1.一种基于肌电信号的多层次运动功能评估方法，其特征在于，其包括以下步骤：步骤1、多通道同步采集肌电数据EMG，并采用分级预处理策略去除EMG中的伪迹，得到多通道EMG信号X＝{x1,x2,...,xi,...,xn}，其中xi表示第i通道EMG数据，n表示肌电通道数量；

步骤2、基于EMG分析的肢体肌肉多层次动态特征分析方法进行建模，获取多层次动态特征{TVDL,CMSH,CFC,TSE,TFNMF,DFC}；具体步骤包括：围绕单通道EMG分析的动态时变及复杂尺度特性、双通道EMG分析的异频耦合及传递方向、多通道EMG分析的模块化结构及功能网络三个层面进行方法计算和机制分析，具体过程如下：步骤21，基于单通道EMG分析的动态时变及复杂尺度分析方法建模，提出肌电潜在过程模型和复杂多尺度排序熵模型，分别获取单通道动态特征TVDL和CMSH，构建描述运动单位激活水平的动态时变和复杂尺度特征指标，具体过程如下：步骤211：分析动态时变特征；基于任意通道肌电信号xi＝{xi,1,xi,2,...,xi,t,...,xi,N}的非平稳性和时变特性，N为数据长度，i为通道序号，基于时变自回归模型和动态线性模型，建立了肌电信号的潜在过程模型的肌电特征提取方案；对EMG数据进行分析，获取体现激活肌肉收缩水平的动态时变特征指标，时变自回归序列TVAR(p)计算如下：式中，xi,t,(t＝1,2,...,N)为一个单变量时间序列，φi,t＝(φi,t,1,...,φi,t,p)′为时变自回归参数向量，p是时变自回归的阶数，εi,t是随时间变化的零均值独立变量；

基于DLM将肌电信号分解成若干个变量：yi,t＝xi,t+vi,t，xi,t＝Fi,t′θi,t，θi,t＝Gi,tθi,(t‑1)+ωi,t，yi,t表示t时刻的观测阵，vi,t是观测误差方差阵，Fi,t′表示常数向量，Gi,t是状态演化矩阵，θi,t是状态向量，ωi,t是特征值个数对应的时变状态向量，则TVAR(p)的动态线性分解状态矩阵TVDLi,t表示为式中，TVDLi,t中每个分量代表第i通道EMG信号的不同层次时变行为特征；则所有通道肌电信号的复杂时变特征表示为TVDLt对EMG数据进行分析，获取体现激活肌肉收缩水平的动态时变特征指标TVDL；

步骤212：分析复杂尺度特征；引入k阶粗粒化概念并提出复杂多尺度排序熵，首先对第i通道EMG信号xi＝{xi,1,xi,2,...,xi,t,...,xi,N}进行尺度为τ阶数为k的粗粒化处理，那么粗粒化后第k阶信号表示为： 对尺度为τ时第k阶信号 进行嵌入维数m延迟时间η的空间重构，并对其进行升序排列获取排序模式序号构成符号序列π，计算每种模式出现的次数概率pi(π)，则第i通道信号xi在尺度为τ时排序熵 表示为：

式中， 表示第i通道EMG信号在尺度为τ时的排序熵，所有通道EMG数据多尺度排序熵特征表示为 对EMG数据采用上述步骤进行分析，获取体现激活肌肉收缩水平的复杂尺度特征指标CMSH；

步骤22，基于双通道EMG分析的异频耦合和传递方向分析方法建模，提出改进的n:m一致性分析方法同时引入传递谱熵模型，获取双通道动态特征CFC和TSE，构建量化关联肌肉信息传递的异频耦合和传递方向特征指标，具体计算过程如下：步骤221：分析异频耦合特征；针对传统一致性分析方法只能描述线性同频段耦合特征，无法描述肌间交叉频率的耦合关系，在已有n:m一致性分析方法基础上引入显著面积指标，构建改进的n:m一致性分析方法计算信号间线性和非线性耦合关系，设xi和xj分别为肌电信号，则xi和xj间的交叉频率一致性为：式中， 和 为肌电信号频率值， 和 分别为n和m阶自

