外骨骼机器人是现在机器人研究领域的热点,其主要关键技术为步态实时识别技术。当前步态识别方法的信息采集和识别算法的设计主要以足底压力,惯性传感器等为主要研究方向。其中压力传感器由于其抗干扰性较强和极快的响应速度而备受关注,相应的足底压力传感器位置点确定成为了一项关键研究问题。同时,随着大数据的发展,机器学习算法在步态识别中也得到了青睐,然而参数选择问题也随之产生。本文针对以上两个关键问题进行了研究,设计并验证了基于足底压力的步态识别系统。首先,针对传感器布置位置问题,对人体下肢足踝骨骼进行解剖学分析,得到足部关键支撑点。以踝关节为切入点,基于达朗贝尔-拉格朗日法建立人体七连杆动力学模型和足踝系统动力学模型,分析了单足支撑时刻的足尖摩擦力和足尖压力与步态的关系,为下文足底压力传感器安置位置提供理论依据。其次,针对传统的步态识别系统的局限性设计基于足底压力的步态识别系统,系统主要包含步态数据采集系统和步态识别算法两个部分。步态数据采集系统对人体行走过程中的足底压力信息和足部姿态进行采集。本课题采用Stm32单片机作为系统的核心控制单元,并通过无线模块传输步态数据。针对原始数据的不稳定性,对数据进行裁剪、填充、分割等处理,并建立人体行走步态数据库。最后针对支持向量机参数选择问题,研究并设计了改进型的粒子群优化算法（PSO-GA）,基于该算法对支持向量机的关键参数进行优化,完成步态识别算法的研究。最后,进行了步态识别系统性能实验,采用类间识别准确率和平均识别准确率这两个参数评价该系统的性能。对比实验了本课题的基于PSO-GA-SVM的步态识别系统和基于PSO-SVM步态识别系统的性能,得出课题所设计的系统具有更好的性能。