随着中国老龄化问题的加重,具有高发病率和高致残率的脑卒中会给个人、家庭和社会造成沉重的情感和经济负担。基于脑可塑性原理,轻中度脑卒中患者如果在病发后三个月内接受适量恰当的康复训练,大概率会恢复到原来的身体机能水平。但传统康复训练因为康复医师数量少,劳动强度大和过度依赖经验等因素,康复效果不尽如人意,康复机器人应运而生。为增加患者在康复过程的主观参与意识,利用表面肌电信号作为康复机器人的控制信号成为研究热点之一。表面肌电信号是肌肉收缩时产生的电信号,蕴含人体运动意图,可以作为康复机器人的定量控制信号。为满足卒中后上肢功能恢复的需求,选取肘关节的运动作为研究重点。针对现有采集设备的不足,本文搭建了表面肌电信号和肘关节角度信号的同步采集系统,并利用该系统完成了6名健康受试者的信号采集实验。对采集到的原始信号,通过分析混入噪声的频段和范围,分别利用傅里叶变换和小波变换对肌电信号和角度信号进行去噪。利用线性相关系数和均方误差作为评价模型的参数,比较14个不同特征值的表现,选择5阶AR模型系数作为肌电信号特征值,比较5种回归算法的表现,选择BP神经网络作为回归算法,最终建立的定量关系模型,模型预测角度的平均误差在4°左右,预测值与理想值间的线性相关系数为94.4%,实现在肘关节康复中,利用表面肌电信号预测肘关节屈伸运动的角度。