表面肌电信号(SEMG)是由多个运动单位兴奋而发放出来的运动单位动作电位序列沿肌纤维传播并经由皮肤，脂肪等容积导体滤波后再表面检测电极处的时间与空间叠加的结果。SEMG的研究不仅具有神经肌肉系统基础研究的理论意义，也具有临床诊断及治疗的应用价值。基于EMD(经验模态分解)的Hilbert-Huang变换(HHT)方法是最新发展起来的处理非线性，非平稳信号的时频分析方法。该方法的核心问题是采用筛选过程来产生IMF分量，分解得到的IMF分量具有完备性与正交性，通过这样的筛选过程，复杂的数据就分解成多个具有一定物理意义的单分量信号的叠加。EMD方法将信号分解为IMF的组合后，就可以通过对每个IMF分量求瞬时频率，从而可以了解该信号内部的频率信息。EMD方法根据信号本身的特征尺度进行分解，具有自适应性的优点，且不需要任何基函数。这种方法已经在不少领域得到了应用，本文尝试将其应用于SEMG信号的分析中，并获得了一些有价值的结果。 本文的主要工作和研究成果有： 1.对HHT方法中存在的“端点效应”问题进行了一些初步的探讨。采用“镜像延拓”法计算瞬时频率，减小了由于数据截断引起的端点振荡失真，并从理论上对该方法进行了阐述和解释。另外，对单频信号完全克服“端点效应”影响的一个充分条件进行了理论推导和实验论证。 2.利用HHT的滤波特性，对SEMG信号进行预处理。针对常规HHT滤波器的不足，提出了一种基于SEMG信号频带分布特性的HHT滤波改进方法。采用HHT变换，可以获得各内禀模态函数(IMF)的瞬时频率变化特性。再根据SEMG信号频带分布的先验知识，设计了一种幅值-频率抑制函数，利用抑制函数对各IMF分量瞬时频率对应的幅值进行修正，从而抑制备分量可能包含的噪声。通过这样的处理后，再将每个修正的IMF分量叠加，得到去噪后的SEMG信号。对于常规的HHT滤波器，一般是直接采用中间若干IMF分量的叠加得到去噪后的信号，但究竟取多少分量，只能凭经验和实验结果试探取舍；而且每个IMF分量可能未必单纯是噪声分量或是信号分量，而可能在不同的时间区间分别属于噪声分量或者信号分量。在这样的情形下，简单对IMF分量取舍不能完全去除噪声信号，或者会将有用信号当成噪声进行消除。本文的方法，可以在一定程度上克服这些不足。 3.提出了基于HHT变换的对SEMG信号中MLJAP数目估计的方法。根据MUAP的脉冲特性，在其出现时的时域波形变化很快，对应的瞬时频率较高的特点，采用HHT方法获得了SEMG信号经EMD分解的IMF分量及其Hilbert谱，利用谱中的时间-频率关系，找到由局部极大瞬时频率对应的SEMG信号中包含MIJAP的发放时刻，从而估计出MIJAP数目。由于局部极大瞬时频率属于SEMG信号中的高频部分，根据EMD将信号由高频到低频自适应分解的特性，实际只要采用第一个IMF分量就可以检测出MUAP的发放了。仿真和真实SEMG信号的实验结果都表明，这种方法是有效的。