随着助力行走外骨骼机器人技术的不断发展,对其进行快速、有效、稳定的控制越来越受到人们的关注。为满足对外骨骼机器人的控制要求,需要对其步态信息进行准确的检测,同时检测准确程度的高低将直接影响整个外骨骼系统控制效果的好坏,因此设计并建立一个高检测准确度的步态检测系统显得尤为重要。目前广泛采用的步态检测方法主要依赖于人为经验,步态检测过程中所用的信息相对单一,并且所用检测方法固定无动态更新,这些都会对步态检测的准确性带来一定程度的影响。针对目前在步态检测系统中存在的问题,本文设计并实现了一种新型的步态检测系统。该系统通过数据采集、预处理、训练并建立基础的分类识别模型,然后基于该模型进行识别分类,同时将识别结果加入已有数据库进行分类模型的动态更新,并将更新后的模型用于下一时刻步态的检测当中。通过研究并分析目前所用步态检测系统中的步态周期分类,本文最终选取最符合人体运动学的八相位的步态分类,由此也得到了精确的八个识别分类。利用这样八个相位分类本文完成了两种动态分类识别方法的实现——欧式距离动态分类识别法与支持向量机（SVM）动态分类识别法,它们较传统步态检测方法在算法策略方面有所创新的同时还在信息利用的数量上有所增加,该方法将目前检测方法中单一使用的压力信息、加速传感器信息融合在一起使用,增加了检测的信息量与信息种类,在保证系统控制实时性的前提下有效的提高了步态检测准确度。本文通过个体验证、Leave one out交叉验证、Test on other subjects以及对比等实验,分别对方法的重复性、可靠性、普遍适用性以及优越性等方面特性予以了验证,并且取得了较传统检测方法更高的检测准确率以及更好的检测效果,从而更好的满足了外骨骼系统的检测及控制要求。与此同时,方法对一些意外产生的不正常信号点有相当的抑制、消除作用,对该类信号显现出良好的鲁棒特性。