随着全球老龄化的加剧,行动不便人群占比不断升高。行动能力的缺失不仅给社会、家庭带来负担,而且会削弱这类人群对生活的信心。为增强行动不便人群独立行动能力,下肢外骨骼机器人、主动矫形器、人工神经假肢等运动辅助设备逐渐发展壮大。而传感技术、运动识别技术的发展,使得基于人体运动识别的运动辅助设备更加智能化。表面肌电信号包含丰富的信息,具有较高的信噪比,且与人体关节运动直接相关,特别适合人体运动识别研究。目前主要集中在肌电信号运动模式识别,较少针对下肢连续运动量识别。本文主要研究内容包括以下几个方面:(1)搭建实验环境采集下肢站立摆动腿、坐姿摆动腿、直线行走、站立坐下站立四种不同运动模式下四通道肌电信号以及膝关节角度信号。同时,探讨了不同肌电信号处理方法对肌肉激活度计算的影响,并分析了肌电信号与膝关节运动的相关性。(2)建立了不同肌电信号组合集,利用高阶多项式模型及其改进模型实现了不同肌电信号组合到膝关节角度的映射,辨识了模型参数,分析了不同肌电信号组合、模型选择及其自由度、肌电信号处理方法对四种不同运动模式下膝关节角度估计的影响,并确认了最佳模型自由度及其肌电信号组合。实验结果表明两种高阶多项式模式均对直线行走运动和坐姿摆动腿运动中膝关节角度估计具有较好的效果,但提出的改进高阶多项式模型对这两种运动模式下膝关节角度估计的效果相对更好。同时,实验结果表明与膝关节角度相关性较高的肌电信号并不一定有利于膝关节角度的估计。(3)在确定最佳肌电组合之后,进一步利用神经网络对肌电信号估计膝关节角度的性能进行了分析。对比分析了三类不同输入对膝关节角度估计的影响,提出了分段相关系数分布特性对神经网络估计的局部性能进行评估,并对神经网络隐藏层神经元数量进行了优化,确定了最佳隐藏层神经元数量。结果表明,增加隐藏层神经元数量虽然能在一定程度上减小估计误差,但不一定能改善膝关节角度估计的局部性能。同时,与高阶多项式模型对比,神经网络对四种运动模式下膝关节角度估计的表现与高阶多项式模型相对一致,对直线行走和坐姿摆动腿运动下膝关节角度具有较好的估计性能,但对其它两种运动模式下膝关节角度的估计性能相对较差,但总得来说,神经网络具有更好的性能。另外,综合两类模型来看,两种肌电信号处理方法对膝关节角度估计的性能基本相似。本文的研究对肌电识别系统开发中如何选择评估肌电信号、以及选择模型算法具有重要的参考价值。