随着体育科研的发展，利用计算机人体建模与仿真，进行运动技术诊断，已成为必然的发展趋势。借助运动生物力学知识，进行运动员的人体运动仿真具有很高的理论和实用价值，国内外众多学者对此进行了深入而细致的研究工作。传统的运动员建模方法以牛顿运动定律为基础，通过简化人体结构，列写运动方程，设定初始条件，对方程求解最终得出仿真结果。这种方法由于采用了简化模型，不可避免地会出现较大的计算误差，而且模型修正困难，为此本文在系统分析了当前人体运动建模与仿真研究方法的基础上，提出了基于多源信息融合的人体运动分析与建模的新思路。本文从运动信息的获取与分析入手，重点对人体运动过程中的地面反力信息、人体表面肌电(sEMG)信息以及运动图像解析的有关参数借助多种数学工具，进行了运动信息的特征提取与分类的深入研究，以抓举专项运动为例，采用多源信息融合的方法，实现了抓举运动过程的自动分解与识别，并基于逆动力学，建立了抓举运动模型，最后在分析了当前人体建模中的关节力矩估计存在的问题后，尝试了关节力矩多源信息融合估计的新方法，以期提高人体建模和仿真的精度，并为运动训练指导系统的构建打下基础。具体内容概括如下： 提出了基于多源信息融合的人体运动分析与建模的新思路，并在实验室原有实验平台的基础上，构建了人体运动过程多源信息获取的硬件平台。已纳入平台检测的信息有运动员人体运动学、动力学、运动图像、肌电信息以及人体惯性参数等。由于该平台是基于局域网和CAN总线的分布式结构，因此具有良好的开放性和可扩展性。 借助多种现代信号分析和处理方法，对人体运动过程中所表现出的肌电信号进行了特征提取和运动模式分类的详细研究，并对几种神经网络的分类效果进行了对比分析；通过引入马氏距离(Mahalanobis Distance)，提高了传统Fuzzy ART网络实现肌电信号分类时的学习效率，并在肌电—力(力矩)的对应关系上进行了探索，取得了初步研究成果。 在实验平台上设计了多种人体动作，以便对运动过程中的地面反力进