本文提出了一种使用OPENBCI收集两个手势数据并解码信号以区分手势的实验。用受试者前臂上的三个电极提取信号，并在一个通道中传输。利用巴特沃斯带通滤波器后，我们选择了一种新颖的方法来检测手势动作段。代替使用基于能量计算的移动平均算法，我们开发了一种基于Hilbert变换的算法来找到动态阈值并识别动作段。从每个活动部分提取了四个特征，生成了用于分类的特征向量。在分类过程中，我们基于相对较少的样本对K最近邻（KNN）和支持向量机（SVM）进行了比较。最常见的实验是基于大量数据来追求高度拟合的模型。但是在某些情况下，我们无法获得足够的训练数据，因此必须探索在小样本数据下进行最佳分类的最