近年来，随着人们生活水平的提高，生活方式和生活环境的改变，人们的体质发生着改变。监测人体运动的能量消耗，对制定科学的运动健身计划，改善身体健康状况具有重要意义。以加速度传感器为主的计步器在运动能量消耗监测方面具有一定应用价值，而以往的能量消耗计算都是基于水平方向的运动，如走路，跑步等，且低估了上楼和下楼的能量消耗。如果要实现上楼和下楼的能耗检测，首先需要对上楼和下楼的步态信息进行分类。本文对基于加速度传感器人体上楼、下楼和走路三种运动步态的分类方法进行了研究。1）设计了一种加速度信号采集装置。采用三轴加速传感器，并用STM8L152C芯片作为控制器采集加速度信号。将该装置佩戴在受试者手臂位置，分别于走路、上楼和下楼时采集加速度信号。2）研究了一种步态分类算法。首先将每个样本的加速度分离为X轴、Y轴和Z轴三个方向的信号，并计算其加速度和的信号，然后采用滑动窗口算法对样本进行分段处理。然后，提出一种小波能量特征与样本熵特征相结合的步态特征提取算法，即对每种运动方式均采集两类信息特征，并使用贝叶斯分类器和决策树分类器进行分类。上述研究结果显示，本装置能够有效提取上臂加速度信号；该算法中决策树分类器和贝叶斯分类器的总体分类精度达到75%和78.75%，比仅使用小波能量的分类精度提高了15.85%和19.17%。本文实现了对上楼、下楼和走路三种加速度信号的分类，表明使用小波能量与样本熵相结合的方法，优于传统的仅使用小波能量的方法，具有一定应用价值。