近十年来，随着非线性理论的迅速发展，非线性时间序列分析方法在许多领域得到了广泛的应用和研究。受此启发，作者尝试将这些新发展起来的信号分析和处理方法用于对蕴藏在表面肌电信号中的疲劳信息提取的研究。本论文的主要内容有： 1) 采用对比线性序列统计量比较法以及加权多维预报器的方法，对表面肌电信号进行了非线性确定性的检验，另外，采用概率论中的适度准则对表面肌电信号进行了正态分布的假设检验，结果表明在肱桡肌进行静态的等张收缩时表面电极收集到的表面肌电信号并非纯高斯随机信号，而是具有一定内在确定性结构的非线性信号。 2) 研究符号序列分析方法在时间序列分析中的应用特点；研究不同类型（确定、随机、混沌等）信号的符号序列直方图的特征；发现符号序列分析方法中一定长度的各种可能字的概率分布可以在确定线性模型的阶次中起一定的参考判别作用；通过用符号序列分析方法对表面肌电信号的线性AR模型的残差序列的分析，进一步确认表面肌电信号为非高斯随机信号，而是具有一定确定性内在模式的非线性信号；并发现以符号序列直方图为信息源的香农信息熵随时间的变化率，以及互信息熵函数的波峰位置与肌肉的疲劳程度存在强烈的相关性。 3) 将一维的表面肌电信号转换为二维的散点图，在这二维的平面空间中研究散点在一周360度的各个方向上的分布情况，提出了象限信息熵的概念。研究发现象限信息熵的负熵与肌肉强壮性，即能输出的最大力的能力有很强的相关性。另外，散点离原点的距离d₂₀和d₈₀与疲劳程度演化过程存在一定的内在关联性。 4) 以本文的研究结果为基础，提出一种可随时检测肌肉疲劳程度的短时等张收缩方法，并用实验作了检验，证明这种方法是简便可行的。