足底压力指的是在日常活动中脚底和支撑面之间的产生的压力场,足底压力分布的量化研究不仅仅是在姿势研究、鞋类设计等方面有着广泛的应用,在医学步态分析也至关重要,可以用于诊断下肢疾病、平衡障碍、运动损伤等。随着医疗保健检测设备、微制造过程和无线通信技术的快速发展,针对医疗保健传感器在微型、轻量化、和节能方向等的发展越来越受到关注,因此在足底压力分布量化研究上,基于压电效应能够提供有效的解决方案。本文基于压电效应选择了聚合物压电材料——聚偏氟乙烯（PVDF）压电薄膜作为传感器的制成主体,并利用成熟可靠的柔性电路板（FPCB）加工技术,设计了一种具有良好的耐久性、优秀的稳定性、使用更加方便舒适的可穿戴的自驱动足底压力传感系统,通过收集人体在运动时的足底压力分布、运动参数等步态分析的数据,实现了足底压力的量化测试。论文的主要研究内容如下:（1）首先研究了材料特性,并且根据研究结果选择出了适合作为足压传感器的材料。通过实验研究了不同厚度的压电聚合物材料PVDF的电学输出性能,以及其耐久性（耐久性测试达到100万次）。并通过傅里叶变换红外光谱仪（FTIR）进行了微观层面的研究——计算薄膜中晶相占比。最后结果表明,随着薄膜的厚度增加,它的晶相占比也增加,其输出电压也随之增加。综合考虑了薄膜的厚度和输出性能,最后选择了1108)的PVDF薄膜作为传感器的制作材料。（2）进行了足压监测系统中传感器的制备与封装以及封装后传感器的输出特性研究。在理论研究分析的基础上,首先介绍了如何制备封装足压鞋垫,并且对封装后的足底压力传感器进行了温湿度以及耐久性等各项性能实验和研究。经过实验测试,压力传感器的测量范围达到200KPa,并且具有良好的温湿度性能和耐久性。最后简单介绍了足压监测系统的信息传输系统和使用方式。（3）最后是足压监测系统的实际应用。使用足压监测系统采集了不同运动状态、正常人和患者的足压分布数据,利用MATLAB通过足压数据计算出步态分析中的运动学参数——步速、步频等,再通过机器学习对不同运动状态、不同人的足压进行分类识别。本实验中采集超过了70名健康受试者和70名患有腰椎狭窄症患者的足底压力数据,通过机器学习,可以使用足压数据识别不同运动状态,准确率接近100%,对腰椎狭窄症患者的数据识别准确率能够达到99%。本论文分别从宏观输出表象和微观晶相占比两个方面研究了PVDF薄膜的输出性能与其厚度之间的关系。然后利用该材料设计了结构简单、使用方便、具有超高鲁棒性和优秀的抗温湿度干扰的可穿戴的自驱动足压监测系统,该系统实现了实时采集人在自然状态下运动的足底压力的分布,并且结合机器学习对不同运动状态、受试者的健康状态的足底压力数据进行分类学习识别,实现了通过足底压力分布对运动状态和健康状态的甄别。因此本论文所研究的足压监测系统可以用于运动员的运动监测,实现健康科学化的智能运动管理,也可以应用于临床医学中病人的诊断,为医生的诊断提供更多的依据。