伴随着社会的快速发展,脑卒中、关节炎等疾病的患病率日益增长,以及交通事故等意外伤害频发,导致肢体残障的人数逐年上升。针对运动功能障碍患者的传统康复治疗方案一般采用康复医师与患者一对一形式。传统方式的康复治疗不仅增加了康复医师的工作强度,而且患者也需要经常奔波于大型医院,加重了经济负担。同时传统的康复训练过程枯燥、效率低下、治疗效果差,极大的打击了患者对于康复治疗的信心。因此,居家康复、自主康复已经成为时下的热门话题。在自主康复训练过程中研究如何客观合理的制定运动量计划,并且开发出一款价格低廉,应用于家庭的辅助康复训练系统具有重要的社会价值和意义。本文采用实时性强、测量无损伤的表面肌电信号对肌肉进行运动性肌肉疲劳分析,以测定最大运动量。首先,在对sEMG信号的预处理的中,应用小波变换的方式对股外侧肌的sEMG信号进行了去噪,结果显示信号方差明显下降,去噪效果良好。其次,利用肌电疲劳阈,作为肌肉运动达到疲劳的标志,并以肌肉达到疲劳时的运动时长为指标将肌电疲劳阈与判断肌肉疲劳的“金标准”通气阈进行了对比,结果显示肌电疲劳阈所测定的运动时长与通气阈测定的运动时长误差较小,证明了肌电疲劳阈判断肌肉疲劳的有效性。最后,为了更深入的分析肌肉工作在肌电疲劳阈时的特点,对股外侧肌达到肌电疲劳阈时的sEMG信号进行了混沌分析,提取了最大李雅普诺夫指数等混沌特征,结果显示股外侧肌的表面肌电信号达到肌电疲劳阈时具有良好的混沌特性,且此时信号的最大李雅普诺夫指数小于肌肉未达到肌电疲劳阈时的最大李雅普诺夫指数。利用体感传感器Kinect,设计开发了一款将康复训练动作融入体感游戏场景中,且能根据sEMG信号实时分析肌肉运动是否达到疲劳状态并做出提醒的康复训练系统。本文的工作,对应用sEMG信号进行肌肉疲劳分析及体感康复系统设计进行了初探性的研究,为后续实现以sEMG信号为控制量的智能化辅助康复训练系统的研究提供了一定的理论基础与技术支撑。