随着微机电系统、无线通讯和传感网络技术的不断发展,集数据采集、处理和通讯于一体的无线传感器节点越来越普及,由放置于人体各关键部位的多个传感器节点构成的无线体感网(Wireless Body Sensor Networks,WBSN)逐步应用于游戏互动、体育锻炼、医疗康复、双足仿人机器人等领域,产生了良好的社会和经济效益。基于惯性传感器的人体步态分析技术是体感网的一个分支,其通过在人体足部放置惯性传感器节点,对人体行走过程中的步态信号进行采集,并采用相关的融合算法解算步行过程中的特征参量,如姿态、位移和时相等,从而对人体步态进行分析和评估,这对于骨骼肌肉疾病、神经系统疾病或步态异常等相关疾病的精确诊断具有重要意义。相比于目前的光学系统,惯性技术有效地避免了遮挡、光照和阴影等时空因素的干扰,且价格低廉,是近年来的研究热点。本文在现有研究的基础上,设计了一种适用于临床病患的惯性步态分析系统,该系统集成了基于惯性传感器的无线数据采集平台,并内嵌了适用性较强的步态分析算法,在临床医学上具有一定的实用价值。对于步态分析算法,本文中主要研究了步态时相划分、足部姿态解算和位置参数估计三个部分。步态时相划分利用自适应波峰方法确定步数,并依此检测出相应的步态关键点,从而得出相应的时相参数;足部姿态解算是在基于分析数据特性的基础上,对传感器误差进行校正操作,随后通过建立四元数旋转矩阵的误差函数,利用梯度下降法实时修正每一时刻姿态数据,从而得到步行过程中足部姿态的变化情况;位置信息估计可以归纳为步行过程中足部的速度和位置信息的估计,本文在充分考虑传感器误差和外部噪声的影响下,采用零速修正方法(Zero Velocity Update,ZUPT)对行走过程中的速度参量进行误差修正,得到相对准确的速度信息。同时结合时相信息,估计出整个步态过程的跨步长和足廓清等参数。最后,为了验证步态分析算法的可行性和适用性,分别利用正常人和步态异常患者的数据对系统进行了测试。实验结果表明,正常人的步数统计正确,跨步长误差维持在2%以下;步态异常患者实验结果与病情描述相符,充分证明了步态分析系统的实用性,给相关的行业提供了工程参考。