脑卒中是在脑血管病变或血流阻塞基础上发生的局限性或弥漫性脑功能障碍,业已成为成人获得性运动障碍的主要原因。有研究表明,脑卒中患者正是由于上运动神经元受损,运动系统失去高位中枢的控制,导致运动控制和运动感知神经通路部分或完全阻断,从而引起异常的运动模式。如何促进脑卒中患者上肢运动功能康复是目前康复医学界关注的热点和难点。肌间耦合,即运动中枢神经系统控制下不同肌肉间的相互关联和相互作用,能够反映大脑皮层与肌肉之间不同层次的功能联系。因而,开展肌间耦合特性的研究可以探索脑卒中患者运动功能障碍的产生机制,有望为康复训练过程评估提供理论和生理依据,具有十分重要的意义。首先,本文介绍了肌电信号的产生及其特点,综述了肌间耦合分析的研究进展,整理了几个主要的公共肌电数据集,并结合肌间耦合关系比较了不同类型的肌间耦合分析算法。针对现有的肌间耦合分析方法存在的种种局限性,确定了本文的主要研究内容:将统计学中的Copula理论引入到肌间耦合分析中,为理解复杂的肌间耦合现象提供一条新的思路。其次,针对现有的肌间耦合分析方法,如相干性和互信息,只能刻画静态耦合强度,且无法准确计算出线性和非线性耦合强度大小等缺点,提出一种新的时变Copula互信息估计方法,并将其应用于腕屈、腕展运动过程中肱二头肌和肱三头肌记录的表面肌电信号在不同特征频段的耦合分析。实验结果表明,相比静态Copula函数,时变Copula函数对肌间相依结构的拟合优度更高,由时变Copula互信息导出的肌间耦合强度存在频段显著差异,具体表现为:频段越高,肌间耦合强度越低,而静态Copula互信息错误地低估了肌间耦合强度。再次,针对现有的肌间耦合分析方法,如格兰杰因果和传递熵,不足以准确识别出肌间因果信息流向,提出一种新的高斯Copula传递熵估计方法,在此基础上,构建不同频段的肌间因果耦合网络模型,通过网络拓扑参数分析肌间耦合的内在属性。实验结果表明,肌间耦合是双向的,不同肌肉之间在不同频段上的耦合作用情况同中有异,三角肌中束、后束和肱三头肌为肌间耦合网络中的重要节点,享有相似的耦合关系,而肱二头肌较为反常,为肌间耦合网络中的非关键节点,轻度运动功能障碍的脑卒中患者的肌间耦合网络与健康人无明显区别。最后,针对上述肌间耦合分析方法,缺乏对多通道信号之间直接和间接的非线性耦合作用的有效描述,提出一种新的R-Vine Copula互信息和R-Vine Copula条件互信息估计方法,在统一的理论框架下进行肌间耦合特性分析。实验结果表明,表面肌电信号的概率密度函数符合尖峰厚尾分布,相比其他Vine Copula函数,R-Vine Copula函数在刻画肌间相依结构时更加灵活、合理,二元t Copula函数或许是最合适的成对Copula函数,肱三头肌和三角肌中束之间存在较高的耦合强度,而肱二头肌、胸大肌与其他肌肉之间耦合水平较低,受试者之间的肌间耦合情况显著相关。