上肢运动常常作为运动功能损伤患者的康复训练，而患者在康复过程中容易感到疲劳，致使训练无法进行。运动障碍如脑卒中、帕金森病和肌张力异常，会导致患者在肌肉收缩时皮层肌肉相干性发生不同程度的改变。因此，希望通过研究皮层肌肉功能耦合了解在不同握力大小和疲劳状态下大脑是如何控制肌肉组织，以及肌肉运动对大脑的反馈，解释特定生理状态如疲劳产生的根源，为运动障碍的治疗与功能康复提供理论依据。皮层肌肉功能耦合（Cortical-muscularfunctional coupling）是指大脑皮层和肌肉组织间的相互作用或相干性、时间同步性。本课题通过记录被试者在不同握力大小和疲劳状态下的脑电、肌电和握力信号，探索皮层肌肉相干性和信息传递的频率和空间特征。课题以14位健康被试手抓握物体这一具体功能为研究对象，在25%最大自主收缩握力（Maximum voluntary contraction，MVC）、50%MVC、75%MVC和疲劳4种状态下，从大脑皮层和肌肉组织间的皮层肌肉信号相干性和因果性两个方面研究皮层肌肉功能耦合和信息流动。主要研究包括以下几个方面：(1)探索握力大小对皮层肌肉相干性（Corticomuscular coherence，CMC）的影响。通过记录被试者在不同握力大小和疲劳状态下的脑电、肌电和握力信号，分析在不同握力状态下运动区脑电与上肢肌电信号间相干性的幅值和频率特征，结果发现：握力大小和疲劳状态不会影响相干性的幅值大小，而会明显影响相干性在频谱上的分布。当握力增大时，相干性向beta波段的中低频段压缩，而被试产生疲劳时，相干性向beta波段的高频段和gamma波段移动。(2)提出一种支持向量回归扩展算法（Support vector regression expandedalgorithm，SVRE）。SVRE算法对每次试验的脑电和肌电信号进行相干分析，然后对每个频率下多次试验的相干值进行正态化处理，再用传统支持向量回归（Support vector regression, SVR）对其进行分析，最后对得到的回归结果取平均作为对应频率的CMC。通过模型验证，SVRE可以避免随机干扰对真实信号的影响。SVRE与传统方法相比，最大程度地保留了CMC随频率变化的特征，较传统方法得到的结果更加可靠和全面。(3)为了研究运动过程中大脑皮层和肌肉间的信息传输方向，采用了频谱因果性分析方法。不同于传统时间因果性分析方法，此方法可以反映频谱上信息流的传递特征。结果表明：运动皮层脑电信号对上肢肌电信号在gamma频段（35-50Hz）具有较强的因果性；上肢肌电信号对运动皮层的脑电信号在低频段（3-35Hz）具有较弱的因果性。此外，因果性的频谱特性与肌肉收缩强度和状态无关。总之，皮层肌肉的功能耦合和信息传输主要发生在beta频段和gamma频段，其中肌肉自主收缩状态的不同改变相干性的频谱分布，对因果性影响很小；而因果性的频谱分布及大小主要取决于大脑功能区和信息传输方向的选择。