1.一种基于手臂表面肌电信号的手势识别方法，其特征在于，包括以下步骤：(1)设采样频率为f，采样时间为T，重复多次对肌电信号进行采样，得到M段肌电信号；

(2)计算采集的肌电信号绝对值的均值，计算相邻两段肌电信号绝对值的均值的一阶差分，并将肌电信号绝对值的均值、相邻两段肌电信号绝对值的均值的一阶差分作为肌电信号的特征值，向各特征值分配权值后组成特征向量X；

(3)将特征向量X作为训练样本，采用K-means聚类算法对训练样本进行分类，得到K种手势以及每种手势对应的特征标签yk，k＝1,2,…,K；

(4)以采样频率f、采样时间T采集待识别手势的肌电信号，将采集到的肌电信号的绝度值的均值、相邻两端肌电信号绝对值的均值的一阶差分作为特征值，向各特征值分配权值后组成特征向量X’；

(5)分别求特征向量X’与k个特征标签yk的相似度数据；

(6)舍弃k个相似度数据中大于预设阈值的相似度数据，根据保留的相似度数据进行手势识别。

2.根据权利要求1所述基于手臂表面肌电信号的手势识别方法，其特征在于：在步骤(2)中，采用下式计算肌电信号绝对值的均值：上式中，MAV(j)为采集的第j段肌电信号的绝对值的均值，Sj(t)为采集的第j段肌电信号的第t个采样值的绝对值，N为Sj(t)的长度，N＝f·T；

采用下式计算相邻两端肌电信号绝对值的均值的一阶差分：R(i)＝MAV(i+1)-MAV(i),i＝1,2,…,M-1上式中，R(i)为第i+1段肌电信号与第i段肌电信号绝对值的均值的一阶差分；

则特征向量X＝[μMAV(1) μMAV(2)...μMAV(M) τR(1) τR(2)...τR(M-1)]，μ、τ为权值。

3.根据权利要求1所述基于手臂表面肌电信号的手势识别方法，其特征在于：在步骤(5)中，计算特征向量X’与k个特征标签yk的误差向量，将误差向量的2范数的平方值作为X’与yk的相似度数据：φ(k)＝X′-yk

Z(k)＝(||φ(k)||2)2

上式中，φ(k)是误差向量，Z(k)是相似度数据。

4.根据权利要求3所述基于手臂表面肌电信号的手势识别方法，其特征在于：在步骤(6)中，在保留的相似度数据中找出最小的相似度数据Z(k)，则该最小相似度数据对应的特征标签yk所代表的手势即为识别结果。

5.根据权利要求2所述基于手臂表面肌电信号的手势识别方法，其特征在于：特征向量X的权值μ、τ满足：μ+τ＝1。

6.根据权利要求5所述基于手臂表面肌电信号的手势识别方法，其特征在于：对特征向量X的权值μ、τ反复迭代优化，具体过程如下：(a)设μ的初始区间为(0,1)，且在区间内设置μ的两个选值μ1、μ2，且μ1＞μ2；

(b)分别计算μ1下的相似度数据 和μ2下的相似度数据(c)若 则μ1为较优值，则将μ的区间缩小为(μ2,1)；若 则μ2为较优值，则将μ的区间缩小为(0,μ1)；

(d)在步骤(c)中确定的μ的区间内，重新设置μ1、μ2的值，重复步骤(b)-(d)。

7.根据权利要求6所述基于手臂表面肌电信号的手势识别方法，其特征在于：在设置权值μ的两个选值μ1、μ2时，将μ1设置为μ的区间的黄金分割点值。