1.一种多模态信息可视化功能性电刺激闭环调控系统，其特征在于：包括采集预处理模块、评估模块、触发控制模块、可视化模块，所述评估模块与采集预处理模块、触发控制模块和可视化模块连接；所述评估模块对处理后的肌电‑惯性信号进行多层次特征计算，对肌电‑惯性信号的动态时变特征提取，构建基于动作完成度、动作稳定性及肌肉疲劳度的量化指标综合分析的运动功能评估模型；

所述评估模块中定义的三种量化指标，具象化到信号特征层面，其中：

所述动作完成度通过惯性信号中的角度变化量化体现；

所述动作稳定度通过惯性信号中的加速度和角速度熵特征量化体现；

所述肌肉疲劳度依靠肌电信号中的均方根值RMS和平均功率频率MPF特征进行量化体现；

所述触发控制模块包括功能性电刺激触发模块和功能性电刺激控制模块，所述功能性电刺激触发模块核心为包含BOOST电路的多通道刺激触发器，多模式刺激、多靶点定位指刺激位置设置在多块肌肉上，依据不同康复动作调整异步刺激时序，通过多通道协同刺激带动患肢整体，完成更加复杂精准、覆盖患肢多肌群的康复动作训练；

功能性电刺激控制主要采用强化学习算法对功能性电刺激参数进行调整，参数包含刺激幅值、刺激频率以及刺激脉宽；基于强化学习算法的功能性电刺激的基本闭环流程为：刺激‑评估‑反馈‑模型更新与输出‑修改刺激参数‑再刺激强化学习模型的学习更新过程分为：行为决策及迭代更新两部分，其中迭代更新部分首先需要依据量化出的评估指标进一步计算作为奖赏，奖赏函数计算式见下：R＝p·(λ·Δw+β·s+μ·c)

式中，R表示动作的奖赏函数，p表示人体疼痛感，取值为1或‑1，1表示刺激程度适宜，‑1表示刺激严重不适；λ为肌肉疲劳系数的权重因子，代表着肌肉疲劳度这一指标在评估中的重要性；β为动作稳定度的权重因子，μ为动作完成度的权重因子；Δw表示疲劳变化速率系数，取值范围为[‑1,0]，‑1表示最大疲劳变化速率；s表示动作稳定度，取值范围为[‑1,0]；c表示动作完成度，其取值范围为[0,1]，表示进行康复训练时对应关节角度的变化情况。

2.根据权利要求1所述的一种多模态信息可视化功能性电刺激闭环调控系统，其特征在于：所述采集预处理模块利用肌电‑惯性信号同步采集设备实时采集使用者康复过程中的肌电信号及多康复位置角速度信号、角加速度信号，并对所采集的多模态信号分别进行多级自适应预处理，肌电‑惯性信号预处理过程中通过Gram‑Schmidt正交化算法进行肌电信号和伪迹模板的去相关，去除刺激电流伪迹和M波；

所述触发控制模块开发多通道电刺激波形发生器，研制具有多模式刺激、多靶点定位、刺激时序合理的功能性电刺激系统；结合用户不同刺激模式、不同刺激部位及不同刺激时序下的多层次肌电‑惯性动态时变特征，设计基于强化学习算法的功能性电刺激系统闭环调控策略；

强化学习算法主要指适应FES康复环境的Q‑Learning强化学习模型，包括电刺激行为决策及多维目标迭代更新两部分：电刺激行为决策部分的核心为冒险行为策略，该策略以时变定量的贪婪率驱使功能性电刺激控制器在变化刺激参数和当前最优刺激参数之间进行选择；多维目标迭代更新部分的核心为电刺激环境数据存储结构、针对FES运动康复背景设计的包含C‑S‑F多维评估指标的目标函数以及时序差分法更新策略；

所述可视化模块构建基于Visual C#开发的运动功能状态可视化模块，实现对多层次肌电‑惯性特征指标随时间的动态时变呈现，满足用户对设备管理、训练范式及康复效果的直观体现。