Numerosos estudios han demostrado que la terapia con espejo puede hacer que la rehabilitación sea más efectiva en la hemiparesia tras un derrame cerebral. Usar electromiografía de superficie (SEMG) para predecir gestos presenta uno de los temas importantes en áreas de investigación relacionadas, como la medicina de rehabilitación, la medicina deportiva, el control protésico, y así sucesivamente. Sin embargo, los métodos actuales de análisis de señales aún no logran lograr un reconocimiento preciso del movimiento multimodal de una manera muy confiable debido a la señal fisiológica débil y la baja relación señal-ruido. En este documento, se estudia un sistema de terapia con espejo basado en el reconocimiento de patrones de señales SEMG de múltiples canales y realidad aumentada móvil. Además, se diseña un método de transformada wavelet para mitigar el ruido. El espectrograma obtenido mediante el análisis de las señales de electromiografía se propone para ser utilizado como una imagen. Se diseñan dos enfoques, que incluyen la Red Neuronal Convolucional (CNN) y la Máquina de Soporte Vectorial (SVM) optimizada en cuadrícula, para clasificar el SEMG de diferentes gestos. La realidad aumentada móvil proporciona un movimiento virtual de la mano en el entorno real para realizar el proceso de terapia con espejo. Los resultados experimentales muestran que la precisión general de SVM es del 93.07%, y la de CNN es de hasta un 97.8%.