利用脑卒中患者的自主运动意识进行主动神经康复是促进患者脑功能重塑、提高康复训练效果的重要工程学手段。目前,许多研究提出利用模式识别技术识别患者的多种精细运动意图,这些分析结果证明了模式识别方法在离线分析中的可行性,但是多类动作的离线识别性能难以直观体现模式识别系统的实时性。因此,针对脑卒中患者手部精细运动功能恢复速度慢与恢复程度有限等问题,本课题开展了基于多种生理学信号的脑卒中患者上肢运动的实时运动意图识别研究,并进一步对被动康复运动与主动康复运动的有效性进行探讨。首先,本研究自主开发了基于视频指导的运动康复训练系统,该系统将线性判别算法、支持向量机算法以及模板匹配算法嵌入其中,该系统具有信号采集处理与显示、离线模式识别、实时游戏指导康复训练三大主要功能。其次,采集受试者上臂采集的40通道的表面肌电信号,分别利用线性判别算法和支持向量机算法两种模式识别方法对受试者手部18个功能性动作进行离线运动意图识别。并对两种算法的离线运动意图识别性能进行比较,即通过离线识别精度与识别效率两个参数的比较,找到一种识别精度高,运算速度快的实时运动意图方法。然后,采集受试者上臂40通道表面肌电信号与14通道的数据手套的关节角度信号,分别结合线性判别算法以及三种不同距离测度的模板匹配算法,对15类手指分离动作进行运动意图识别。为了进一步探讨离线性能与实时性能之间的关系,利用线性回归将代表离线性能的分类精度与代表实时性能的完成率进行回归分析。最后,将基于视频指导的虚拟现实康复训练系统运用于脑卒中患者中,在患者进行主动与被动两种运动模式下的腕外翻与腕内收两个动作时的原始肌电信号和肌电电势图进行比较,并采用反应时间、动作完成时间、实时动作完成率、动态效率四个参数,分别从“信度”和“效度”两个层面对患者的肢体控制能力进行准确、定量、客观地功能性描述。主动康复训练,强调患者的主观能动性,对肌肉的激活程度明显,这对于失去运动动能的脑卒中患者来说更加的有效,成为临床治疗的一种可行方法。