表面肌电信号是由生物的肌肉缩紧或舒展产生的电位差在皮肤表面叠加而形成的生物电信号,与人体肌肉的活动密切相关,可以用来反映人体的运动状况。由于表面肌电信号中包含丰富的信息并且易于采集,目前基于表面肌电信号对人体进行运动估计的研究已成功应用于外骨骼机器人、假肢控制、人机交互、医疗康复等领域。人体上肢的连续运动估计是通过对采集到的人体上肢肌电信号进行分析计算从而得到上肢各关节的运动角度。本文以人体上肢三个关节腕关节、肘关节以及指关节为研究对象,结合肌肉协同理论,构建了映射人体肌电信号到关节角度的GNMF-SVR模型。具体的研究工作如下:（1）设计了多关节连续运动估计的实验,使用Trigno无线肌电采集系统采集了人体上肢腕关节肘关节和指关节的表面肌电信号,使用Codamotion三维动作捕捉系统采集了三个关节的关节角度信号。为得到对关节角度更准确的估计,使用高通滤波、全波整流、低通滤波等信号处理的方法对采集的原始肌电信号和关节角度信号进行了处理。（2）使用图正则化非负矩阵分解来量化肌肉协同理论,从肌电信号中提取出独立动作的协同元。通过实验比较了图正则化非负矩阵分解和传统的非负矩阵分解在提取协同元方面的差异。（3）使用非负最小二乘法来根据协同元求肌肉的激活系数,比较了LSTM、BP神经网络与支持向量回归三种回归算法对利用肌肉激活系数进行关节角度估计的准确率,并且探究了通道缺失对于模型整体性能的影响。实验结果表明支持向量回归对于测试数据的估计有更好的估计效果,而使用LSTM在不同关节运动速度下的关节角度估计具有更高的稳定性,肱二头肌和腕屈肌通道信号的缺失对于预测对应动作的准确度影响较大。