脑卒中是一种发病迅速、治疗困难的脑血管疾病。发病后的患者由于脑部出血或缺血,在术后需要经过一定程度的康复训练,才能使运动功能逐渐恢复,并满足生活的要求。脑卒中所带来的核心问题是神经的区域性损伤,虽然医师通过经验能够大致判断神经受损情况,但我国脑卒中患者数量大、发病原因不同、医师数量不足、治疗阶段不一致,无法准确判断患者的神经损伤程度。因此本论文针对由脑卒中导致的运动神经损伤患者,提出了一种基于表面肌电信号的腕部运动神经受损程度评价方法,论文主要内容如下:首先,研究表面肌电信号的产生机理,对表面肌电信号进行特征分析,并对表面肌电信号进行信号建模和模型分析,使用表面肌电采集系统完成受试者的腕部表面肌电信号采集和信号包络提取工作。其次,对表面肌电信号的噪声来源进行分析,探究最为有效的消噪方法和参数。具体是对信号进行小波包降噪处理,并分别从时域、频域和时频域角度选择信号特征提取方法。实验后发现基于小波包分析的信号特征提取在不同动作中的区分度较高,经过小波包系数奇异值、能量值和最大绝对值对比后,采用能量值系数和最大绝对值系数组成的联合特征向量作为表面肌电信号特征向量,以便后续的运动神经损伤程度评价。然后,对不同分期脑卒中患者进行腕部表面肌电信号特征分析。观察不同Brunnstrom运动功能分期患者表面肌电信号,探究Brunnstrom分期与运动神经损伤程度之间的相关性。为了保证腕部运动神经受损程度分类的准确性,本文分别采用BP神经网络和支持向量机方法对特征提取后的特征向量进行训练和预测,建立腕部运动神经受损程度评价模型。最后,为了验证本文提出的腕部运动神经受损程度评价方法在实际测试中的效果,本文通过Lab VIEW对评价模型进行了软件系统的设计与开发,阐述了软件的设计流程与使用方法,使患者可以通过软件进行自主测试,客观了解自身的神经功能阶段。