表面肌电信号(sEMG)是由肌肉兴奋时所募集的运动单位产生的一个个动作电位序列(Motor Unit Action Potential trains, MUAPT)在皮肤表面叠加而成,是一种非平稳的微弱信号。而肌电信号的分解则是其形成的求逆过程,从分解结果可以获得运动单位的募集发放信息和运动单位动作电位(MUAP)的波形信息,这是提供观察中枢神经系统各运动神经元活动状态的一种途径,由此可以获得神经肌肉疾病患者运动控制机制病理等变化的正确理解和解释。表面肌电信号分解是一项难度较大的研究工作,研究成果对于神经肌肉系统控制的基础研究和神经肌肉疾病的临床诊断具有重要的理论意义和应用价值。表面肌电信号是一种复杂的电信号,对其进行分解是一项难度很大的工作。本文首先进行了表面肌电信号的仿真研究,并在针对插入式肌电信号与表面肌电信号进行广泛调研之后,提出了两种实现表面肌电信号分解的新方法,同时通过对仿真信号和真实信号的实验研究,论证算法的可行性与有效性。另外,利用表面肌电信号对痉挛型脑瘫患儿的运动神经元发放特性进行了研究,旨在为脑瘫患儿的运动障碍评估提供一种量化指标。本文的主要工作和研究成果有：1. sEMG信号的仿真研究。根据表面肌电信号的生理层模型,实现了对表面肌电信号的仿真,用以提供验证肌电信号分解效果的仿真信号。重点讨论了检测电极与肌纤维的相对位置以及肌纤维的传导速度对单纤维动作电位产生的影响,同时提出了一种动态恒力的运动单元募集方案。sEMG信号的仿真根据真实采集方案进行了单电极和差分式电极两种电极方案的仿真,在一定程度上描述了sEMG信号的形成过程。2.针对盲源分离求解欠定混合方程存在的问题,提出将基于稀疏分量分析的欠定盲源分离算法用于肌电信号分解的实现方法。在去噪和稀疏化表面肌电信号的过程中,采用了一种基于遗传算法改进的匹配追踪算法,提高了稀疏化和去噪的效率；采用hough变换法进行混合矩阵估计,并提出一种空间退化方法优化了hough算法,减少了伪轴的产生；在聚类算法中,采用减法聚类实现了对混合矩阵的自动估计。实验结果表明,基于稀疏分量分析的欠定盲源分离方法可以较好的解决低收缩力下表面肌电信号的分解问题。3.提出了基于多维子空间聚类的独立分量分析实现表面肌电信号分解的算法。针对表面肌电信号在中度收缩力下难以估计源信号的难点,通过将多维的表面肌电信号投影在多维子空间中进行降维,获得中度收缩力下的表面肌电信号的局部混合结构,从而估计混合矩阵,并由此获得表面肌电信号源信号的估计值。同时进行仿真信号与真实信号的验证实验。在真实表面肌电信号的实验中,采用双源法进行对比实验。实验结果表明,本文算法对于中度收缩力的表面肌电信号分解具有明显的分解效果。4.提出利用肌电信号运动单位动作电位数目估计的方法研究痉挛型脑瘫患儿神经元的发放特性。小儿脑瘫患者的运动障碍分级和康复评估具有重要的临床价值。本文采用平滑非线性能量算子(SNEO)算法,对痉挛型脑瘫患儿表面肌电信号中的运动单位动作电位(MUAP)数目进行估计,并获得MUAP的平均发放间隔(IPI)。对十四名各不同运动障碍级别脑瘫患者的实验结果显示,其肌电信号MUAP的IPI与他们活动度的级别即运动障碍的程度呈正相关的关系,且具有明显的差异。实验结果表明本文方法的有效性,采用IPI参数能够反映脑瘫患儿的运动障碍程度。本论文研究得到国家自然科学基金项目“基于线性变化力采集和多通道时空信息的表面肌电信号分解”(30870656)的资助。