脑卒中、脊髓损伤等疾病往往会造成下肢运动功能障碍，需要通过康复训练来恢复患肢的运动功能，而训练方案需要依据患者的运动功能水平进行个性化设计。为此，需要准确评价患者的运动功能水平。目前，临床的运动功能评价主要采用各种功能量表，由治疗师人工完成，存在评价过程繁琐、评价结果依赖治疗师主观经验等缺点。近年来，如何基于电生理学、运动学与动力学等数据客观分析和评价人体的运动功能逐渐成为康复医疗领域的研究热点问题。本文针对基于表面肌电信号、运动学数据、足底压力数据的下肢运动功能分析与评价方法展开研究，主要的研究内容和创新工作如下：

1. 提出了一种基于表面肌电信号的运动功能分析与评价方法。采用非负矩阵分解算法提取下肢表面肌电信号的肌肉协同模块，并基于协同模块之间的余弦相似度，提出了肌肉协同模块的稳定性分析和一致性分析方法。针对运动功能评价问题，提出了一种基于健康人肌电信号的参考协同模块计算方法，并将被试的肌肉协同模块与参考协同模块的相似度作为运动功能的评价指标。最后，基于脊髓损伤患者和健康人踏车训练时采集的肌电信号数据，对肌肉协同模块的稳定性、不同被试间肌肉协同模块的一致性以及上述运动功能评价指标进行了实验验证。

2. 设计了一种基于运动学数据的运动功能量化评价模型。基于动作捕捉系统采集的运动学数据，应用卷积神经网络从信号的通道分布和时间序列两个层面分别获取信号的空间特征和时间特征，进而引入注意力模块，分别计算了通道和时间序列点的权重，并将权重和两类特征进行聚合，经过长短期记忆网络层和全连接层，给出运动功能的量化评价指标。最后，基于两个公开数据集验证了所提方法的有效性，结果表明本文的方法具有较低的平均绝对偏差。

3. 提出了基于足底压力数据的运动功能障碍检测和运动功能评价方法。基于随机森林、支持向量机、K近邻以及CNN-LSTM方法分别建立了运动功能障碍检测模型。同时，根据UPDRSM量表的评分将运动功能障碍分为六个等级，并基于CNN-LSTM建立了运动功能障碍等级识别模型。最后，在帕金森患者的足底压力数据集上开展了实验验证，结果表明，上述运动功能障碍定性检测模型均可获得较高的准确率，其中CNN-LSTM模型准确率最高。同时，基于上述数据集的三个子集进行了运动功能量化评价实验，结果表明应用本文所提的方法可以在三个子集上分别获得86.15%、88.91%、90.97%的评价准确率。

4. 建立了一种基于运动学数据与足底压力数据融合的运动功能障碍检测模型。基于髋关节骨关节炎患者步行时采集的髋关节角度数据以及足底压力数据，分别构建了基于运动学数据和基于足底压力数据的运动障碍识别模型，进而融合上述两种基于单模态数据的识别模型输出，构建了基于数据融合的运动障碍识别模型。实验结果表明，该模型的运动功能障碍检测准确率达92.86%，比基于单模态数据的识别模型提高了2.38%。