谱密度函数， 为两信号互谱密度函数，表示为：

式中，θxy(f)表

示两信号在频率f处的相位差， 和 分别是信号xi和xj的自谱密度函数，在此基础上，进一步采用各整数比例下CFC量化指标，并引入代理数据获取CFC显著性水平；对于所获取的肌电数据进行分析，获取体现肌肉信息交互的异频耦合指标CFC；

步骤222：分析传递方向特征，运用动态因果及信息熵理论，应用传递谱熵探究肌肉间信息交互及局部频带特征，对获取的多通道肌电数据进行分析，获取体现肌肉信息交互传递方向特征指标TSE；

步骤23、基于多通道EMG分析的模块化结构及功能网络分析方法建模，获取多通道动态特征TFNMF和DFC，构建体现频域模块化结构及功能连接特性指标。

步骤3、根据获取的{TVDL,CMSH,CFC,TSE,TFNMF,DFC}，进行肌肉多层次响应机制及运动功能评估策略的分析；

针对步骤2所获取的{TVDL,CMSH,CFC,TSE,TFNMF,DFC}，开展肌肉多层次响应机制及运动功能评估策略分析，在机制分析层面，分析肌肉多层次动态特征间的关联特性并获取其变化规律，构建基于概念属性的多元可视化模型；在功能评估策略研究方面，基于模糊层次法分析多层次动态特征，构建基于肌电多层次特征指标与综合评估策略，具体过程如下：步骤31，分析肢体肌肉多层次动态响应间关联特性分析；

基于{TVDL,CMSH,CFC,TSE,TFNMF,DFC}间关联关系，获取激活肌肉收缩水平、关联肌肉信息交互及功能肌群协同作用的内在关联规则及作用机制；

步骤32，分析肢体肌肉多层次动态响应规律及实现可视化呈现；

基于肌肉动态特征指标，分析肌肉多层次动态响应变化规律，以及肌肉动态响应的变化差异；明确基于运动模式概念属性的多元关联信息，综合描述不同动作模式下动态特征变化及属性规律；

步骤4、根据功能肌群协同作用的模块化结构及功能网络特性，获得针对肢体运动模式异常及功能结构改变的情况，具体步骤为：步骤41、构建多通道肌电时频协同分析模型，描述动作关联肌群时‑频尺度上的协同控制模式；

步骤42、针对特定运动模式下肌肉间的网络结构特征和动态信息传递特性，引入时域小世界网络模型分析多通道肌电动态功能连接特性；

步骤5、确定肢体肌肉多层次动态响应机制及构建运动功能评估策略，具体为：

步骤51、在机制分析层面，分析肌肉多层次动态特征间的关联特性，并获取其变化规律，构建基于概念属性的多元可视化模型；

步骤52、在功能评估策略研究方面，基于模糊层次法分析多层次动态特征，挖掘肢体肌肉多层次动态特征间的关联特性，肢体肌肉动态响应机制，进而评估运动功能。

2.根据权利要求1所述的基于肌电信号的多层次运动功能评估方法，其特征在于，所述步骤41具体为：将多通道肌电进行小波包分解获取子空间；非负矩阵分解协同模块数量方法，并对数据进行分析，获取体现肌肉协同作用的频域模块化结构特征指标。

3.根据权利要求1所述的基于肌电信号的多层次运动功能评估方法，其特征在于，所述步骤42具体为：基于滑动窗口选取肌电数据，计算信号皮尔逊相关系数作为功能耦合水平，建立时域网络；

引入稀疏性法将网络归一为二值化矩阵，并估计时域特征路径；

计算时域全局效率和局部效率量化时域网络的3‑D时空拓扑结构，描述时间网络的整体信息传输效率和对局部故障的恢复能力；

对数据进行分析，为了得到特定运动模式下多肌肉间的功能连接关系，根据有效的多肌肉功能网络分析方法，分析功能肌群内不同肌肉间的网络结构特性。