运动意图识别是机器人工程和康复医学工程交叉领域中日渐完备的一个研究方向。人体运动意图识别效果的优劣,决定了智能下肢假肢与下肢截肢者的契合程度。如何准确和快速地识别出下肢截肢者的运动意图,帮助下肢截肢者实现自然、流畅和稳定的行走,是该研究现阶段的重点和难点。在现有的智能下肢假肢运动意图识别研究中,特征选取对运动意图的识别精度和识别时间有着重要的影响。现有的研究往往利用多种类型的传感器,根据内嵌在下肢假肢本体的传感器所采集的信号和残肢上所采集的人体生物信号等,依赖先验知识选取统计特征,实现对人体运动意图的识别。传统的统计特征从全局的角度出发,较好的反映出人体运动的基本趋势。但是,人体运动的本质是连续的,统计特征对此考虑不足。此外,传感器在内嵌在假肢中难以准确的反映下肢截肢者本身的运动意图及存在滞后性问题。本文利用单一类型的机械信号传感器,采集下肢截肢者健侧处于摆动相前期的时序运动数据。与此同时,在患侧的运动模式进行转换之前进行智能下肢假肢的运动意图识别策略的基础上,进一步利用函数型数据分析方法,构造出反映人体运动连续特性的几何特征即最值斜率。并通过几何特征与统计特征相结合的方式,构造了基于第一类混合特征空间和第二类混合特征空间的智能下肢假肢运动意图识别方法。该方法从整体水平与局部变化两个方面去预测下一个运动类型,达到对识别方法改进的目的。论文利用自采集的数据集对提出算法的合理性及可行性进行了验证。实验结果表明,混合特征基不仅通过降维方式降低了算法的复杂程度,有效的减少了分类模型的训练时间,而且识别的精度有了一定程度的提高。