为了对外骨骼机器人的行进过程进行快速、有效、稳定的控制,需要对机器人步态信息进行识别,识别结果的精确性将直接影响整个系统的控制效果。因此,设计并建立一个具有较高准确度的步态识别系统对外骨骼机器人控制具有重要意义。目前广泛采用的步态识别系统主要是依赖于人为经验的阈值法,不具有统一性,只能对步行过程中标志性的步态事件进行检测,不能实现步态全相位连续地识别,并且其检测信息也相对单一,不能真实准确地反馈人体的行进步态。人体在行走过程中,步行状态会根据行走的对象身体条件不同及行走速度的不同而发生变化,并且各个步态相位也具有持续一定时间、界限划分不明确的特点。因此,结合模糊理论,对下肢各关节运动姿态信号及足底分布式压力信号进行融合步态识别。通过多组实验样本作为数据支撑,采用对比分析,验证了该方法能够有效地应对步行过程中速度以及对象变换下的步态识别。本文主要完成的工作如下：首先,分析人体下肢步行的运动机理,对步态相位进行划分,对各姿态数据的幅值变化及周期进行比较分析。并且运用人体下肢各关节运动姿态与足底分布式压力感知系统得到人体运动信息,采用滤波方法对运动信息进行预处理,分析并总结了各步态相位的运动特征。其次,研究了多传感器信息融合的处理过程以及不同层次,其中重点研究了基于模糊理论的多传感器信息融合识别方法。通过模糊集合来对分界不精确且具有阶段性的各步态相位下的传感器信息进行状态描述。再次,设计了步态识别总体方案：先在数据层对足底分布式压力进行融合,并初步判断支撑与摆动阶段；接着在特征层对单传感器的信息进行融合,通过模糊推理计算出姿态传感器与足底压力传感器对应每个步态相位的隶属度,再根据各传感器信息的条件强弱属性进行权重分配,在决策层对所有步态相位隶属度进行加权融合,以最大隶属度判断最终的步态相位输出。最后,设计了步态信息采集实验方案,从四种不同步态速度下和四种不同身高实验对象的步态识别两方面进行实验验证和结果分析,验证了步态识别方案的有效性。