El continuo avance de la tecnología electrónica ha llevado a la integración gradual de dispositivos inteligentes automatizados en varios aspectos de la vida humana. Los sistemas de interacción humano-computadora basados en gestos de movimiento ofrecen información abundante, funcionalidades amigables para el usuario y pistas visuales. Las señales de electromiografía de superficie (sEMG) permiten la decodificación de movimientos musculares, facilitando la realización de funciones de control correspondientes. Considerando la inestabilidad inherente y la naturaleza minúscula de las señales de sEMG, esta tesis propone la integración de un algoritmo de regularización dinámica del tiempo para mejorar la precisión de detección de reconocimiento de gestos y el rendimiento del sistema en tiempo real. La aplicación del algoritmo de alineación temporal dinámica permite la fusión de tres señales de sEMG, lo que permite el cálculo de similitud entre la muestra y el modelo. Este proceso facilita el reconocimiento de gestos y garantiza una comunicación efectiva entre individuos y la prótesis impresa en 3D. Utilizando este algoritmo, se generó el mejor modelo de características al fusionar seis tipos de modelo de clasificación de gestos. Se realizaron un total de 600 experimentos de entrenamiento y evaluación, con cada movimiento reconocido 100 veces. Las pruebas experimentales demuestran que la precisión de reconocimiento de gestos y el control de miembros prostéticos utilizando el algoritmo de regularización dinámica temporal logra un impresionante 93.75%, superando el rendimiento del interruptor de control de umbral tradicional.