近年来，随着社会的老龄化现象愈发普遍，关注老年人的健康状况逐渐成为不容忽视的社会问题。跌倒是老年人群体中的高发性事件，它给老年人带来的健康危害巨大。随着信号检测和模式识别技术的发展，国内外关于老年人跌倒检测的研究越来越多，及时的检测出跌倒并迅速发出报警寻求医疗救护，能够大大降低跌倒给老年人带来的机体损伤。所以致力于老年人跌倒检测的研究，具备很高的应用价值，同时也体现了社会对老年人健康的关爱。跌倒检测的核心问题是将跌倒与日常活动(Activities of Daily Life, ADL)区分开来，从而启动防护装置或发出报警以得到及时的救助，保障老年人的身心健康。本文采用人体的表面肌电与足底压力信号相结合作为跌倒检测的信号源：肢体的运动是由人体肌肉带动骨骼实现的，表面肌电信号(SurfaceElectromyography. sEMG)是一种由人体的肌肉活动时运动神经单元产生的电信号，反映了肌肉收缩的状态，能够从生物学的角度描述跌倒发生时人体姿态模式的变化。人的绝大多数日常活动都要与地面接触，经过前期研究发现，足底压力信号在跌倒发生的动态过程中的参数变化是最明显的。将这两种人体的生物学和力学信号融合起来作为跌倒检测的信号源，在跌倒识别的研究领域是一种新的尝试。本文对肌电信号进行降噪，特征提取，对采集到的足底压力信号建模，并融合两种信号源进行模式分类，所做具体工作如下：(1)提出新的跌倒检测方法，并制定信号采集方案。1)本文介绍了跌倒识别的应用背景以及国内外关于跌倒检测技术的研究现状，针对基于多信息融合的跌倒检测的空白，提出本研究基于肌电信号与足底压力信号融合的跌倒识别方法。2)根据肌电信号的产生机理，下肢主要肌肉的位置以及它们在人体日常活动中的作用，通过实验研究制定科学的肌电信号采集方案。并研究人的足底压力信号的变化规律与行为活动的关系，设计能够有效体现人体动作模式变化的压力信号采集装置，为后续跌倒检测提供可靠的源信号。(2)探讨肌电信号的降噪方法。由于肌电信号具有非线性非平稳的特性，采集过程中极易加入噪声。本文基于肌电信号不同的采集方式，提出了两种降噪方法：1)对于多条通道采集的表面肌电信号相互混迭的问题，提出一种采用基于改进阈值函数的二代小波先对sEMG信号进行了降噪，再利用改进FastICA算法对降噪后的信号进行ICA (Independent Component Analysis)分离的方法。2)对于一路的sEMG采用基于EEMD分析的降噪方法：首先对sEMG进行EEMD变换，通过计算每层IMF分量的频率有效度确定有效分量，将有效的前六层IMF分量重组得到的信号与工频噪声进行盲分离，得到最终的降噪信号。对以上两种方法进行了实验分析，验证其运用于肌电信号的有效性。(3)研究用于跌倒检测的表面肌电信号的两种特征提取方法，它们分别是：1)提取腓肠肌和股外侧肌sEMG的模糊熵特征。2)提取腓肠肌sEMG的近似熵及基本尺度熵特征。sEMG是一种非平稳的生物电信号，采用皮肤表面的电极采集时较容易受到干扰。模糊熵，近似熵及基本尺度熵这三种特征都是对信号序列复杂度的描述，具备较好的抗噪及抗干扰能力，比较适合用于sEMG。本论文对于这两种方法获得的肌电信号的特征分布特性以及实效性进行了实验对比。(4)提出了适合用于跌倒检测的模式分类方法以及多源信号融合方法。1)提出了针对跌倒与ADL分类问题的不平衡数据的WKFDA(WeightedKernel Fisher Linear Discriminant Analysis)分类方法，解决了一般分类器对少数样本分类效果不佳的缺陷，经过实验与其它分类方法的对比，其对跌倒与ADL的分类效果优于其他分类方法。2)根据足底压力的变化规律，研究了人在日常生活中的下肢动作的压力变化特点，提取动作信号段特征，通过D-S证据推理将基于肌电信号与足底压力信号的SVM决策融合获得综合判别结果，大大提高了两类动作的识别率，也为跌倒检测的研究提供了一种新思路。