近年来,随着我国加快进入老龄化社会,帕金森病患者数量也不断增多,给患者家庭和社会带来了沉重的负担。临床上帕金森病诊断较大的依靠医生的主观经验,会有一定的几率的误判。步态分析通过分析人类行走过程中运动学、动力学、时间空间参数、动态肌电图和能量利用率等信息广泛应用于康复评估、身份识别、疾病诊断等领域。因此本文提出了一种基于步态分析识别帕金森病的方法,从而提供一种客观的方式辅助医生进行疾病判别。本文主要工作如下:1)步态压力数据收集和步态特征提取:使用基于柔性阵列压力传感器的U型电子步道系统收集帕金森病人和正常对照组行走过程中的原始压力信号,从原始压力信号中提取出有用的18个步态时空参数。然后采用一种去量纲方法处理步态特征,目的是消除身高因素对所提特征产生的影响,并使用支持向量机分类算法进行验证。验证结果表明,去量纲处理可以较为有效的提高分类算法的性能。2)分类模型构建:构建一种基于支持向量机的分类模型并使用粒子群算法进行参数寻优。其中默认参数的支持向量机和网格搜索的支持向量机算法作为对比参照。实验结果表明基于粒子群算法优化的支持向量机分类性能最为优异。实验结果为:最终的识别准确率为95.66%,精确率为97.02%,表明基于步态分析的帕金森病识别模型的客观有效性。