对人体下肢运动状态的有效识别是实现动力型下肢假肢控制的基础,近几年,对智能下肢假肢的研究已经从被动式假肢发展到动力型智能假肢,假肢能够为穿戴者在上楼梯和上坡等特殊环境下提供动力支持,结合智能控制技术使截肢者的行走步态更加自然。本课题中主要运用角速度传感器陀螺仪并结合加速度计和足底压力传感器采集人体下肢的运动信息,包括髋关节的角速度和角度信号、大腿的加速度信号和前后脚掌的足底压力信号。通过分析所提取的信号特点,运用Dempster-Shafer证据理论进行传感器的信息融合,对人体的行走路况和步态相位进行有效的识别。　　在对运动信息分析后,利用角度大小进行了路况识别。利用相关性分析结合Dempster-Shafer证据理论算法也实现了路况的识别,通过信息融合使判定结果更加的准确。具体研究内容如下:　　1.人体下肢运动信息采集及处理　　在人体下肢运动过程中,不同的步态下所采集的运动信息是不同的,通过安装角速度传感器对人体下肢运动参数进行采集和分析,作为下肢运动识别和控制的信号源。　　2.提取信号特征判断运动步态　　传感器采集的下肢运动信号经过处理后能够根据信号特征划分运动路况和步态相位,通过采集残肢信息所获得的髋关节运动信息是动力型假肢的重要信号源,可以体现截肢者的运动意图。　　3.步态分析结果的比较研究　　利用角速度传感器采集的髋关节角度信号能够区分相应的路况,这种识别方法更加及时、准确,可以在一个步态周期的起始阶段作出识别。利用各传感器信号的相关性分析也可以进行路况识别,这种识别方法更加全面分析平地、上坡、上楼梯、下坡和下楼梯五种典型路况。　　4.利用传感器信息融合进行步态识别　　假肢接受腔上采集的不同传感器信号能够分别进行路况识别,利用传感器融合技术把各种信号结合在一起,能够提高结果的准确性。