基于表面肌电的肌力估计和疲劳分析在体育运动、康复医疗及人机交互等领域有广泛应用和重大价值。现有的肌力估计模型很少能在不同疲劳阶段下实现连续肌力估计,一般通过充足的休息避免了肌肉疲劳。然而肌肉疲劳难以避免,会导致非线性的肌电-肌力关系产生动态变化,使得估计肌力更为困难。针对上述问题,本文主动引入疲劳因素,开展基于肌电特征的疲劳分析,多种疲劳程度下的连续肌力估计模型设计等工作,主要研究内容如下:1.实现了肌电信号的疲劳特征提取与分析。首先设计了包含不同疲劳程度的肱桡肌恒力脉冲疲劳实验,提取了时域11种、频域6种以及非高斯2种共19种肌电特征。定性分析了19种特征随疲劳的变化趋势,计算了各个特征的R~2系数、Pearson系数及非线性灵敏度SVR,综合定性与定量分析,最终选取了表征不同疲劳程度效果较好的11种特征用于肌电-肌力模型的建立。2.设计与实现了基于拉盖尔-沃尔泰拉网络（LVN）的新型肌电-肌力模型。本文首次将LVN引入肌力估计领域,并实现了经典的多项式拟合（POL）、先进的快速正交搜索（FOS）、并行级联识别（PCI）及拉盖尔（LET）模型。对比分析了LVN与LET模型,结果说明LET在疲劳变化影响下精度明显下降,而LVN模型受疲劳变化影响小,能更好地捕捉到不同疲劳阶段下动态变化的肌电-肌力关系,从而实现了更高精度的肌力估计。3.设计与实现了融合多疲劳特征的局部稀疏LVN模型（LVN＿p S）。由于单输入LVN肌电-肌力模型在肌肉疲劳变化下仍有肌力估计精度下降的情况,本文提出了一种新型的双输入LVN模型,融合前期提取的11种肌电疲劳特征,与肌电标准差均值共同估计肌力。利用增加了全局更新的连续域蚁群算法进行模型参数训练,同时训练各肌电疲劳特征的权重,并引入局部稀疏惩罚项,对除MDF和MPF外9个特征的权重进行局部惩罚,使得各疲劳特征对模型的指导权重可根据个体差异自适应调整。设计了肱桡肌与掌长肌的上升力疲劳实验,对比了LVN＿p S与POL、FOS、PCI及LET等模型,结果显示LVN＿p S不仅可以在疲劳程度连续递增的不同阶段下实现更高精度的肌力估计,并且适应于不同肌肉以及不同发力模式。本文提出的模型可以更敏锐地捕捉疲劳影响的肌电-肌力关系,为肌力估计领域引入了新的方法,提供了一种考虑疲劳影响的思路。