摘要：人-机交互(Human-Computer Interface,HCI)是将人的意图或运动转为机器指令的技术。其中,利用生物电信号来实现人与外部设备之间实时通信的HCI系统可反映人体内部状态和预期行动,已广泛应用于健康监测、医疗诊断、航空航天、假肢和辅助设备的开发等多个领域。研究表明,基于肌电(Electromyography,EMG)的HCI系统稳定性强、实用化程度高,具有广阔的应用场景。其中,舌头运动具有高度的灵活性和可控性,诱发信号强且易于检测,因此通过舌动来控制外部设备的舌-机接口(Tongue-Computer Interface,TCI)具有重要的研究价值。然而现有研究的舌动信号采集方式仍然无法同时满足自然场景下高用户舒适度、精识别准确率和多控制指令集等方面的需求。为此,本研究设计了7种不同的舌头运动方式,分别为舌头“从左到右”、“从右到左”、“向上”、“向下”、“吐舌”、“卷舌”和“说‘talk’”运动,并采用更为便捷、舒适的电极放置方法获取了22名受试者的耳周围舌动EMG信号。本研究通过时、频域特征和共空间模式(Common Spatial Pattern,CSP)算法提取了舌动信号的多维信息,使用支持向量机(Support Vector Machines,SVM)进行了7种舌动模式的有效识别,22名受试者的7类舌动模式平均分类正确率最高可达94.25%±5.23%。本研究验证了舌头运动的耳周围EMG信号的稳定性和可分性,为后续开发高性能TCI系统、拓展HCI的应用场景奠定了基础。