表面肌电信号(surface electromyography, sEMG)是在人体发生动作时由骨骼肌产生，并通过肌电信号采集仪器在人体表面测取到的生物电信号，具有提取方便、准确、无创伤的特点，已应用于康复医学、智能机器人等领域。然而表面肌电信号在仿生假手识别的领域仍不够成熟，因此距广泛应用还有一段距离。本文以更加快速灵敏的控制仿生假手为目的，运用经优化的支持向量机对手部动作下的表面肌电信号进行模式识别。主要内容包括：信号采集、预处理、手部动作识别。文中首先分析了仿生假手和表面肌电信号手部动作识别在国内外的研究现状。并对表面肌电信号的生理特性进行了详细的分析，确定了手部动作时手臂上贡献最大的四块肌肉肌群为采集信号时的最优位置，并在对手部动作系统规划后，通过贴片电极与肌电信号采集仪器完成手部常见动作的表面肌电信号提取。在预处理方面，通过小波函数对采集到的信号进行去噪得到更加清晰的分析波形。并基于时域分析法、频域分析法、以及时频域分析法对去噪后的信号进行特征提取，将提取到的数据进行比较，选取通过降维后小波包函数下的方差和能量特征作为特征向量。在模式识别方面，首先选取了两种识别分类器：标准支持向量机，最小二乘支持向量机，将所得特征向量输入到该分类器中，经过分析处理后对表面肌电信号手部动作进行识别。随后通过对比实验，在分析了加入参数寻优的分类器的识别正确率和训练时间后，最终得出基于粒子群参数寻优下的最小二乘支持向量机模式识别在本文的四种手部动作识别过程中，具有较其他参数寻优和分类器模型更高的识别率和更短的运算时间。