基于表面肌电信号(sEMG)的手势识别技术是人机自然交互领域的重要研究方向。手势识别技术的实现关键在于如何提取sEMG信号的有效特征。提出了一种提取sEMG信号稀疏特征用于多类手势识别的有效方法。该方法以稀疏表示作为特征提取工具，以支持向量机(SVM)作为分类器对多个手势进行识别。首先，采用双阈值法检测分割出手势动作的活动段；其次随机抽取部分运动段样本初始化稀疏表示词典，利用KSVD方法对过完备字典和稀疏系数进行无监督更新;最后，利用SVM对稀疏系数特征向量进行分类以实现对不同手势的识别。通过在公开数据库和自有数据库上进行实验测试，结果表明结合稀疏特征和SVM分类方法可实现16种手势平均识别准确率达到98.4%。

【博客地址：https://blog.csdn.net/u011389706/article/details/97614699】利用Matlab求解肌肉激活度。包含源代码，sEMG数据，最大自主收缩（MVC）时的sEMG数据，运行后可以直接得出肌肉激活度的曲线。

四通道的表面肌电信号，共5组数据，分别为拇指，食指，中指，无名指，小指的运动状态