跌倒防护和预警的研究是当今国内外研究的热点课题，对老年人跌倒的预警与防护，减少老年人因跌倒造成的意外伤害意义重大。跌倒辨识的目标是将跌倒行为与日常活动(Activities of Daily Life, ADL)辨识出来,从而报警或启动防护装置避免或减少跌倒带来的伤害。表面肌电信号(Surface electromyography，sEMG)是从人体骨骼肌表面通过表面肌电拾取电极记录下来的、与神经肌肉活动相关的生物电信号，是一种非线性、非平稳信号，其中蕴涵着很多与肢体运动相关联的信息，不同的肢体动作具有不同的肌肉收缩模式，肌电信号特征也将有所差异，通过对这些特征的分析就可以区分肢体的不同动作模式，因此，它被广泛运用于模式识别、生物医学工程及运动医学等领域。尽管基于肌电信号的跌倒辨识研究目前尚不成熟，作为一种尝试，本论文运用表面肌电信号作为信号源研究跌倒辨识。本文对基于肌电信号的跌倒辨识进行了研究，在表面肌电信号的拾取、消噪、特征提取、模式分类等多个方面进行了理论探索与实践，本文所做的主要工作与创新之处如下：（1）本文根据表面肌电信号的产生机理，概括了肌电信号的特性及肌电信号采集过程中的常见干扰，研究了肌电信号的拾取方法；分析了人体下肢的肌肉结构及特点，阐述了如何选取典型肌肉作为跌倒辨识的信号源，以及下肢表面肌电信号的采集及进行初步分析研究，为表面肌电信号的消噪、特征提取和模式识别分类提供借鉴。（2）本文首次将总体平均经验模态分解和二代小波结合起来应用于肌电信号的消噪处理中，该方法很好的结合了总体平均经验模态分解和二代小波的优点，并详细论述了该方法用于肌电信号的可行性。通过大量实验表明，EEMD二代小波消噪的方法取得了非常理想的消噪效果，既最大程度上保留了有用信号，又去除了大量的肌电信号噪声，为取得更好的肌电信号特征和模式分类效果打下了基础。（3）为了提取表面肌电信号的有效特征，本文研究了肌电信号熵的特征提取方法。具体提出了一种基于经验模态分解排列组合熵的表面肌电信号特征提取方法。文中针对跌倒、蹲下、站起、平地行走、上楼梯和下楼梯六种动作模式采集胫骨前肌、股直肌、股内侧肌和腓肠肌四路表面肌电信号，首先进行消噪处理，然后对动作表面肌电信号求取排列组合熵，取得了较好的特征分布。（4）为了较好的识别跌倒，将求取的肌电信号特征向量，分别输入基于K-均值聚类分类器、基于主轴核聚类分类器和支持向量机进行跌倒识别，并对识别的结果进行了详细的研究分析，实验表明，支持向量机能够更好的识别跌倒，具有更高的识别率，其中灵敏度达到了87.5%，特异度达到了96.5%，适合跌倒的识别。