در این پایان نامه روش موثری برای دسته بندی سیگنال الکترومایوگرام سطحی به منظور کنترل پروتزهای مایوالکتریک ارائه می کنیم. چون سیگنال الکترومایوگرام سطحی، در دامنه های پائین نیرو ماهیتی غیرگوسی دارد و نویز محیط گوسی فرض می شود، از کورنتروپی برای استخراج ویژگی از این سیگنال استفاده می کنیم؛ زیرا کورنتروپی تنها دربرگیرنده اطلاعات مربوط به مولفه های غیرگوسی است و تخمین آن از نمونه های محدود بسیار ساده است. برای نشان دادن توانمندی کورنتروپی در دسته بندی سیگنال الکترومایوگرام سطحی، از دو پایگاه داده معتبر استفاده شد. پایگاه داده اول، حاوی ثبت های سیگنال الکترومایوگرام گذرا و پایگاه داده دوم، شامل ثبت های سیگنال الکترومایوگرام ماندگار است. در مورد پایگاه داده نخست، از تابع کورنتروپی برای استخراج ویژگی از سیگنال الکترومایوگرام سطحی استفاده شد. سپس از روش انتخاب ترتیبی مستقیم برای کاهش بعد بردار ویژگی و همچنین از طبقه بندی کننده k نزدیک ترین همسایه، برای دسته بندی الگوهای حرکتی دست، استفاده شد. به کارگیری کورنتروپی در بردار ویژگی در مقایسه با کامیولنت در پژوهش پیشین روی همین پایگاه داده، منجر به کاهش بیش از 24 درصد در خطای دسته بندی با محاسبات کمتر می شود. برای طبقه بندی بی درنگ سیگنال الکترومایوگرام سطحی پایگاه داده دوم، از طبقه بندی کننده آنالیز تفکیک خطی استفاده کردیم، زیرا طبقه بندی کننده k نزدیک ترین همسایه، گرچه برای تمایز الگوهای حرکتی توانمند است، اما برای کاربردهای بی درنگ کمی کند است. استفاده از روش پیشنهادی این پایان نامه برای دسته بندی سیگنال الکترومایوگرام ماندگار در مقایسه با بهترین نتایج بدست آمده در پژوهش قبلی روی همین پایگاه داده، بهبودی در حدود 30 درصد را با محاسبات کمتر نتیجه می دهد.