人体上肢运动是在中枢神经系统（Central Nervous System,CNS）的控制下,多块肌肉间相互配合共同作用的结果,表现为运动相关肌肉间的相互耦合现象。在此过程中产生的肌电信号（Electromyography,EMG）包含了丰富的运动控制信息,通过研究多通道EMG间的耦合关系,可以探究CNS的控制机制和运动肌肉的协调配合方式。首先,分析了几种常见的生理电信号的产生机理和适用情况,并基于本文的研究内容与特点选择表面肌电信号（surface Electromyography,s EMG）作为基本研究手段。对基于s EMG的肌间耦合研究及应用现状进行综述,考虑现有肌间耦合分析方法存在的局限,并运用格兰杰因果分析、一致性分析等信号处理方法,建立了多通道肌电信号间的方向性和非线性耦合分析模型。其次,针对多块肌肉间信息交互的因果耦合特性,本文设计合理的腕部屈伸连续运动试验,并采集健康受试者腕部运动相关的s EMG,进一步设计相应的s EMG预处理方法,将处理后的s EMG运用多变量因果分析方法——偏定向相干分析（Partial Directional Coherence,PDC）进行多块肌肉间的因果性耦合分析,结合时域分析结果,筛选得到6对与腕部屈伸运动相关性较强的肌肉对。试验结果表明该方法能够有效分析多通道肌电信号间的因果信息传递关系。再次,针对肌间信息交互的方向耦合特性,同时为了进一步挖掘腕部肌肉群间的方向信息传递及其时频尺度上的变化关系,提出了时变偏定向相干分析（Time Varying-PDC,TV-PDC）方法。在时域尺度上对多通道肌电信号进行同步加窗并采用短时傅里叶（Short Time Fourier Transform,STFT）变换,运用PDC分析方法进行腕部屈伸连续动作下的s EMG特性研究,用以实现不同时频尺度上的肌间信息交互分析。分析结果表明该方法能够描述肌肉间的方向耦合特性随时间的变化规律。再次,针对肌间信息交互的非线性耦合特性,基于一致性分析理论,提出了时变N:M一致性分析方法（Time Varying-NMC,TV-NMC）,并运用到腕部屈伸运动相关肌肉对的s EMG分析中。首先对不同肌肉对在不同频率比下的非线性耦合特性进行对比分析,其次对时域s EMG加窗,经过STFT后进行N:M一致性计算,以实现不同时频尺度上两信号间的非线性信息交互分析。结果表明该方法能够有效描述肌间不同频率比下的非线性耦合特性随时间的变化关系。最后,将本文研究的多通道肌间耦合特性分析方法应用到脑卒中患者患侧腕部屈伸运动的肌电信号中,并与上述健康受试者的结果进行对比分析。结果表明,脑卒中患者患侧的肌间耦合强度与健康人相比明显偏低,且存在不同程度的耦合缺失,分析结果从不同角度刻画了患者的运动功能状态,进而在理论层面探索脑卒中患者的运动障碍控制机理,进一步说明了本文提出的多通道肌间耦合方法的有效性,同时为患者康复功能状态评估提供可参考的价值。