骨骼肌是维持人体姿态、实现人体运动的重要生物组织,因此对于肌肉输出力的估计在体育训练、康复工程以及医疗辅助器械领域具有十分重要的意义。肌音信号(MMG)是肌肉收缩时产生的振动信号,可以反映肌肉的力学特性,因此本课题使用肌音信号进行肱三头肌的肌力估计研究。本课题旨在分析MMG与肌力之间的关联关系,并建立一种具有广泛适用性的肱三头肌肌力估计模型。在研究中选用ADXL354三轴加速度计、ZNLBS-VI-30KG拉力传感器以及NI9205数据采集模块实现了对MMG和肌力信号的同步采集,并设计了实验数据采集界面。随后采集了受试者在不同肌力等级下的恒力收缩实验数据,使用线性、二次多项式以及指数三种函数对比分析了MMG特征与肌力之间的关联关系。最后采集了受试者在不同发力模式下的变力收缩实验数据,对比分析了 BP神经网络、极限梯度提升(XGBoost)和二次多项式等三种模型的肌力估计效果,选取出最终的肌力估计模型;并验证了肌力估计模型在不同发力模式下的适用性。结果表明,MMG特征与肌力之间呈现非线性关系(p<0.05);二次多项式模型的肌力估计效果虽然稍差于XGBoost模型,但其在工程应用领域具有巨大优势,因此选择二次多项式作为最终的肌力估计模型;估计肌力与实际肌力之间的拟合程度达到0.9178±0.0354,且肌力估计模型对不同发力模式下的肌力估计具有普适性(p<0.05)。