穿戴假肢是下肢截肢者恢复日常生活的唯一途径,只有快速准确地识别残疾人的运动意图,才能实现对假肢的灵活控制。肌电信号能体现人体的运动意图,而且产生于人体真正运动之前,相比其它传感器信息具有显著优势。现阶段肌电信号运动模式识别的研究主要集中在健康人,但是残疾人由于肌肉的截断,其肌电信号与健康人存在很大的不同,因此利用残肢肌电信息识别不同运动模式具有重要的意义。本课题从残疾人出发,通过采集大腿残肢表面肌电信号识别下肢不同运动模式,识别结果可以为假肢提供控制源。主要的研究内容如下:1.分析截肢对下肢肌肉的影响,选定下肢肌群,确定肌电信号采集方案。针对现有采集方案的不足,为截肢者设计内嵌式传感器系统,采集不同运动模式下大腿残肢表面肌电信号。2.通过对不同运动模式肌电信号的分析,提出了一种基于移动窗的多数据段检测算法,实现了一个运动周期内多数据段的提取。并对多数据段进行特征提取,构建特征向量。3.针对误导和冗余特征值,利用基于遗传算法的BP神经网络降维、基于遗传算法的偏最小二乘法降维、基于平均影响值的神经网络特征降维的方法对特征值进行降维。根据降维结果,确定最优特征向量。经过降维,特征值维数明显下降,而且识别率有所提高。4.选定各数据段最优参数和数据段长度,用随机森林算法进行分段运动模式识别。根据识别结果,提出一种基于随机森林的二叉树周期性模式识别方法,实现了5种运动模式的周期性识别。实验结果证明,该方法提高了模式识别的准确率和实时性,有利于假肢的实时控制。