智能下肢假肢在功能和安全等方面的效果比普通假肢有较为明显提高,它可以减少代谢的能量并且主动做出反应,帮助截肢患者进行日常运动,从而恢复截肢患者一定的工作与生活能力。因此,智能下肢假肢系统需要自动识别截肢患者的运动意图,调整假肢系统的控制策略,及时、准确获取人的运动意图并执行相应的运动,从而使得截肢患者的运动能够达到或接近健康的肢体,实现安全、平稳地行走。智能下肢假肢的运动意图识别可视为一类短时的行为识别,其中主要问题是探索两个相邻的不同步态之间的步态瞬时转换。大多数意图识别方法通常从受试者的患侧采集运动数据,提取均方根、标准差、均值、最值等特征构成特征向量,运用分类器对运动模式进行识别,忽略了人体下肢运动的连续性。用于意图识别的数据采用多种类型的传感器采集且传感器数量较多,构造的特征向量维数偏高,带来了计算复杂度较大等问题。通过瞬时转换得到的短时样本提取统计特征具有一定的不稳定性,这可能会丢失运动信息及降低分类精度。基于此,本文引入小波变换应用于智能下肢假肢的运动意图识别。一方面,运动意图识别的主要问题之一是探索两个相邻的不同稳态模式之间的步态瞬时转换。同时,人体下肢运动具有内在的连续性,挖掘能够反映运动具有内在连续性的特征对意图识别十分关键。基于以上考虑,本文在第二章将双树复小波变换（Dual-Tree Complex Wavelet Transforms,DTCWT）应用于下肢假肢的运动意图识别。小波变换的局部分析能力可以放大步态信息的瞬时变化,便于提取相邻的两个不同稳态之间的瞬时变化信息。DTCWT的平移不变性和方向选择性有助于表征运动模式连续性的特征,这更好地反映了人体下肢运动具有的内在连续性。另一方面,运动意图识别的关键问题在于及时、准确获取人的运动意图,构造的特征向量其维数较少对意图识别十分重要。为了解决特征向量维数偏高,计算复杂度较大等问题,本文在第三章引入兼具双树复小波和双密度小波优点的双密度双树复小波变换（Double Density Dual-Tree Complex Wavelet Transform,DD-DTCWT）方法,并将之应用于智能下肢假肢的运动意图识别。首先,DD-DTCWT具有平移不变性以及方向选择性,有利于挖掘步态瞬时转换信息,可以较好地区分运动相似性较强的模式。其次,考虑到运动步态具有方向性,与DTCWT相比,DD-DTCWT的方向选择性得到了进一步提高,从而可以更好地提取运动的瞬时方向变化信息。最后,根据小波系数的相关性,结合均值、方差对小波系数进行处理,从而降低了特征空间的维数。