表面肌电信号(Surface Electromyography Signal,sEMG)是一种由肌肉活动产生、呈现在肌肤表面的微弱电信号。经研究发现,表面肌电信号在一定程度上能够反映肢体的动作状态。目前,在康复医疗、临床医学和假肢控制等领域,表面肌电信号均得到了深入研究。在利用表面肌电信号控制假肢等设备时,需要预先对信号进行采集和特征分类,信号特征分类的可行性和准确性取决于施教方式。当前施教信号的产生主要通过数字键盘键入和软件设定时间窗两种方式,但是针对上肢残疾的患者,这两种方式都存在各自缺陷,影响特征分类的准确性。本文设计一种眼动施教系统辅助表面肌电信号采集和特征分类。利用TOBII眼动仪和眼动施教板制作眼动施教系统,并应用卡尔曼滤波算法优化施教系统,设计实验验证施教系统的准确性。选用EMG-USB2+肌电信号采集装置,在施教系统的辅助下完成肌电信号采集。设计信号采集方式和手臂动作方式,利用施教信号确定不同动作时的表面肌电信号,并应用小波降噪的方式对肌电信号降噪处理。选取基于小波分析的时频域分析方法提取肌电信号特征,并通过比对小波系数特征分布确定信号特征向量。设计BP神经网络分类器,利用分类器验证施教系统辅助表面肌电信号分类方式的准确性。各章节在Matlab仿真环境下,对眼动信号优化算法、原始肌电信号降噪处理、小波分解系数特征值提取以及BP神经网络分类器进行仿真,应用实验验证施教系统辅助肌电信号分类的分类效果。