肌疲劳分析在康复医学、生物力学和体育运动学等领域有着重要的应用价值。在康复医学领域,肌疲劳评估可作为神经肌肉系统相关疾病的辅助诊断手段;在生物力学领域,肌疲劳评估可以优化人体肌肉骨骼模型;在体育运动学领域,肌疲劳评估可帮助运动员提高训练效率并避免肌肉损伤。表面肌电(S urface Electromyography,SEMG)技术以其良好的客观性和无创性,是一种重要的肌疲劳研究手段。人体的运动是由中枢神经系统(Central Nervous System,CNS)协调多块骨骼肌收缩带动关节运动完成。按解剖学结构,某些骨骼肌由多个肌肉肌腱单元(MuscleTendon Unit,MTU)组成,有研究表明,CNS对骨骼肌内部各肌肉肌腱单元的控制是独立的。然而,当前大多数肌疲劳研究将骨骼肌视为一个整体,忽视了肌肉内部各肌肉肌腱单元的功能差异。针对上述问题,本课题以三角肌为主要研究对象,探究骨骼肌内各肌肉肌腱单元在不同收缩任务中的激活特性和疲劳特性,从而探索可能的神经肌肉控制机制。本论文的主要研究内容和取得成果如下:(1)提出了一种基于表面肌电的肌疲劳分析方案。该方案包括信号采集、信号预处理、特征提取和疲劳表征四个部分。特别地,从"敏感性"和"鲁棒性"这两个角度分析了均方根值(RMS)、平均功率频率(MPF)、AR模型系数(ARC1)、样本熵(SE)和Higuchi分数维(HFD)等五个肌电特征参数的肌疲劳表征能力。然后,选择最佳的表面肌电参数进行肌肉肌腱单元的疲劳分析。(2)探索了三角肌的三个头(也即肌肉肌腱单元)在不同负载的静态恒力收缩任务中的激活特性和疲劳特性。设计了三个旨在相对独立地激活三角肌三个头的静态恒力收缩任务;通过肌电信号幅值开展了静态恒力收缩任务下三个头的激活特性分析,发现三角肌的三个头在不同任务中和不同负载下呈现出不同的激活特性,但很难相对独立地激活某个头;通过比较不同肌电参数的疲劳表征性能,发现在静态恒力收缩任务中,HFD参数的疲劳表征性能最好;在基于HFD参数的疲劳分析中发现,静态恒力收缩任务中三个头的疲劳特性与激活特性高度相关,被主要激活的头呈现了更快的疲劳速率,同时,被主要激活的头与没有被主要激活头之间的疲劳速率差异随着负载的增大而增大。(3)探索了三角肌的三个头在不同负载的动态周期收缩任务中的激活特性和疲劳特性。设计了三种动态周期收缩任务用以分别相对独立地激活三角肌的三个头。结合动态情况下信号的非平稳性特点,利用短时傅里叶变换和时变AR模型对MPF和ARC1参数的求解过程进行优化。采用动态任务下的信号处理方案进行分析。研究结果显示,动态任务下HFD仍然是五个肌电参数中的最佳疲劳表征参数;动态任务中,三角肌的三个头呈现出了不同的激活模式和疲劳速率。随着负载的增加,头之间疲劳速率的差异也逐渐变大。然而,与静态恒力任务相比,头的疲劳特性与激活特性之间并没有体现出相关性。(4)讨论了静态恒力收缩任务和动态周期收缩任务中肌肉肌腱单元的激活特性和疲劳特性,对可能存在的神经肌肉控制机制进行了探索。推测CNS的控制策略可看作是独立性与协同性的叠加,CNS将骨骼肌内各肌肉肌腱单元作为运动控制中的基本单位,但各肌肉肌腱单元之间又存在着协同性。