近年来,主动式的智能仿生腿成为了康复医疗机器人领域备受关注的课题,随着生物医学的发展,表面肌电信号(s EMG)的应用越来越成熟,而作为仿生腿的核心技术之一的步态识别,在提高仿生腿的智能性具有重要的意义。已有的步态识别缺乏生物电信号的交互,不能更快地反应人的运动意图,在融合多信息进行步态识别方面存在鲁棒性低、特征冗余度高等问题。对此,本文开展了如下研究工作:(1)步态信息采集系统的设计和开展了数据采集实验。使用Myomove肌电仪采集s EMG信号,再通过无线路由模式传输到上位机。使用JY901姿态仪采集加速度、角速度和角度信号,采用Flexi Force薄膜变阻器和ADS1256IDB模数转换模块采集压力信号。最后,采用Lab View编写上位机程序,实现传感器的通信、以及数据的解析、转换、显示和存储等功能。设计步态采集实验,分别对10个实验者在平地行走、上斜坡、下斜坡、上楼梯和下楼梯五种步态下的信号进行采集。(2)信号的降噪处理、特征提取与选取。利用二阶巴特沃斯滤波得到10-450Hz频段信号,对比了多种模态分解与小波阈值结合的方法,变分模态分解与小波阈值结合的方法可以达到更好的降噪效果。使用时域、频域、时频域、多种类型的熵特性和最大李雅普诺夫指数方法提取信号特征,使用戴维森堡丁指数分析信号的空间可分离性和使用空间分布方法分析哪些特征更利于区分步态,最后基于互信息的最大相关度、最小冗余度方法对特征进行筛选,得到组合较优的特征。(3)步态识别算法的研究。已有的随机森林(RF)算法存在弱分类器权重相同和多参数调优困难的缺点,本文通过袋外数据F1值调整RF算法弱分类器的权重和布谷鸟寻优算法得到较优的组合参数,而传统布谷鸟算法采用固定发现概率和莱维飞行的步长方式更新鸟巢,具有收敛速度慢的缺点,本文提出自适应布谷鸟(ACS)算法,通过自适应调整发现概率和莱维飞行的更新步长,提高了寻优的效率。最后,为了进一步减小特征冗余、提升识别效率,对不同部位采集信号的组合进行识别对比,采用股内侧肌、股直肌和固定在大腿的姿态仪提取的信号特征获得更好的识别效果,识别准确率可达93%,满足了一定的精度要求。