来自外界伤害或神经性疾病导致的上下肢功能损伤会对人日常生活造成严重影响,然而,基于中枢神经系统的可重塑性,借助上下肢康复治疗设备的辅助治疗能够使患者的上下肢功能得到恢复。目前上下肢康复治疗设备的单一康复计划以及定时过量的康复训练容易引发患者在康复治疗中的肌肉疲劳,从而对患者伤患肢体造成二次损伤。所以,在神经损伤如脑卒中患者进行康复训练的过程中,借助患者肌肉的表面肌电数据,非侵入式地获取患者的肌肉状态,能够有效地防止患者康复过程中的过量训练。由于人体肌电数据容易包含来自多方面的噪声、干扰,导致无法准确反映人体的肌肉状态,从而导致无法准确进行肌肉疲劳检测。本文设计基于卷积神经网络的肌电去噪和基于改进Elman神经网络的肌肉疲劳检测方法和系统,能够有效消除肌电数据中的噪声,提高肌肉疲劳检测的准确度。本文的研究内容与成果如下:（1）介绍人体上肢肌肉疲劳状态检测系统的整体流程思路,开展人体上肢肌电信号采集实验,将采集到的原始上肢表面肌电信号进行特征提取,并输入到卷积神经子网络进行去噪处理,通过上下肢康复优化系统界面信息展示实时的肌肉信息。（2）使用本文的改进的Elman神经网络对去噪后的肌电数据进行肌肉疲劳识别,对使用上下肢康复训练器进行训练的患者的肌肉疲劳状态识别具有较高的识别准确率以及实时性。（3）在患者利用上下肢康复训练器进行康复训练时,不仅能够采集患者在训练过程中的肌电信号数据,从而获取使用者的肌肉运动情况,检测使用者的肌肉疲劳情况。此外,首创性地加入自适应电刺激强度调节和自适应训练速度调节策略进行辅助康复治疗,有效地防止患者懒惰训练和过度训练。本文充分利用了患者的肌电数据在时域、频域方面的特征,利用神经网络实现患者在康复训练过程中的肌肉疲劳状态检测,并且根据疲劳状态设计了自适应的电刺激强度和训练速度调整策略,保护患者不会在过度疲劳的情况下,进行过度训练。同时,保证患者不会进行懒惰训练,降低康复效果,减缓康复过程。理疗师可根据肌肉信息实时予以干涉、控制与调整康复治疗方案,保证康复训练的有效性及安全性。