骨骼肌是构成人体的重要组织,理解骨骼肌在运动中的作用可以帮助解决不同人群可能存在的肌肉骨骼系统问题。当前,针对骨骼肌系统研究,研究者们提出了多种基于不同传感器的人机接口。然而这些人机接口都存在着各自的不足,超声影像技术作为一种无创、实时和便捷的成像手段,在骨骼肌研究中应用越来越广泛,本文主要关注超声影像技术在骨骼肌运动参数预测方法上的研究。本文首先利用超声设备验证超声人机接口对人体离散手势的识别能力,本文构建了包含有29个离散动作共计15位受试者的数据库,而后对超声数据进行特征提取与模式识别,通过不同的特征与分类器组合来检测超声人机接口对手势识别的能力,结果表明,超声人机接口对29个离散手势的识别率可以达到90%左右。其次,本文用超声设备验证了超声人机接口对人体连续运动的预测能力,传统的预测方法大多通过神经网络或肌骨模型进行,前一种方法不能揭示运动的生理学过程,而后者较为复杂,基于此,本文提出了新的基于超声的预测模型,首先,从超声视频中提取肌肉的解剖学特征:肌肉厚度与肌肉收缩速度,而后,结合肌肉激活模型与肌肉收缩模型等生理学模型,建立肌肉厚度与关节连续运动量的参数方程,最后,为了减小数据噪声的影响,将肌肉厚度与肌肉收缩速度参数作为测量值对参数方程进行校正。形成了闭环的预测模型。该模型能较好的解决上述两种方法的局限性。在提出的模型基础上,本文对关节角度与角速度进行了预测实验,以验证模型的预测能力,最终的结果证明,模型能较好的预测关节的角度(相关系数:0.96,RMSE:0.16)与角速度(相关系数:0.91,RMSE:0.19)。