神经系统是由大量神经元组成的神经网络,高度复杂且具有非线性特征,而表面肌电可以在一定程度上反应神经肌肉功能活动水平。不同于线性分析,表面肌电的非线性特性能够深入神经肌肉核心,为肌电信号特征提取开辟新的道路。论文研究了表面肌电分析反馈仪软件系统的设计和实现,以及对该系统所采集的表面肌电信号进行非线性动力学的分析和应用。论文主要内容为：首先,基于已有硬件平台设计实现了具有表面肌电采集、分析评估、生物反馈刺激功能的交互式软件系统。软件的定制化方案采集和自定义方案采集模块可对所采集肌电信号进行时域、频域、时频域和协同性全面分析；多媒体生物反馈模块可进行声、光、电多形式生物反馈训练。接着,基于已有LZ复杂度算法,提出改进LZ复杂度算法,并对脑卒中病患和健康入的表面肌电信号进行LZ复杂度、样本熵、模糊近似熵的非线性特性分析。最后,基于分形和熵理论对健康人静态疲劳肌电进行非线性特性分析,提出多重分形谱拟合系数,将其结合多重分形谱面积参数定量评估肌肉疲劳。本文通过软件工程技术设计实现了表面肌电分析反馈仪软件系统,经过60例脑卒中患者临床测试表明软件系统评估与反馈训练功能有效。利用非线性分析技术对系统采集的表面肌电进行分析并探讨其可能的生理机制,发现LZ复杂度、改进LZ复杂度和模糊近似熵能很好地区分健康人、患者健患侧肌电(P<0.001)；样本熵与患者下肢Brunnstrom分期等级相关(P<0.05)；多重分形谱拟合系数和谱面积可作为肌肉疲劳衡量指标。非线性指标可能反映激活运动单元数量和运动单元发放频率；且运动单元活动在疲劳过程中趋于有序性和同步化。以上研究在脑卒中患者的诊断和定量评估,肌肉疲劳评价方面有临床应用价值,为进一步探索奠定基础。