通过对采集的四通道表面肌电信号进行分析，对其建立AR（Autoregressive）参数模型，提取AR模型参数构建特征矢量。根据实际表面肌电（SEMG）信号的随机性特征，提出了一种采用Bayes决策理论对肌电信号的AR模型参数特征进行分类的新方法，并运用最小错误率Bayes分类器，很好地实现了对前臂八种动作表面肌电信号的模式分类。平均识别率为99．125％。此外，还提出采用动态聚类中心的方法对其进行了改进，使其平均识别率提高到99．5％。研究表明，采用Bayes分类器对肌电信号的AR模型参数特征进行分类，是一种有效的处理手段，并可直接应用到其它具有随机性特征的生理电信号的模式分类中。