近年来，随着人工智能技术的兴起，人体行为模式识别技术受到广泛关注。基于可穿戴设备的人体下肢行为模式识别技术，在康复医学、行人导航、虚拟现实等领域均有广阔的应用前景。人体肌肉电信号中包含了许多与人体运动直接相关的信息，且信号的持续采集方便、快捷，因此受到广泛应用。本文研究了基于表面肌肉电信号的人体下肢行为模式识别，主要工作如下：　　① 结合人体下肢肌肉的分布与功能、人体步态特征参数，选取能够识别下肢主要运动模式的肌肉块，搭建人体肌肉电信号采集系统，对肌肉电信号进行采集。　　② 利用带通滤波和小波重构方法滤除肌肉电信号噪声，提出小波重构方法，对信号进行小波分解、阈值限定、加权重构等步骤，得到能够清晰地反映人体步态特征的肌电信号。对重构后的信号进行滑动窗平滑，增强活动段信息。　　③ 选取能够反映人体下肢运动的特征量，提取肌电信号。如信号的小波特征参数、非线性动力学参数等。利用主成成分分析法，对提取到的特征进行维数约简在不损失识别精度的前提下提高后续识别的运算效率。　　④ 设计 BP 神经网络，分析网络信息正向传播与误差反向传递基本原理。设计了网络基本结构，并对网络进行梯度检查与参数调优。在学习 K 均值算法工作原理的基础上，设计用于转弯识别的K均值算法。　　⑤ 设计包含多种下肢运动模式的综合实验。通过实验验证 PCA 维度压缩对于识别过程的必要性，对神经网络的正则化参数及学习率进行调试。应用反向传播神经网络，对五种下肢运动模式进行综合识别。对 K均值算法应用于转弯识别进行了探索。