只有正确识别出截肢者下肢的运动模式,才能采取有效的控制策略,因此,下肢步态模式识别成为智能假肢的关键技术之一。针对步态识别中多传感器系统复杂、成本高、信息冗余、用户穿戴体验差、信息之间相关程度高、特征工程难度大、分类模型建立困难等问题,提出了一种简单的、低成本的基于股直肌表面肌电和加速度信息融合的步态识别方法。以信号分析、模式识别技术为基础,实现了对下肢平地行走、上楼梯、下楼梯、上坡、下坡五种常见步态的准确识别,主要工作内容如下:首先,根据步态识别中常用信息源的优缺点及内在联系,选择表面肌电和加速度信号识别下肢不同步态模式;搭建无线信号采集系统采集信号,完成了肌电采集电路的设计,加速度传感器、蓝牙模块和微控制器选型,制定了数据发送与接收的无线通信协议,编写了单片机C语言程序和基于LabView的上位机程序。其次,阐述了下肢主要肌肉位置和功能,根据肌肉的位置、面积、长度、收缩强烈程度、是否交叉串扰、信号采集的干扰情况等因素,选择股直肌采集表面肌电和加速度信号;随后制定了信号采集的实验流程和规范,采集平地行走、上楼梯、下楼梯、上坡和下坡5种步态模式下的表面肌电和加速度信号;为了减小信号中的噪声,提高信噪比,使用二阶巴特沃斯滤波器对表面肌电信号去噪,使用小波阈值方法对加速度信号去噪,再基于样本熵特征确定动作的起始时刻。然后,提取动作起始点后200ms数据的时域特征值,包括平均值、均方根、标准差、平均绝对偏差、四分位距、相关系数;频域特征值,包括平均功率频率。并使用随机森林计算得到不同特征值的重要性评分,再计算特征之间的相关系数,完成特征值的初步筛选。最后,根据特征值重要性评分从高到底,逐步增加特征输入到XGBoost算法中训练分类模型,去除对识别结果影响不大的特征值,再经过KPCA变换,得到最终的分类结果,并分别于单一信号源、表面肌电和加速度融合前后、其他分类算法的识别结果比较,本文方法识别率最高,表明了本文信息源选择的合理性以及分类算法选取的有效性。