高阶统计量分析是信号处理的前沿之一。高阶统计量技术能够揭示二阶矩所不能提供的信息，如非高斯性、非线性、非最小相位等重要信息。这些信息在肌电信号的处理中是非常有用的，因而，将高阶统计量应用于肌电信号，有望为这一复杂的生理信号提供一个新的强有力的分析工具。 本论文详细论述了肌电信号产生的机理，以及介绍了肌电信号在康复医学中的应用，并详细介绍了目前存在的肌电分析的方法，在此基础上，本文提出了一种基于AR参数模型的生物医学信号的检测方法，能够按照它所对应的不同的上肢动作，对于一段连续肌电信号进行检测和信号自动分段，这种方法特别适用于非平稳的肌电信号，而且运算量要大大小于基于全局的信号的分段方法。另外，本文也将高阶谱技术引入到肌电信号分析与检测中来，提出了一套肌电信号的特征提取方法。利用高阶谱技术提取肌电信号的特征信息，然后利用奇异值或者其它方法对二维特征矩阵进行优化，将优化之后的一维特征向量输入神经网络分类器进行模式识别，这种方法能够初步识别不同模式的上肢运动。通过对一段肌电信号的实验表明，这种的神经网络分类方法能够区分相应的上肢运动，对于肌电假肢的控制具有良好的应用前景。