在这个经济迅速发展的时代，随着机器人技术的迅速发展，机器人在军事、制造业、医疗、等领域有着广泛应用。在各种各样的机器人中，外骨骼机器人作为一个人体的辅助设备，在军事与医疗领域中都取得了非常巨大的进步。广义上来说，外骨骼助力机器人是指任何能够根据实际需求对人体运动进行辅助或者主动助力的人机一体化机器设备^[1]。狭义上来说，指的是穿戴多关节外骨骼助力机器人发展现状及关键技术分析在人身上，通过机载计算机系统对传感系统传来的人体运动信息进行运算推理，进而完成外骨骼各驱动关节控制的人机一体化机器设备。

而在外骨骼机器人的设计与实现中，步态分析是其中的关键一环。步态分析是指从生物学和运动学的角度来模拟人正常行走过程中的步态行为，是外骨骼机器人步态控制和稳定控制的研究基础。步态分析主要是对步态数据进行分析，步态数据主要包括人在步行运动中下肢主要涉及到的髓关节、膝关节、踝关节的角度、角速度、角加速度、力矩以及足底压力等重要参数。采集人体运动步态数据是对步态分析至关重要的，需要设计一套传感器测量系统来获取步态数据，通常会用到力矩传感器、角度传感器、加速度传感器、肌电传感器等多个传感器^[2]。步态数据中行走时的足底压力信号是一重要的特征量。也是这次论文研究的主要题目。通过足底的压力传感器测量出脚底与脚掌的压力，以此为对象来研究人的步态特征。

在国外对步态分析的研究中。Pappas利用脚的角速度和足底压力信号检测人在运动中的不同时相，并提出了一种基于规则的检测算法，且该系统能识别出非步行时的运动，如坐下起立等^[4]。Skelly提出了一套实时监测系统，系统中包含了不同层次的信号处理算法，如模糊逻辑算法等^[5]。Han等人提出了一种非约束动态检测系统，硬件包括一个三轴加速度传感器和一个视频摄像机。Lauer将自适应模糊神经网络用于步态检测^[6]；Lee融合了巧螺仪、加速度计等多种传感器数据完成步态识别。Havasi率先采用视频图像进行步态识别^[7]。在康复机器人领域也常用到脑机接口来完成识别工作，让患者也能进行机器人的步行控制。

国内学者在步态分析领域的研究起步较晚，大多偏重于动力学研究。其中比较具有代表性的主要研究有：杨晓超^[19]等学者研制的步态分析系统，该系统由计算机、测角仪及测力板组成，以连接测力板和安装在步行道上的压力开关的光电装置，来控制步态测试过程中的同步周期采样，并将关节角度采样数据记录在随身携带的单片机上。待测试完成，以串行通讯的方式将数据传送到计算机并进行处理。还有杨衍明^[20]等学者在超声三点定位法的基础上，研究开发出人体下肢关节点运动轨迹仪，可用于人体行走过程中下肢步态的测量和分析。该仪器采用超声脉冲作为被检测关节点的定位信号，以分时循环发射的方式，通过选频高的增益放大器和时钟展宽技术，实现对超声信号的精确定位，同时消除反射波的干扰。仪器的信号采集与处理过程由微机进行控制，采用曲线拟合技术来重建受试者的下肢步态，并在屏幕上以多个视角直观形象地重现下肢步态的彩色图和各关节点的运动轨迹。

综上所述，外骨骼机器人的步态分析研究在国内外依然是个热门的话题，而本次论文的主题在于基于外骨骼机器人足底压力的步态检测，虽然国内外已经有了许多关于这个的研究成果，但是实现的方法依旧是个值得研究与探讨的问题。因此，对应这些存在的方法而言，研究外骨骼机器人基于足底压力的步态检测依然是有意义的。

2. 研究的基本内容与方案

本次研究的主要目标是通过实验室已有的外骨骼机器人足底压力数据进行行走状态的划分，利用C /MATLAB分析出具体数据中不同人的行走状态与速度信息，实现步态检测。

由于本次研究是第一次接触模式识别和信息处理。因此刚开始需要调查大量的文献，用来了解信息处理中的具体各个步骤。此次研究设计的基本内容有以下几点：