随着人们生活水平的提高和科学技术的发展，主动式假肢以其能根据外界环境变化自动调整步频、扭矩等参数的特点优势，将逐渐代替被动式假肢。因此能够识别出配戴假肢的残疾人行走的步态，从而对假肢进行有效控制并提供行走动力，这不仅是主动式假肢的优点，也是主动式假肢的难点所在。本课题提出利用概率神经网络（PNN）对多传感器采集的步态信息提取特征值，经筛选特征值后组成输入向量进行步态识别，不需要走完一个步态周期，只需在行走经摆动期到支撑前期时就完成步态的识别，为动力型假肢的控制提供准确的信息。首先利用Vicon MX系统（摄像头采集视频信号）和传感器系统（包括加速度传感器、陀螺仪和足底压力片）采集五种步态的行走信息。将视频信号作为标准信号，对传感器信息进行矫正。通过分析人体不同步态下的行走特点，按照步态周期划分信号进行分析，提取时域特征值并分别利用平均影响值（MIV）和偏最小二乘法（PLS）进行特征值筛选，经过筛选作为神经网络输入层的特征矩阵。然后对步态模式识别算法进行研究。经过概率神经网络（PNN）与径向基神经网络（RBFNN）、反向传播神经网络（BPNN）的步态识别对比，确定了利用PNN进行步态识别，并设计两种改进PNN的网络结构：先验变量与PNN结合的网络、双PNN网络。最后利用上述神经网络识别步态，采用PNN和改进的两种PNN网络结构，共3种网络结构进行比较识别，对比识别时间和识别率，得出结论：利用先验变量和PNN结合的识别方式，在保证识别率的前提下，识别时间短。