近些年来,心脑血管疾病人数的明显增加和人口老龄化问题的越发严重带来了严重的社会问题,但也使一种新技术逐渐成为研究的热点之一。外骨骼康复机器人是一种可穿戴的,具有助力、助行等功能的智能机器人。它以人机一体化技术为核心,在提高人们现有运动能力的同时,通过人机交互,可以实时精确地获取穿戴者的肢体运动信息以进行控制。利用传感器感知行为是外骨骼康复机器人研究非常重要的一个步骤。到目前为止,对于人体运动意图识别的研究还主要集中于手部和上肢,较少涉及到下肢。本文利用DELSYS无线采集系统分别采集了正常人和残疾人的人体表面肌电信号和加速度信号,通过对信号的处理实现了下肢动作的模式分类,得到的数据可进一步用于外骨骼机器人研究。主要工作如下:首先,对比国内外下肢外骨骼康复机器人的研究现状,分析人体下肢运动机理,根据所要研制康复训练机器人的系统要求,设计确定机器人的关节活动范围、自由度等。介绍所设计外骨骼机器人的系统构成。其次,确定实验方案,采集下肢运动数据。通过对比数据得出,不同的下肢动作模式对应不同的信号活跃时间和活跃程度。预处理所采集的原始信号数据,提取不同的信号特征。对所提取的特征进行选择和PCA降维,为后面的分类识别提供必要条件。分别采用线性分类器、人工神经网络和支持向量机对下肢动作进行分类识别,对比不同识别方法的差异,给出最适合下肢运动信号的识别方法。最后,对比采集到的正常人下肢运动信号和残疾患者运动信号,结合患者运动信号特点,运用本文设计改进的方法选择质量较好的信号数据。运用本文改进的阈值降噪方法对选择的数据进行小波降噪,对消噪后数据进行运动识别,得到较好的分类识别结果,对比结果说明了数据选择与改进阈值方法的有效性。本文总体上实现了两种信号的特征融合,正常人下肢动作的判断识别率达到95%左右,残疾人下肢动作的判断识别率达到80%以上,为后续的研究奠定一定的基础。