较分析,选择了合适信号并对其进行了滤波、活动段端点检测等预处理。然后是特征提取与分析。现阶段比较常用的方法有三种,分别是时域法、频域法、时频域法。也了解了它们各自的优缺点,最终选取了时频域中的小波和小波包的奇异值特征,最大值特征,以及能量系数特征几个特征分布,然后对其做了一定样本的统计分析,最终选取出了小波系数奇异值作为特征向量进行下一步的识别分类训练。最后是模式识别与探究。本文选择的是两种比较常用的算法,BP人工神经网络算法和DBN算法进行对比分析,前者,对于四种不同力度下的识别率,1.5N力度的识别率最高达到94.8%,后者达到72.5%,而1.5N的力度下实际按和弦时,符合标准的力度。由于前者识别率高,所以最终选择了BP神经网络的算法。