每年均有成千上万人因为战争、意外事故和疾病等原因被迫进行下肢截肢。由于下肢截肢患者行动不便,与正常人相比,承担的生活成本更高,这直接影响了其生活质量和增加了家庭负担。智能下肢假肢的出现可以改变这一现象,其主要功能是可以帮助截肢患者恢复行走,使其像正常人一样从事日常活动,以此提高患者生活质量以及降低生活成本。目前基于下肢智能假肢的研究正处于发展阶段,只有少数发达国家将其投入了临床应用,主要原因在于智能下肢假肢控制系统是典型的人机互动系统,需要根据不同的实际场景进行步态切换,而目前所开发的控制系统存在交互困难和感知缺乏的问题。本课题针对目前下肢假肢控制所存在的问题,提出了基于表面肌电和惯性传感器信息的下肢多关节动作识别方法并开发出相应采集、分析系统,这为实现下肢假肢控制系统智能交互和意图感知功能提供了研究基础,具体内容包括:1)、采集器的设计。主要分为表面肌电信号采集模块和惯性数据采集模块的设计。2)、信号的时序分析。描述了肌电信号常用分析方法,并对比了各类分析处理方法的优缺点;介绍了惯性数据在姿态解算过程中涉及的滤波和误差补偿。3)、关节动作识别与姿态解算。主要包括采集模块和上位机的程序设计、肌电和惯性数据的处理、基于表面肌电信号以及与惯性数据融合的下肢关节动作识别、基于惯性传感器的下肢姿态角分析。表面肌电信号作为一种主动信号可以反应人体的运动意图,惯性数据通过姿态解算可以跟踪动作的弧度。本文通过采集10名健康受试的肌电和惯性数据,验证了所研方法对于下肢关节动作识别的可行性,相对于仅使用肌电信号对下肢关节动作进行识别,增加的姿态数据将识别率提高至几乎为100%的正确率,这对开发更符合临床应用的智能下肢假肢控制方法具有重要的意义。