随着我国人口考龄化问题的愈加严重,愈来愈多的老年人需要得到监护和照顾。因此,老年人监护则成为众多专家学者的研究热点,而步态识别作为老年人监护的一个重要方向,具有重要的理论意义和研究价值。本文介绍了面向老年人监护的异常步态识别的研究现状,系统地分析了基于传感器网络的步态识别技术、常用步态识别算法及算法性能评价指标。以此为基础,提出了基于BP神经网络的异常步态识别算法和基于特征降维的异常步态识别算法。针对传统的步态识别中使用单个或单一类型的传感器,导致识别步态的种类较少与精度不高的问题,本文提出基于BP神经网络的异常步态识别算法。对采集到的步态数据进行二次特征提取,取其左右脚压力均值、方差以及三轴加速度的均值、方差等19维特征向量,然后对所提取的19维特征向量进行数据归一化。进而构建了基于BP神经网络的步态识别分类器,实现了异构数据的融合,提高了步态识别率。二次特征提取的19维特征向量包含冗余信息,具有较大相关性。针对该问题,本文首先引入了主成分分析降维法,其次,综合步态特征与相关矩阵,优选特征向量,提出了基于步态特征和相关矩阵的降维法。最后给出了基于特征降维的异常步态识别算法,提高了步态识别分类器速度。为验证上述算法的有效性,搭建了基于异构传感器网络的异常步态识别系统,采集了 8个志愿者的5种步态:跛行、踮脚、慌张、蹒跚和正常步态,每种步态采集500组数据。实验结果表明,基于异构传感器网络的步态识别率远远高于同构传感器网络的识别率;上述两种降维方法均能提高步态识别分类器的速度,但基于步态特征和相关矩阵的降维法的步态识别率高于主成分分析法的步态识别率。