在当今社会中，步态分析技术的研究不断地推动着其它学科的发展。基于不同个体之间所存在的不同步态特征实现非接触情况下的身份识别。此外，在医学分析中步态信号之间存在的相关性也为各种疾病的诊断提供了理论依据。神经系统或骨骼肌肉系统疾病是现今社会常见的病症，这些疾病会影响人的行走能力，从而产生异常步态。因此，对步态信号进行分析和研究有助于及时发现病症，得出诊断结果，提出诊疗方案。从而不断推动医学向前发展。首先，本文介绍了去趋势互相关分析法(Detrended Cross-Correlation Analysis，简称DCCA)。对步态信号进行最小二乘线性拟合及趋势消除，从而可以证明两个非平稳时间序列之间存在的互相关性，并且发现这种互相关性是长期存在并且保持稳定的。通过比较年轻人，老年人，帕金森患者的步态信号的互相关指数，发现两个步态信号之间的互相关性(即同组人群中的不同个体之间的互相关性)随着年龄增长以及健康状况的改变而逐渐减弱。其次，又介绍了另一种研究步态信号的方法，即多重分形去趋势互相关分析法(MultifractalDetrended Cross-Correlation Analysis，简称MF-DCCA)。该方法从不同的角度，通过不同的参数，证明步态信号的多重分形特性。从Hurst指数曲线，多重分形谱函数以及Renyi指数曲线都可以得出如下结论：老年人的步态信号的多重分形性强度最大，帕金森患者次之，年轻人最弱。