随着我国人口老龄化问题的加剧,偏瘫患者不断增加。传统的康复方法是由康复医师带动患者受损肢体进行运动,帮助患者受损肢体肌肉逐渐恢复肌肉力,这种方式效率较低且对康复医师的体力消耗较大。为解决这一问题,人们开始研究下肢外骨骼机器人、主动矫形器等康复辅助器具。患者根据自己的运动意图控制外骨骼,可以更好地调动患者训练的积极性,提高康复效率。表面肌电信号是人体在运动时神经肌肉产生的电信号在皮肤表面叠加形成的,表面肌电信号的产生比人体肌肉收缩提前约100ms,与人体肌肉力的产生直接相关,可以提前反应出人体的运动意图,常被用于智能外骨骼的人机交互接口。目前人们对肌电信号的应用主要集中在运动模式识别,较少应用在下肢关节连续运动估计。本文主要针对下肢关节连续运动估计进行研究,研究内容包括以下几个方面:（1）分析下肢肌肉群的位置及其在关节运动中的作用,选择方便采集且与关节角度变化相关性较高的肌肉群。同时分析了表面肌电信号产生的过程以及表面肌电信号与肌肉力的生物学关系。（2）采集了受试者在运动过程中腿部表面肌电信号与相关关节角度的变化值,对采集到的表面肌电信号进行巴特沃兹滤波去噪和小波去噪,比较两种降噪方式的优缺点,最后提取降噪后表面肌电信号的时域特征、频域特征作为系统的输入向量。（3）通过GA-BP神经网络和极限学习机建立表面肌电信号与关节角度变化的映射关系,并通过均方根误差、相关性系数和算法的实时性比较分析了两种算法的优缺点。（4）根据人体下肢运动的特性对输出结果进行限幅滤波处理,进一步提高了模型的精度,并分析了当患者某块肌肉不能产生表面肌电信号的情况下模型的精度,证明极限学习机模型在表面肌电信号预测关节角度变化中具有较好的鲁棒性。本文系统的研究了基于表面肌电信号的下肢关节角度连续运动估计,完成了腿部表面肌电信号的采集、滤波处理、特征提取和相关关节角度估计。通过对极限学习机预测结果进行限幅滤波处理进一步提高了模型的预测精度,可以很好的实现下肢关节角度的预测。