随着科学技术的进步和各专业领域水平的不断提高，假肢的研究也步入了一个新的发展阶段，从单纯的支撑能力向着舒适性和智能化不断迈进。当前，主动型膝上假肢成为假肢领域研究的热点。主动型假肢可以根据步态变化提供相应助力，减少穿戴者在行走过程当中的自身能量消耗，能够适应更为复杂的步行环境。而如何能够对人体下肢运动的步态有效识别和预测判定是主动型假肢研究的难点。本论文从以上问题出发，以各个传感器采集的下肢运动信息作为数据来源，探究不同的识别方法对不同步行模式的识别。结合预测算法建立预测模型，实现对人体下肢运动的预测，为假肢的控制做好理论基础。首先利用加速度传感器、陀螺仪和足底压力传感器采集在平地走、上楼梯、下楼梯、上坡、下坡五种步行模式的信息，根据步态周期进行数据信号的单周期提取，划分单周期的步态相位，提取不同步态相位下的传感器信号的特征值，为步态识别做好数据准备。然后选用三种辨识算法，以提取的传感器特征值作为辨识系统的输入，通过样本对网络进行训练之后，对测试样本进行辨识，得出三种算法对不同步态模式的辨识结果，对比分析识别率可得，快速正交搜索识别效果最好。最后利用识别中用到的三种算法建立预测模型，对髋关节角度进行预测。模型的输入是已知的关节角度和加速度信号的特征值，模型的输出为关节角度信号。通过比较三种算法的预测效果和误差，可以得出改进的Elman算法的预测效果最好。