冻结步态(Freezing of gait,FOG)是中晚期帕金森病(Parkinson’s disease,PD)患者最常见的步态障碍,极易导致患者跌倒并对其身心健康及生活质量产生严重的影响。带有节律性听觉刺激的可穿戴系统可作为干预FOG的辅助工具,减少发病患者的跌倒风险。冻结步态检测作为该系统的基础,还可为病情评估提供相关症状信息,具有重要的研究意义和应用价值。本文设计了相关实验流程,采集了12名PD患者的冻结步态信号,其中运动传感器被部署在患者腰部、左右大腿等9个位置。实验总共记录了2小时31分钟的数据,10名患者在试验期间表现出FOG,专业医师从视频记录中共识别出276个FOG事件。在此基础上,本文围绕冻结步态检测过程中的划分时间窗、特征提取与选择、分类等问题展开了系统的研究。本文对传感器各轴信号提取了13个典型时频域特征。针对高维特征空间引起的分类精度下降和计算开销大等问题,选取互信息和方差分析这两种特征选择方法对特征重要性进行了评价并比较了两种方法的有效性。本文评估了单一传感器和多传感器组合的检测效果,并使用方差分析为几种传感器配置选择了最佳特征。在综合考虑检测性能、成本及实际部署要求等因素后,选择左小腿加速度计和陀螺仪的组合作为最佳传感器配置并为其选取了35个最佳特征。本文将随机森林、AdaBoost、线性判别分析、多层感知神经网络应用于冻结步态分类算法设计中,研究了正负样本比例和时间窗大小对分类器性能的影响,逐步优化了检测模型的性能。最终结果表明,当以1.25s时间窗、0.15s步长进行滑窗采样,提取左小腿加速度计和陀螺仪各轴的35个特征作为特征向量并使用由正负样本比例为1的样本集训练得到的AdaBoost模型进行分类时,可获得87.3%灵敏度,91.2%特异性,89.5%AUC的最佳检测效果。