随着科学技术的不断发展，人体通信也从一个理论概念转化为实际的产品，充分发挥无线化、网络化、信息化的优势，实现健康全过程的跟踪与服务，人体通信网络是人体生命信息动态监测最直接和最可靠的方法之一，我们可以有效地利用数字医疗新技术去提高人们的健康生活水平。信息科技迅猛发展使得通过力学、电学和医学影像学等学科知识提供精细量化分级的康复评估手段也受到更多的关注。通过这些量化研究手段对骨骼肌运动模型开展深入的研究，这将有助于我们系统地理解肌肉运动功能障碍等疾病。人体的肌肉运动过程具有复杂性和多样性，因而对于运动过程中肌肉功能和特性的研究是一项充满挑战的工作，尤其是如何对于人体内部的某个单块肌肉进行一次获取多种信息并综合处理，在目前看来仍然是一个需要解决的问题。此外，肌肉的构成相当复杂，这促使了通过定量分析来评估骨骼肌功能作用的方法成为当前研究的难点和热点。多模态方法是结合了多种具有不同肌肉活动特性的信号处理方法，将这种方法运用于骨骼肌的研究在医学尤其是康复医学领域中有着极其重要意义，通过对骨骼肌运动功能的定量分析，我们可以辅助医生根据不同患者情况简便准确地制定出不同的康复计划，从而提高患者的康复率，实现低成本健康的最终目标。本论文通过结合国内外现有的人体生物特征信号提取处理方法和模式识别的分类方法，融合两种肌肉运动信号即肌电信号和超声图像，来实现多模态信号模式识别与分类，并运用于评估运动功能障碍患者在进行简单运动过程中肌肉的状态如肌力，从而准确区分出正常肢与患肢的曲线，最终辅助医生结合患者肌肉状态提出有效的康复计划，实现简单高效的诊断与治疗。在本文中为了实现上述要求，我们设计了实际可行的实验方案，在合作医院采集数据，提取运动功能障碍患者的肌电信号与超声信号，并分别针对于不同类型的信号进行预处理；选择合适的信号分析方法，特别是在超声信号处理过程中，提出一种可实时自动跟踪肌肉形态参数如肌肉厚度的跟踪算法，从而获得超声影像的肌肉运动特征曲线；融合两种信号，选取合适的分类器，根据提取的特征进行信号分类和运动估计；根据识别分类情况，再结合患者实际状态，进行患者的肌肉运动状态评估分析，并结合临床试验，验证该方法的可行性。实验结果表明，本文中提出的基于多模态信息的骨骼肌运动计算与评估方法可以实现对患者的肌肉运动功能状态的有效评估，起到临床医疗辅助作用，对于人体肌肉运动的研究具有重要的意义。