外骨骼、智能假肢和康复机器人等人体辅助设备的控制都需要对人体的下肢动作进行识别。表面肌电信号蕴含了人体动作的信息,通过表面肌电信号来控制人体辅助设备具有控制的直观性。为了取得更好的识别率,在识别的过程中可以综合使用表面肌电信号、足底压力信号和姿态传感器信号等多种信号。以Android作为上位机的多传感采集系统相比于专业的信号采集设备具有便携、易扩展和成本低等优点。本文基于Android和各种传感器模块搭建出一个便携式的多传感采集系统,使用不同的信号对不同的下肢动作模式进行识别。首先,设计并搭建了一个基于Android的多传感采集系统,可以对下肢的表面肌电信号、足底压力信号和姿态传感器信号进行采集,通过蓝牙发送到手机应用中。手机应用可以对信号进行显示、计算和保存的操作。然后,基于表面肌电信号对脚踝的放松、背屈、跖屈、内翻和外翻五种主要用于康复训练的静态动作模式进行识别。使用线性判别分析(LDA)算法对表面肌电信号的特征向量进行训练和识别,确定了最优通道组合、最优特征组合和平滑数量。其次,基于表面肌电信号、足底压力信号和姿态传感器信号对下肢的行走、跑步、踏步、上楼梯、下楼梯、站立和坐七种动作模式进行识别。基于姿态传感器的角速度信号对动态和静态的动作模式进行区分。使用了基于阶段截取的LDA算法对行走、跑步、踏步、上楼梯和下楼梯五种动态的动作模式进行识别,确定了最优阶段和最优特征组合。基于足底压力对站立和坐两种静态的动作模式进行识别。最后,创建了基于Android的虚拟下肢。基于姿态传感器的欧拉角信号、模板数据和左右腿运动的相位差来实时更新虚拟下肢的姿态,实现其跟随人体进行行走运动的效果。在人体行走的过程中,手机应用的界面中可以实时显示肌肉的激活、预测的周期时长、步态相和各种传感器信息。