传统人机接口存在各自的一些局限,导致假肢的临床应用一直不能得到有效的推广。而超声图像具有极高的时间空间分辨率,能够提供肌肉形态特征在内的多种信息。本文引入了一种新型的基于B超的人机接口,按照传统人机接口的研究路线,分别验证了其离线以及在线手势识别性能,并且进一步研究了其鲁棒性。首先,针对超声接口离线解码性能的验证,本文设计了超声与表面肌电的对比实验。实验结果表明在离散手部动作的识别中,超声的准确率(95.9%)明显高于肌电(90.1%)。在单指角度预测中,超声的表现同样显著的优于肌电。这证实了超声人机接口的离线性能与现有肌电人机接口相比具有很强的优越性。然后,为了探究超声接口的在线性能,本文搭建了基于B型超声人机接口的在线手势识别平台。在使用灰度共生矩阵特征的情况下,在线实验结果表明,10类手部动作的平均在线动作选择时间为0.24s,完成时间为1.27s,完成率为97.2%,实时正确率为94.6%。这证明了超声接口具有极佳的在线性能。最后,本文进一步研究了B超人机接口手势识别的鲁棒性。针对超声接口在长时使用过程中的探头偏移等问题,提出采用图像相关分析进行探头定位,Bag of features(BOF)模型提取鲁棒特征,结合分类器自更新的处理方法。相关实验结果表明,该方法对6类动作在6天时间内的平均识别率达到了97.6%,证明了所提方案具有很强的鲁棒性。此外,还通过实验讨论了所提特征在不同肌肉力等级以及不同疲劳程度下的鲁棒性。实验结果表明肌肉疲劳几乎不影响识别结果,而不同力等级会让识别准确率有所下降,但是在综合情况下所提方案的识别率也稳定在90%以上。以上所有证明了基于B型超声人机接口的可行性以及本文所提方案的有效性。