人体下肢假肢的运动意图识别是正确、及时控制下肢假肢运动的重要前提,其目标就是为假肢穿戴者提供准确的运动意图引导,帮助用户进行稳定、流畅的行走。按照采集的信息源划分,智能下肢假肢运动意图识别的方法主要基于两个方面:基于生物电信号的运动意图识别和基于生物力信号的运动意图识别。其中生物电学信号的意图识别有着人体直觉控制的潜力,但由于信号采集困难、易受干扰、不稳定的缺点,还未得到广泛应用。随着传感器技术的迅速发展,惯性传感器能够集成多种类型传感器(如加速度计、陀螺仪和磁力计等),意图识别研究者广泛使用生物力信号进行下肢假肢运动意图识别研究。传统下肢假肢意图识别一般将传感器放置于假肢上,在运动模式发生切换时,就会有识别上的滞后,这样会给假肢的控制带来延迟,假肢穿戴者面临摔倒的风险。因此本文提出了将惯性传感器绑定在单侧截肢者健肢侧的技术方案,对下肢的运动模式进行了重定义后,通过识别健侧摆动相的运动模式,来辨识假肢的运动意图,在转换模式中不会发生滞后识别的情况。不管是在稳态模式中,还是转换模式中,下肢的运动是一个连续化的过程,并且下肢的运动意图识别是一个瞬间短时的动作行为,本文主要围绕这两点进行了深入研究,并在数据特征自学习上进行初步尝试,取得了一定的识别效果。其一,在人体运动过程中,无论是在时间上还是空间上,下肢的运动都是连续的,但采集的惯性传感器数据是离散的。为了更好地分析人体下肢运动的连续性,本文在第二章中提出了一种基于时间序列数据建模的意图识别方法。首先,利用高斯混合函数的方法,将惯性传感器采集的运动意图数据连续化。再通过连续化的数据为各个运动意图的隐马尔可夫模型提供良好的数据进行参数学习。最后使用期望最大化算法,有效地识别了下肢假肢运动意图。其二,在下肢假肢运动意图识别中,由于意图识别的特殊性,能够反映潜在的短时人体行为,其时间长度不能多于一个步态周期。当样本长度过短时,传统的行为识别算法提取的时频域特征不再稳定,进而无法提供可靠的意图识别。因此本文在第三章提出了基于短时数据建模的意图识别方法。首先,通过滑动窗口分割运动意图数据,创建一个含有不同人体不同意图的短时行为的过完备模板库。然后,采用1-范数来度量测试模板与模板库之间的相似度。最后,使用松弛的判别方法进行归类,实现对短时运动意图的分类识别。