表面肌電信號（sEMG）是一種不平穩非周期的微弱信號，基于時域和頻域特征提取的 sEMG 信號分類方法識別率低、穩定性差。本文通過對 sEMG 信號能量核特征的建模分析，提出一種利用卷積神經網絡（CNN）對 sEMG 信號能量核相圖進行分類的新架構，來對人體手勢動作進行識別。首先，利用矩陣計數方法將 sEMG 信號能量核相圖處理為灰度圖像；其次，利用移動平均對灰度圖進行預處理；最后，采用 CNN 對手勢 sEMG 信號進行識別。利用手勢 sEMG 信號數據集進行了實驗驗證，結果表明選用 CNN 識別框架的有效性以及 CNN 結合能量核相圖的識別方法相比于能量核面積提取方法，在識別精度和計算效率上具有明顯的優勢。本文算法為 sEMG 信號的建模分析與實時識別問題提供了新的可行方法。