步态模式识别是人体动作识别领域的研究热点。肌音信号是一种肌肉纤维运动时产生的低频振动信号，反映了肌肉的力学特性。本课题将肌音信号引入步态模式识别领域，实现了静止、走路、上楼、下楼、跑步五种步态的模式识别。　　本课题设计了肌音信号的无线采集系统，系统包括TD-3压电加速度传感器、信号调理模块、基于K60微控制器的A/D转换模块、蓝牙-串口模块以及电源管理模块等，提高了步态运动过程中肌音信号采集的便利性。　　针对采集得到的步态运动肌音信号的特点，本研究提出了多层阈值决策方法，在决策的第一层和第二层，利用双阈值门限法识别静止、跑步两种步态模式，在第三层，提出自适应不等长分割算法分割连续的步态信号，提出改进模糊熵算法获取步态信号的细节信息，综合提取近似熵、样本熵、改进模糊熵三种特征，采用线性分类器对走路、上楼、下楼进行分类识别。最终实现了静止、走路、上楼、下楼、跑步五种步态的模式识别，平均识别准确率达到99.01％±0.68％。　　为了实现快速步态模式识别，结合多层阈值决策方法识别静止和跑步两种模式，在决策的第三层，对分割得到的动作帧信号提取10种作为特征量，并对比分析多种模式识别算法，包括:线性分类、支持向量机、主成分分析法与支持向量机结合的方法、深度置信网络。结果发现利用双层深度置信网络的模式识别结果最好，对15位受试者的步态模式进行识别，五种步态模式识别的平均准确率达到了95.17％，整个模式识别过程平均用时10.2秒，实现了快速步态模式识别。