Muchas personas pierden su función motora debido a lesiones en la médula espinal o accidentes cerebrovasculares. Este trabajo estudia la intención de movimiento continuo del paciente de ángulos articulares basada en electromiografía de superficie (sEMG), que se utilizará para la rehabilitación. En este estudio, se introdujo un nuevo método de extracción de características sEMG basado en descomposición de paquetes de ondas, se construyó un modelo de predicción basado en la máquina de aprendizaje extremo (ELM) y se analizó la correlación entre las señales sEMG y los ángulos articulares basados en el análisis de correlación cruzada sin tendencia. Doce individuos participaron en tareas de rehabilitación para probar el rendimiento del método propuesto. Se registraron cinco canales de señales sEMG y se despejaron mediante la descomposición del modo empírico. Se encontró que la precisión de predicción del modelo de predicción ELM basado en características de paquetes de ondas fue del 96.23% +/- 2.36%. Los resultados experimentales indican claramente que la característica de paquetes de ondas y ELM es una mejor combinación para construir un modelo de predicción.