随着我国下肢肢体残疾人数的增加和社会逐渐进入老龄化阶段,强有力地保障残疾人和老年人的下肢运动功能是非常重要的。首先需要对下肢步态动作进行精准地识别,研究内容有利于用户的日常生活监视和监测,人机交互,患者的康复和治疗以及智能假肢的应用。本课题首次融合肌音信号(MMG)和姿态角度信号对三种静态动作:站、坐、蹲;四种动态转移动作:站→坐、坐→站、站→蹲、蹲→站;四种动态动作:走、下楼、上楼、跑共1 1种步态动作进行识别研究。使用一套无线装置采集大腿四块肌肉的MMG和姿态角度信号。经过预处理和动作分割之后,提取时域、频域和时频域特征。研究了基于随机森林(RF)的特征重要度分析。并且对比了基于RF和支持向量机(SVM)在特征数目和识别率的关系。随之进行主成分分析(PCA)降维,对比分析基于RF和SVM的降维程度与识别率的关系。首次采用隐马尔科夫模型(HMM)进行四种动态动作的识别,并与SVM和二次判别分析(QDA)进行对比,对特征组合、通道组合、肌肉贡献率等方面进行深入研究。结果表明,基于肌音信号的动态动作的识别率达98.27%,基于姿态角度信号的静态和动态转移动作识别率分别是98.33%和100%,11种动作平均识别率达98.91%。