در این پایان نامه روشی برای تشخیص و طبقه بندی حرکت های فیزیکی افراد ، با استفاده از تکنیک های پردازش سیگنال و شبکه-های عصبی ارائه می شود. ده کلاس حرکتی شامل خم شدن ، کف زدن ، دست دادن ، بغل کردن ، پریدن ، دویدن ، نشستن ، ایستادن ، راه رفتن و دست تکان دادن مورد شبیه سازی قرار دادیم. با استفاده از روش های غیر خطی چهار ویژگی نمای لیاپانوف ، آنتروپی ، بعد همبستگی و بعد فرکتال از داده های emg استخراج کرده ایم و با استفاده از شبکه های عصبی (l-man ) این ویژگی ها طبقه بندی شدند. این سیستم پیشنهادی، کارایی مناسبی در تفکیک حرکت ها داشته و از دقت نسبتاً بالایی نیز(98%) برخوردار است. در ادامه سیستم پیشنهادی ،تحلیل و خصوصیات آن شرح داده شده و تفاوت و مزایای آن با دیگر پژوهش ها وتحقیق های گذشته بیان شده و سپس پاسخ های بدست آمده از تحقیقات نمایش داده و با نمونه های دیگر مقایسه می کنیم،در انتها نیز نتایج این بررسی و راه های پیشنهادی برای بهبود آن ارائه گردیده است. می توان با استفاده از روش های انتقال اطلاعات ، این ویژگی ها را به مکان دیگری انتقال داد و از وضیعت فرد مورد نظر از راه دور مطلع شویم.