1.一种肌电假肢手势及力度控制方法，其特征在于：该方法包括以下步骤：
S1：采集前臂表面肌电信号；
S2：通过移动窗口，每次将N个肌电信号分别传输到手势识别模型和手指力度识别模型；
S3：通过手势识别模型实现肌电假肢动作控制；
S4：通过手指力度识别模型实现肌电假肢手指力度控制。
2.根据权利要求1所述的一种肌电假肢手势及力度控制方法，其特征在于：所述的肌电信号为残肢前臂多通道表面肌电信号。
3.根据权利要求1所述的一种肌电假肢手势及力度控制方法，其特征在于：在步骤S3中，手势识别模型是通过神经网络训练肌电信号与手势类型之间的非线性映射模型，该模型可根据降维后的数据判别使用者动作意图，经过电机驱动假肢完成相应动作，具体包括：首先进行信号活动段检测，提取生物肌电信号特征信息；其次，对特征信息进行数据降维处理；最后根据降维后的特征信息进行实时动作识别分类，驱动假肢执行相应动作。
4.根据权利要求1所述的一种肌电假肢手势及力度控制方法，其特征在于：在步骤S4中，在手指力度识别模型中，对前臂表面肌电信号原始数据进行归一化处理，利用相关性分析分别选出与各个手指力度线性相关最大的一路表面肌电信号，选用各个手指相应的一路表面肌电信号对肌电假肢的手指力度进行线性控制，驱动假肢各个手指执行相应抓取力度。
5.根据权利要求3所述的一种肌电假肢手势及力度控制方法，其特征在于：对窗口内的数据进行平均绝对值，平均功率，中值频率等数据处理；设定活动段阀值，当输入值超过阀值，便将肌电信号传送到下一步进行特征提取处理，如果输入值小于阀值，将停止传送肌电信号到特征提取处理，肌电假肢手势保持不变。
6.根据权利要求3所述的一种肌电假肢手势及力度控制方法，其特征在于：所述的特征提取包括AR特征提取，移动绝对循环比，小波包系数，以及样本熵等时域频域特征提取方法，采用其中一种或多种，然后将得到的特征值进行数据降维处理。
7.根据权利要求3所述的一种肌电假肢手势及力度控制方法，其特征在于：所述对特征信息进行数据降维处理采用主成分分析法或因子分析法，减小手势识别模型中的输入量，提高后续手势识别效率。