本研究旨以時間序列(time-series) 理論中之自動迥歸法(Autoregreszive)，建立肌
電訊號的模型，并藉此模型找出自動迥歸系數, 做為訊號之特徵係數, 再藉由圖形識
別技術來鑑別, 以期達到判別手指之動作。
本研究采用非侵入性表面電極取得之肌電訊號, 在最少的電極片數目下, 完成四種手
指動作的判別: 拇指彎曲、中指彎曲、手掌抓合、手掌翻轉。
在自動迴歸模形中求迥歸系數，系以數列性格狀最小平方法(Sequential Lattice L-
east Square， 簡稱SLLS) 不求得肌電訊號的特微微系數。接著再以圖形識別法(Pa-
tternrecognition) 中的腺性鑒別(Lineardiscrimi-nant) 技術得出鑒別決策面的羊
別預函數及加柱向量值，藉此羊別函數完成區別手指動作的目的。
結果顯示，四位受測者中最好的判別成功率達90.2% ，而四位測者其平均成功率達
83.7 %。
在建立肌電訊號的模型後，我們變將自動迥歸系數應用於分析肌肉疲勞現象。在受
測者最大肌肉收縮下達到疲勞現象，初步結果得知可利用動迥歸系數之平均值來監
測疲勞現象。