由于人体步态行为包含了人体运动学、动力学和生理学等信息,因此步态分析广泛应用于个体身份识别、下肢康复监测和人体平衡能力评价等领域。脑卒中、颅脑损伤和脊椎损伤患者以及体质弱的老年人的步态行为都会表现出不同程度的平衡功能障碍。在医学上通常通过目测法、量表法或仪器观测等方法对有运动障碍的患者的平衡能力进行评价,这些检测方法通常都需要患者和家属前往康复中心并且在专业医生以及特殊设备辅助下进行,需要消耗大量时间和精力。可穿戴设备的相关技术近些年来不断发展,其广泛应用给人们的生活提供了很大的方便,基于可穿戴设备的步态分析可用于衡量人体的平衡能力。本文通过估算步态信息对人体平衡能力进行监测,使用惯性传感器作为数据来源。数据采集过程不依赖特殊环境和设备,人体平衡能力的检测过程更加简单快捷。本文的主要内容包括两部分:首先是步态分析系统的搭建,包括数据采集设备和数据接收设备的选型。本文选取惯性传感器作为数据采集器,智能手机作为数据接收端,通过WIFI进行数据传输。本文编写的数据接收手机应用软件可以实现运动曲线在线显示和数据存储的功能,可视化的数据采集过程可以避免数据采集突然中断等类似问题;其次是选择用于步态阶段划分的信号以及信号预处理方案,本文分析了常见的步态阶段划分方法并把步态周期划分为四个阶段,由于角速度信号包含的噪声较少,因此本文将平滑滤波后的角速度的15个维度的时域特征步态阶段作为划分模型的输入数据;然后,本文使用隐马尔科夫模型（Hidden Markov Model,HMM）及参数自适应后的模型进行步态阶段划分,并且分析了HMM相比其它常用分类模型的优势;最后根据步态阶段划分结果计算了与人体平衡能力相关的步态时空参数和双侧下肢的对称性,并根据计算结果对人体平衡能力进行分析。实验结果表明HMM及参数自适应后的模型达到了较好的步态阶段识别效果,最终识别率达到91%,由此可见,依据步态时空参数和双侧下肢对称性对平衡能力的分析结果与实际情况是一致的。