上肢运动功能评价的准确性和可靠性在康复领域方面倍受专家学者的关注。本文利用现有的肌电采集技术,对表面肌电信号进行分析,定量进行运动功能评价,研究上肢在不同握力与耦合关系以及3维力的产生过程中的肌间协同与耦合关系。前者为肌间耦合关系提供新思路,后者将肌间协同与耦合相结合,不仅可以对中枢神经系统的控制方式进行验证,而且发现了肌间协同与耦合内在关联。进一步对比分析中风患者与健康人协同模块和协同肌肉耦合性的差异,将前面分析出的协同-耦合特征与患者的Fugl-Meyer评分结果相结合,对中风患者的运动功能评价提供新的方向。本课题主要研究内容如下:(1)提出基于非负矩阵分解和复杂网络的肌间耦合分析方法。将非负矩阵分解方法引入到肌间耦合分析的频段提取中,有效提取运动控制的主要作用频段及对应的耦合性信息,并构建不同条件下的肌肉网络,利用复杂网络的特征对肌肉的耦合性进行整体的评估。将该方法应用于健康人上肢不同握力下多通道表面肌电信号的耦合分析中,研究发现不同握力下肌肉的激活程度存在显著性差异;肌间耦合在10～20Hz频段上较为显著;且在10～20Hz频段上耦合程度随着握力的增加呈现显著性变化。(2)提出基于肌间协同-耦合分析方法,前者从自由度角度利用非负矩阵分解提取了具有协同关系的运动模块,后者定量分析协同肌肉对和非协同肌肉对的耦合关系。分别从中枢神经控制运动模式和神经信息传递两个方面的有效结合对运动功能评价进行了有效的定量分析。利用该算法对3维空间中力的产生动作下表面肌电信号进行分析,研究发现随着力量的增大协同肌肉对之间均表现出显著耦合关系,并且耦合性显著增强;三维八个子空间内,各个协同肌肉对耦合性不存在显著性差异,较好的匹配了肌肉协同控制的模型。(3)利用前文提出的肌间协同-耦合分析方法对中风患者在3维空间中力的产生实验下采集的表面肌电信号进行分析。并将其协同模块和协同肌肉对的耦合性与健康受试者的结果进行对比,提取协同肌肉对的显著性面积指标与Fugl-Meyer评分进行皮尔森相关系数分析。研究表明中风患者在协同模块中的ADD模块有显著变化,以及协同肌肉均存在较高耦合性,并且alpha、beta、gamma三个频段内显著性面积指标与运动功能评分成正比。