中文摘要：

本研究通过将表面肌电信号（sEMG）分解为运动单元动作电位序列（MUAPTs）,来研究神经-肌肉系统中运动单元（MU）的募集与发放模式.针对高收缩力情况下MUAP叠加问题,首先采用FastICA算法和小波包去噪算法对信号进行预处理;然后基于先验知识构建了4种形态的可伸缩MUAP模板;最后,采用“先大后小”的渐进识别方式,逐个对MUAP进行自动提取.在此基础上,还将该算法应用于8名受试者（3组/人）不同手指活动模式下的指浅屈肌多通道（12通道）sEMG分解;单通道分解结果显示,高力量水平下sEMG中的主体MUAPTs能够被有效检测和分类;统计结果证实,随着力量水平的增加,MUAP的数目增加;不同大小MUAP比重的变化与活动手指和力量水平具有显著的相关性.本文的实验结果,初步验证了利用先验模板从sEMG中渐进提取MUAP的可行性,为sEMG分解和进一步研究MU发放规律提供于一种新的思路.