肌肉发力方式分为静态恒力收缩和动态非恒力收缩。对于静态恒力收缩,整个收缩过程肌力大小基本保持不变,表面肌电信号可按定长分段来计算相关参数指标。而动态非恒力收缩中肌力大小不断变化,就像生活中动态屈伸肘动作,肌肉动态非恒力收缩疲劳过程中除了受到静态恒力收缩中的影响外还有在动态非恒力收缩中肌肉形状变化、电极位置变化、动作差异变化等,上述变化会影响特征参数变化规律,从而给后续评估肌肉疲劳有效性带来困难。为探索肌肉疲劳状态,本文对肌肉疲劳分析展开研究。首先分析了肌肉动态非恒力收缩方式按时间轴划分法(定长划分表面肌电信号)分析肌电特征值参数对疲劳程度的表征效果。然后提出了一种按收缩区划分法(基于单参数结合单阈值法、基于单参数结合双阈值法、基于双参数结合双阈值法)表征肌肉疲劳效果。该方法的目的是针对传统定长分割表面肌电信号检测肌肉疲劳方法灵敏度较差的性质,提出按肌肉收缩区分割表面肌电信号。其创新之处是充分考虑肌肉动态收缩会影响特征参数变化规律。因此在分割表面肌电信号上不再以时间的长短作为划分依据,而是以动态收缩区的个数作为划分依据。方法是采用参数结合阈值的方法来获取表面肌电信号活动段起点和末点来区分肌肉动态收缩区和静态收缩区。利用肌肉动态收缩区相关特征值的灵敏度波动比(sensitivity to variability ratio,SVR)来表征肌肉疲劳的灵敏度。结果通过仿真证明了按收缩区划分法对疲劳反应灵敏度比按时间轴划分法高,能更好地表征肌肉疲劳状态变化过程。该方法在检测肌肉疲劳上具有将表面肌电信号的细微特征信息放大、便于识别的效果。再者针对上述三种参数结合阈值方法在连续分割表面肌电信号上漏检率较高问题及需要手动设定阈值问题,提出基于积分肌电值结合自适应阈值检测肌肉收缩区表面肌电信号。其创新之处分别是解决子带谱熵值、倒谱值、能量值、过零率、分形维数值等传统参数波形变化波动较大、平滑性较差的问题、解决了传统方法双阈值事先需要手动设定的问题。方法采用积分肌电值结合自适应设定阈值的方法来获取表面肌电信号收缩区的起点和末点。自适应阈值设定以积分肌电值移动窗值的中位数和方差为判断依据。结果通过仿真对比证明了基于积分肌电值结合自适应阈值检测肌肉收缩区研究方法漏检率较低。参数波形平滑性较好,变化规律性较佳、波动性较小。同时,解决了手动设定双阈值的难题,具有自适应性。由于该方法具有自适应性,所以针对不同受试者具有适用性和实用性,区别于传统方法每测一受试者需重新手动设定阈值。最后基于时域与频域和参数模型分析方法完成康复评估系统设计,并进行了试验测试。实验结果证明,该系统具有较好的康复评估效果,进一步提高了应用价值。