可穿戴外骨骼近年来成为国内外研究的热点内容,它能够辅助人体行走、增强人体的运动能力和扩展人体的负重能力。为了对可穿戴外骨骼控制系统的执行过程进行快速、有效、稳定的控制,需要对穿戴者与外骨骼交互过程中的人体步态相位进行识别研究,识别结果的精确性将直接影响整个外骨骼控制系统的执行力度。因此,研究一个具有较高准确度的步态相位识别系统对外骨骼机器人的控制具有重要的意义。本文基于多传感器在人体下肢步行过程中采集足底压力和下肢各关节姿态信息,对人体步态相位进行识别研究。其中涉及人体下肢运动机理分析、人体步态相位识别相关算法研究、人体下肢步态相位识别方案的设计、下肢运动数据的采集、分析与处理。论文的主要研究内容如下:首先,分析人体下肢步行的运动机理,结合外骨骼控制系统执行过程中需求的人体步态相位划分的合理性实现对人体步态相位的有效划分,以便实现外骨骼更好的控制执行。接着对涉及到人体步态相位识别的算法进行研究分析,包括模糊逻辑控制算法、支持向量机,并且选择遗传算法对识别算法的参数进行优化,以及对数据融合技术的简单概述。其次,设计三种人体步态相位识别方案,分别是基于足底压力的步态相位识别、基于姿态信息的步态相位识别以及足底压力融合姿态信息的步态相位识别。对于第一种方案,即对人体步行过程中下肢足底压力分布进行分析,设计下肢足底压力采集系统采集行走过程中足底受力敏感区域数据信息。根据足底压力数据信息的特点,采用模糊逻辑推理算法以及遗传算法优化的模糊逻辑推理算法对基于足底压力的人体步态相位进行识别研究;对于第二种方案,即利用姿态数据采集系统获取人体下肢关节运动数据,对人体步行过程中下肢各关节姿态数据进行分析,根据下肢关节姿态信息数据曲线的特点,本文提出一种移动窗口检测算法对步态相位进行划分并识别;对于第三种方案,即利用可穿戴式鞋、惯性姿态模块以及控制芯片设计的数据采集系统,进行同步采集人体下肢步行数据信息,通过融合足底压力和踝关节姿态信息,采用支持向量机以及遗传算法优化的支持向量机来进行人体步态相位的分类识别研究。最后,根据本文设计的三种步态相位识别方案的分析研究,得出三种方案都能对人体步态相位进行划分和识别研究。但是,在第三种方案中,不论是对数据的分析处理,还是最后步态相位的识别准确率,都比前两种方案具有更好的识别效果和可行性。