第二次世界大战的“婴儿潮”时代出生的人逐渐步入老年化，随之带来的老龄化问题迅速成为焦点。老人的生理机能由于器官衰竭而退化，从而造成行动不便，自信心下降等心理问题。如果能提供一个可穿戴式外骨骼腿部助力机器人帮助他们正常行动，无疑是一种很大的帮助。可穿戴式助力机器人是辅助用的机械动力装置，它通过装置中的助力器感知系统感知并反馈人体的运动信息，依据所得到的状态信息来预测下一刻人体的运动意图，进而控制安装在髋关节和膝关节处的电机驱动人体运动，最终实现助力效果。机器人助力效果的实现主要分两块：运动意图的预测以及控制器的驱动控制。本文主要对装置的预测算法进行分析和研究，在MWDAR时间序列预测模型基础上进行优化改进，加入了粒子滤波优化算法，并采用倍频技术解决了由于系统传感器响应频率明显低于人体神经响应频率，以及粒子滤波优化算法的粒子权值计算产生的预测延时问题，保证整个系统的实时性。本论文首先分析了可穿戴式助力机器人的特点和时间序列预测模型的相关算法，介绍了多种时间序列预测算法的特点及实现方式；然后着重对MWDAR模型和粒子滤波优化算法进行分析研究，并结合助力机器人的特点提出了一种新的优化预测算法模型——PF_MWDAR；最后搭建小型实验平台，使用静态扭矩传感器进行信号数据采集，通过Matlab仿真方式验证该算法的可行性以及有效性。