我国肢体残疾人口高达2472万，其中肢体缺失与肢体运动功能障碍是最主要的两类肢体残疾类型。借助先进的运动功能神经康复方法和康复系统对肢体残疾患者进行运动功能替代或补偿是帮助其重新获得运动能力的重要工程学手段。实现运动功能神经康复工程方法的关键在于如何利用患者自身的控制信息源。肌电(EMG)信息是可以表征肢体运动模式的一种生物电信号，基于肌电信息对患者的多种运动意图进行识别可以实现多功能假肢直觉、自然的仿生运动控制，并有望应用于肢体运动功能障碍患者的主动康复训练。因此，本文是以肌电模式识别为技术核心、对运动功能神经康复工程学方法的研究。　　本文主要包括四个方面的研究工作:首先，以前臂截肢者为研究对象，就肌电模式识别系统鲁棒性增强方法进行研究;然后，以上臂截肢者为研究对象，就基于有限肌电信息源的运动意图识别方法展开研究;接着，以脑外伤和脑中风后运动功能障碍患者为研究对象，探讨应用肌电模式识别技术检测其多种手部和腕部精细运动意图的可行性;最后，针对肌电模式识别中最优电极数目和放置位置问题提出了一种新方法。本文的具体研究工作和创新点包括:　　1.在肢体位置变化和肌肉收缩力变化情况下，肌电模式识别系统的鲁棒性增强方法。本部分研究采用肌电和肌动图（MMG）两种生物电信号，首次发现截肢侧所受肢体位置变化的影响弱于健侧肢体;所提出的两种模式识别改进方案可以大幅提高模式识别系统的离线动作分类性能和实时动作分类性能。本研究说明了在与肌电假肢应用相关的研究中采用截肢者作为研究对象和开展实时动作分类性能分析的必要性和重要性。　　2.在可利用肌电信息源有限的情况下，实现多功能假肢多自由度运动控制的方法。借鉴语音识别技术在人机交互系统中的应用，本部分研究提出两种解决方法，一是基于有声语音识别患者的运动意图，二是将语音与肌电信息融合。为提高有声语音识别系统的抗干扰能力，本文设计了基于阈值的二次判别方法，大幅降低了来源于使用者和使用者之外的声学形式的干扰。将肌电信息作为一种动作选择或触发信号融入语音控制，通过招募多名截肢者参与实验研究，说明在可利用肌电信息源有限的情况下，该方法可以显著改善多功能假肢的操控性能。　　3.基于运动功能障碍患者的病理神经信息检测其多种手部和腕部精细运动意图的可行性。本部分研究首先采用高密度肌电电势图对运动功能障碍患者的肌肉收缩与协同活动进行定性地分析，证实患者的肌肉电生理活动发生了病理性的变化。接着，通过采用多种肌电特征进行模式识别分析，证明基于患者的病理性肌电信息检测其多种精细运动意图是可行的。通过对比患侧与健侧肢体的动作分类性能，发现与患侧肢体运动控制能力下降有关的因素可能与导致肌电信号频域特性改变的原因有关，该结论对于深入研究病理神经信息具有一定的启示意义。　　4.肌电模式识别系统中确定最优电极数目和放置位置的方法。本部分研究提出了一种基于直接变量选择的最优通道选择算法MCCSP，该方法不依赖于特征提取和模式识别算法的选择，可以确定唯一一组最优通道组合，且该算法具有不低于肌电模式识别研究中经典最优通道选择算法的动作分类性能。MCCSP有望成为肌电模式识别应用中一种高效的最优通道选择和电极位置确定方法。　　本论文得到了国家自然科学基金重点项目“周围神经功能重建机理与神经信息解码研究”(＃61135004)、国家自然科学基金面上项目“基于脑电与肌电运动意图识别的脑卒中主动康复训练模式与系统研究”(＃51275101)、国家重点基础研究发展计划“脑机融合感知和认知的计算理论与方法”子课题“感知觉智能增强方法及运动功能重建”(＃2013CB329505)、深圳市基础研究重点项目“基于语音与肌电信息融合的多功能机器人手臂仿生控制研究”(JC201005270295A)和广东省低成本健康创新团队等项目的资助。