外骨骼机器人是当前的研究热点,在军事和医疗康复领域有广泛的应用前景。对外骨骼机器人的一个基本要求是能够稳定的跟随人的行为,故而及时准确地识别人的步态对外骨骼的控制至关重要。步态识别算法通常需要多种类型传感器的数据作为参考,这增加了外骨骼机器人传感器系统的复杂性,也加重了信号处理的负荷。人在行走过程中,足底与地面的接触力具有周期性,是重要的步态数据,分析其与下肢关节角度之间的相关性,试图通过压力信号来判断关节角度的变化趋势以达到减少外骨骼系统传感器数量的目的。因此需要根据关节角度变化情况重新定义步态周期,并利用压力数据完成步态识别。由于系统延时,为了实时的跟随人的行为,外骨骼机器人必须对人的步态进行预测。本文首先设计并实现了一套足底压力测量系统,该系统包含一套压力鞋垫和一个信号处理模块,电池供电。其能够实时地采集人行走过程中的足底压力信号而不影响人的行为,并对信号进行调理、放大、采样和存储。结合姿态传感器,该系统即能同时采集到压力信号与关节角度信号。然后分别从足底压力数据和关节角度数据对人的步态进行特征分析,并从相关系数和单调性分析了压力数据与同侧和对侧关节角度数据的相关性,根据二者的关系重新划分了步态周期,并定义了两个步态特征,并根据步态特征完成步态识别的工作。其次利用LMS和RLS自适应滤波算法对压力数据进行预测,通过仿真确定了算法的关键参数。利用预测后的数据进行步态识别,以此达到步态预测的目的。最后在信号处理模块中实现了 LMS预测算法和基于特征的识别算法,并在平地直线常速行走和在跑步机上以不同的速度行走进行实验以验证算法的有效性,实验结果表明该系统能够实现步态的识别与预测。