随着当今社会老龄化越来越严重,老年人的健康问题也得到了社会上更多的关注,而中风、偏瘫导致的运动功能障碍是阻碍很多中老年人正常生活的一大原因,更好、更快的恢复他们的运动功能不仅能减轻他们的痛苦,也能减轻整个家庭的负担。此外,临床研究已经证明了主动训练对于患者的运动功能恢复和神经系统康复具有更加积极的效果。基于以上原因,基于脑电、肌电信号特征分析技术的上肢康复机器人得到了研究人员的关注。同时,针对患者的临床评估在中风后康复计划中起着非常重要的作用,它能评估损伤程度跟踪恢复进度。通常来说,临床医生会使用基于评估量表的评测方法,但基于量表的评价方法过于主观,很难客观反应患者的恢复程度。意味着没有办法针对性的设计上肢康复训练方案。本学位论文基于以上问题,设计一种脑电信号、肌电信号提取方案,通过对脑电、肌电信号处理与分析,提取信号特征进行运动相关信息的识别,实现了基于脑电、肌电信号的运动意图识别。同时设计了一套基于TCP/IP通信的康复训练软件,通过C#与MATLAB混合编程实现脑电、肌电信号处理与解析,并实现了对康复机器人的在线实时控制,可实现患者的主动康复。此外,在卒中恢复期患者的康复治疗期间,采集了患者的静息态脑电信号以及上肢运动时的脑电、肌电同步信号,基于brunnstrom量表将卒中恢复期患者分为三个等级(卒中恢复初期、卒中恢复中期、卒中恢复后期),分析了脑电、肌电信号的相干性,基于小波相干系数对卒中恢复中期和卒中恢复后期两类患者进行分类,分类正确率达到88.9%±4.9%,并且基于静息态脑电数据构建脑网络,将脑网络拓扑参数作为特征,对三个阶段患者进行分类识别,其分类正确率达99.1%±1.1%。其结果表明基于静息态脑电数据的脑网络拓扑参数对卒中恢复期患者的康复评估具有很好的效果。本文最后对设计的上肢康复训练与评估系统进行了脑电控制测试、肌电控制测试。测试结果表明本文设计的系统在线识别率高,验证了在实际应用中的可行性。综上所述,本文研究了一套基于脑电、肌电信号的上肢康复训练与评估系统,为卒中恢复期患者提供一种新的康复训练方式,为未来临床应用打下了基础。同时研究了康复过程中的运动功能评估方法,为自动和客观的康复评估方法提供参考。