本文采用小兒腦癱患者步行時下肢的表面肌電信號（sEMG），對其步態運動的特征參數進行分析，擬達到對小兒腦癱患者的臨床嚴重程度進行評估的目的。首先采用綜合輪廓法（IP）、樣本熵（SampEN）和平滑非線性能量算子（SNEO）三種方法分別檢測仿真步行狀態下，下肢雙側腓腸肌激活時的 sEMG 信號，并對這些算法得到的結果進行精度和運算時間的比較研究，最后確定了三種算法中性能比較優良的 SNEO 算法，然后再利用實測的小兒腦癱患者的 sEMG 信號，對患兒步態活動段進行檢測和標定。研究結果表明：三種算法在 sEMG 步態活動段的劃分中精度的差異沒有統計學意義，但 SNEO 算法具有運算速度快的優點，適用于 sEMG 信號的步態活動段檢測；小兒腦癱患者的腦癱程度與其 sEMG 信號的步態活動段平均長度呈正相關關系，三種不同程度腦癱患兒的步態活動段長度差異具有統計學意義。通過本文研究結果，我們提出或許可以考慮將步態活動段平均長度作為一種評估腦癱程度的輔助定量化指標的新思路。
針對表面肌電(sEMG)信號信噪比較低的問題,本文在Donoho通用閾值法的基礎上,采用了一種基于自適應閾值處理的小波去噪方法。相對于通用閾值法,這種方法可以根據sEMG信號的不同信噪比自適應地調整閾值,更有效地去除噪聲、減小信號的失真,從而提高信噪比。仿真和真實sEMG信號實驗均論證了這種方法的優越性。