随着神经康复领域的发展,生物电信号分析及生物反馈技术被引入到康复运动中。由于表面肌电信号(surface Electromyographic,s EMG)能够反映人体运动意图及直接体现肌肉疲劳程度,且具有无创测量、获取方便、扰动噪声相对较小等优点,已被广泛应用。其中,肌电特征的有效获取是分析肌电信号的核心内容。本文运用集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)、信息熵和肌间一致性分析方法对s EMG特征提取方法进行研究,并且在运动意图识别和疲劳估计中进行应用研究。论文主要工作如下:首先,设计表面肌电信号采集系统;并完成了实验数据的采集,根据s EMG的特点设计有效的预处理方法。其次,基于s EMG的产生机理及特点,对肌电信号的基本分析方法做了阐述;通过对上肢不同弯曲角度下实测的表面肌电信号分析,比较它们的优劣及性能。再次,提出EEMD能量熵特征提取方法来识别上肢不同屈伸角度;得出EEMD能量熵敏感性高于其它一些指标,且均方误差较小;同时将EEMD能量熵、EMD能量熵等指标送入支持向量机进行模式分类,对比研究本文特征提取方法的有效性。最后,构建基于EEMD的希尔伯特谱分析(EEMD-HHT)和肌间相干性模型,从不同层面分析肌电信号特征,并对运动过程中的肌肉疲劳特性进行估计。基于EEMD-HHT方法提取单块肌肉s EMG的平均瞬时频率;引入相干分析并计算相干显著面积指标定量描述多块肌肉间的耦合特性;在此基础上,基于测试数据分析研究运动过程中s EMG平均瞬时频率与肌间耦合性特征间的关联规律,为肌肉疲劳分析提供一种综合评估方法。